本文是一项关于应用光谱分数阶微分技术（Fractional-order differentiation）进行农作物重金属污染监测的原创性研究。研究报告题为《光谱分数阶微分与玉米叶片重金属铜含量的相关性分析》，由中国矿业大学（北京）地球科学与测绘工程学院的张文文、杨可明、夏天、刘聪、孙彤彤共同完成，发表于2020年的《科学技术与工程》期刊第20卷第5期。
本研究属于高光谱遥感（Hyperspectral remote sensing）在农业环境监测领域的前沿应用。随着社会发展对金属需求的增长，重金属通过多种途径进入土壤，不仅污染环境，还会在农作物中富集，最终通过食物链危害人类健康。因此，快速、无损地监测农作物重金属污染程度至关重要。高光谱遥感技术因其视野宽、速度快、无破坏、可实时动态监测等优点，在该领域展现出巨大潜力。
植物受重金属胁迫后，其光谱反射特征会发生改变。现有研究通常采用光谱整数阶微分（如一阶、二阶微分）来提取和放大这些细微的光谱特征，并已取得一定成效。然而，整数阶微分（如常用的二阶微分）在强调特定变化特征的同时，也可能导致部分信息的丢失。分数阶微分作为整数阶微分的数学推广，能够对光谱曲线进行更精细的刻画，有可能挖掘出被整数阶微分忽略的中间信息。尽管分数阶微分在图像增强、纹理分析和红外光谱预处理等领域已显示出优势，但其在利用植物光谱监测重金属污染方面的应用尚未见报道。
鉴于此，本研究旨在探索分数阶微分在高光谱重金属污染监测中的潜力。具体目标是：以不同浓度铜离子（Cu²⁺）胁迫下的盆栽玉米为研究对象，通过对玉米叶片光谱进行分数阶微分处理，分析各阶次微分值与叶片中铜含量的相关性，并与传统的一阶微分结果进行比较，以验证分数阶微分能否更有效地提取与重金属铜含量相关的敏感光谱特征，从而为农作物重金属污染的高光谱遥感监测提供新的技术思路。
本研究工作流程严谨，主要包括实验材料准备、光谱与铜含量数据采集、数据预处理（分数阶微分计算）以及相关性分析四个主要环节。
第一环节：实验设计与材料准备。 研究以“中糯1号”玉米为实验作物。胁迫试剂为分析纯的硫酸铜（CuSO₄·5H₂O）。实验设置了4个铜污染梯度：对照组（CK，0 mg/kg）、低浓度组（Cu 100 mg/kg）和高浓度组（Cu 200 mg/kg）。每个浓度梯度设置3组平行实验，共计9盆盆栽。玉米于2016年4月8日播种，在特定营养液培育下生长两个多月后进行数据采集。本研究使用的关键仪器包括：ASD FieldSpec 4 Hi-Res高性能地物光谱仪（光谱范围350-2500 nm），用于采集叶片光谱；TAS-990原子吸收分光光度计，用于实验室测定叶片中的铜含量。
第二环节：光谱数据与铜含量数据采集。 光谱采集于2016年6月18日进行。采用活体测量法，在室内使用50W卤素灯和8°视场角探头，对每株玉米选取的3片代表性叶片进行光谱测量，剔除异常值后取平均值作为该植株的光谱数据，最终获得9组光谱反射率数据。叶片铜含量的测定于2016年6月21日进行。采集的叶片样品经过清洗、烘干、粉碎等预处理后，用高纯硝酸和高氯酸消化，最后使用原子吸收分光光度计测定Cu²⁺含量，同样设置了3组平行实验以确保数据可靠性。
第三环节：光谱数据处理——分数阶微分计算。 这是本研究的核心创新点之一。为了深度挖掘光谱信息，研究团队未使用传统的一阶或二阶微分，而是引入了分数阶微分算法。他们基于Grunwald–Letnikov分数阶微分定义，在MATLAB R2016a平台上编写程序，对350-2500 nm范围内的原始光谱反射率数据进行了从0阶（即原始光谱）到1阶之间、步长为0.1的11个不同阶次（0，0.1，0.2，…，1.0）的微分计算。这一过程使得光谱曲线的变化信息得以细化，呈现出一个从原始光谱到一阶微分光谱的渐变过程，理论上能够捕捉整数阶微分可能遗漏的中间过渡特征。
第四环节：数据关联分析与统计检验。 获得各阶次的微分光谱数据后，研究将每个波长位置、每个微分阶次下的光谱值与对应的9个玉米叶片样品中的Cu²⁺含量进行Pearson相关性分析，计算相关系数。为了评估相关性的统计显著性，研究对相关系数进行了0.01和0.05两个水平的显著性检验。通过检验的波段，意味着该波段的光谱特征（经特定阶次微分后）与叶片铜含量存在显著相关关系，可作为潜在的敏感特征波段。
研究通过系统的实验和数据分析，获得了以下关键结果：
1. 铜含量与污染浓度的基础关系验证。 实验室测定结果显示，玉米叶片中的Cu²⁺含量与土壤中添加的Cu²⁺胁迫浓度呈正相关关系。随着土壤铜浓度的增加（从0到100 mg/kg再到200 mg/kg），叶片中的铜含量也呈现明显的增长趋势（如表1所示）。这一基础结果符合预期，验证了盆栽实验的有效性，并为后续光谱分析提供了可靠的生物化学依据。
2. 分数阶微分光谱的渐变特性。 以Cu(100 mg/kg)组中的1号样品为例，展示的0-1阶微分光谱曲线图（图1）清晰表明，随着微分阶次从0逐渐增加到1，光谱曲线的形态发生连续、渐进的变化。这直观地证明了分数阶微分能够揭示整数阶微分（如直接从原始光谱跳到一阶微分）所缺失的中间状态光谱信息，为实现光谱信息的精细化利用奠定了基础。
3. 分数阶微分显著提升了光谱与铜含量的相关性。 这是本研究最核心的发现。通过对各阶次微分光谱与铜含量进行全波段相关性分析并绘制相关系数曲线图（图2），研究发现： * 原始光谱（0阶微分） 仅在1765-1877 nm和2365-2480 nm两个较窄的波段范围内通过了0.05水平的显著性检验，且全波段均未通过更严格的0.01显著性检验。 * 随着微分阶次的增加，相关系数曲线的波动性增强，通过显著性检验的波段数量和相关系数绝对值均发生了显著变化。 * 最佳微分阶数因波段而异：研究发现，在不同光谱区间内，达到最强相关性（相关系数绝对值最大或显著波段最多）的最佳微分阶数并不相同。例如，在蓝光波段（480-500 nm）和部分近红外波段（1421-1460 nm，2000-2160 nm）最佳阶数为0.6阶；在红光波段（650-760 nm）最佳阶数为0.7阶；在另一红光波段（780-940 nm）最佳阶数为1阶（即传统一阶微分）；在近红外波段（1180-1321 nm）最佳阶数为0.8阶。 * 分数阶微分的整体优势：统计数据显示（表3），在0.05显著性水平下，通过检验的波段数在0.6阶时达到峰值（421个）；在0.01显著性水平下，通过检验的波段数在0.7阶时达到峰值（196个）。这两个峰值均出现在分数阶微分范围内（0.6， 0.7），而传统的一阶微分（1.0阶）在这两个指标上均未达到最优。这表明，分数阶微分能够比一阶微分凸显出更多与铜含量显著相关的光谱波段，极大地扩展了特征波段的选择空间。
本研究得出以下主要结论： 1. 证实了污染传递关系：玉米叶片中Cu²⁺含量与土壤Cu²⁺浓度正相关，符合生物学积累规律。 2. 验证了分数阶微分的精细化优势：分数阶微分光谱呈现出渐变过程，能够充分利用整数阶微分可能忽略的中间光谱信息，有助于深度挖掘光谱潜在特征。 3. 确立了分数阶微分在相关性分析中的优越性：与常用的一阶微分相比，分数阶微分能显著提升特定波段光谱反射率与叶片铜含量的相关性，在多个光谱区间取得优于一阶微分的效果，且能提供更多通过显著性检验的特征波段候选。 4. 提供了最佳微分阶数选择的指导：研究明确了对于不同光谱区间（如蓝光、红光、近红外），为建立与铜含量的最佳相关性模型，应使用不同的最佳分数阶微分阶数，而非固定使用整数阶。
本研究的科学价值在于，首次将分数阶微分算法系统性地引入到农作物重金属污染的高光谱监测研究中，突破了传统整数阶微分的局限。其应用价值在于，通过提供一种新的光谱预处理方法，能够更有效、更精细地从复杂的光谱数据中提取与重金属胁迫相关的敏感特征，为构建更高精度的农作物重金属污染遥感反演模型提供了新的技术路径和理论依据。
研究中引用的分数阶微分Grunwald–Letnikov定义及其离散化公式，为其他研究者复现或发展该方法提供了清晰的数学基础。此外，论文对分数阶微分在图像增强、红外光谱预处理等领域的成功应用进行了简要回顾，这有助于读者理解该方法的跨领域适用性和潜力，并为本研究的立项提供了理论支撑。文末的参考文献列表也为此研究方向提供了丰富的背景资料和延伸阅读线索。