基于WorldView-3多光谱和关键环境变量的土壤镉含量反演

• Published in: 农业工程学报 Vol. 38; no. 12; pp. 224 - 232
• Main Authors: 李国旭, 耿静, 许选虹, 谭秋园, 郭一帆, 方华军
• Format: Journal Article
• Language: Chinese
• Published: 中科吉安生态环境研究院,吉安 343000 01.06.2022; 自然资源部华南热带亚热带自然资源监测重点实验室,珠海 519082%中国科学院地理科学与资源研究所生态系统观测与模拟重点实验室,北京 100101%中国科学院地理科学与资源研究所生态系统观测与模拟重点实验室,北京 100101; 中山大学测绘科学与技术学院,珠海 519082%中山大学测绘科学与技术学院,珠海 519082
• Subjects: 机器学习; WorldView-3; 环境变量; 土壤; 污染; 重金属
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2022.12.026

S127%X53; 快速准确获取农田土壤重金属含量对区域土地质量评估和粮食安全至关重要.该研究以江西省仙槎河流域小龙钨矿周边农田土壤为研究对象,采用WorldView-3多光谱影像提取光谱反射率并进行光谱变换处理,同时考虑了地形、人类活动和土壤属性等影响农田土壤镉(Cd)含量空间分布的关键环境因子,将光谱、环境变量、光谱与环境变量分别作为模型的自变量,选取了偏最小二乘(Partial Least Squares Regression,PLSR)、支持向量机(Support Vector Machines,SVM)、BP神经网络(Back Propagation Neural Network,BPNN)和随机森林(Random Forest,RF)4种回归算法构建土壤Cd含量预测模型,并利用精度评价指标优选出最佳反演模型.结果表明:仅输入多光谱特征进行Cd含量反演的模型精度总体偏低,R2低于0.2.相比之下,单独输入环境变量的模型精度结果最为理想,最优模型(RF)精度R2可达0.782.然而,融合光谱信息与环境变量共同建模后并未显著提高模型精度,反而导致较优模型(RF)精度略微降低,R2为0.693.研究结果表明,关键环境协变量是决定研究区农田土壤重金属Cd空间分布反演的重要变量,而利用多光谱信息进行土壤重金属反演的能力有限.此外,随机森林模型是预测土壤重金属空间分布的有效手段.