10.6041/j.issn.1000-1298.2022.08.024
融合光谱和空间特征的土壤重金属含量极端随机树估算
针对高光谱遥感土壤重金属含量估算研究中光谱特征信息弱、模型反演鲁棒性差的问题,提出构建污染源-汇空间特征量化污染物扩散与汇聚空间影响因子,融合光谱特征建立基于极端随机树(Extremely randomized trees,ERT)的土壤重金属含量估算模型.以济源市耕地土壤为研究区,布设采集土壤样本249个,分析了光谱特征、地形特征和污染源空间特征在土壤重金属铅(Pb)、铬(Cd)含量反演中的有效性及影响机理,采用置换重要性指数优选多源特征,通过与多种回归模型对比,评价ERT模型的预测精度.研究表明,变换后的土壤光谱特征构建ERT模型引入地形特征和污染源空间特征后精度提升显著,尤其是污染源空间特征优势更为明显,Pb的ERT模型均方根误差由43.185 mg/kg下降到22.301 mg/kg,下降了 48.36%.Cd的ERT模型均方根误差由0.738 mg/kg下降到0.371 mg/kg,下降了 49.73%,充分说明引入污染扩散空间特征的有效性.与其他回归模型对比,ERT估算模型在各项指标评价中优势明显,其中Pb的ERT模型的测试集R2达0.964,Cd的ERT模型R2为0.923.
土壤、重金属、高光谱遥感、空间特征、极端随机树、置换重要性
53
S127(农业物理学)
国家自然科学基金;国家自然科学基金;河南省自然资源厅自然科技项目
2022-11-10(万方平台首次上网日期,不代表论文的发表时间)
共9页
231-239