基于遥感时-空-谱特征及随机森林模型的土壤重金属空间分布预测
Distribution Prediction of Soil Heavy Metals Based on Remote Sensing Temporal-Spatial-Spectral Features and Random Forest Model作者机构:哈尔滨师范大学地理科学学院哈尔滨150025 枣庄学院旅游与资源环境学院枣庄277160 北京师范大学地表过程与资源生态国家重点实验室北京100875
出 版 物:《环境科学》 (Environmental Science)
年 卷 期:2024年第45卷第3期
页 面:1713-1723页
核心收录:
学科分类:12[管理学] 1204[管理学-公共管理] 082803[工学-农业生物环境与能源工程] 08[工学] 0828[工学-农业工程] 120405[管理学-土地资源管理]
主 题:土壤 砷(As) 随机森林(RF) 遥感时-空-谱特征 空间分布预测
摘 要:获取土壤重金属的含量特征及空间分布是预防土壤污染和制定环保政策的关键.选取济南市长清区为研究区,系统采集304处表层土壤样品(0~20 cm),利用多源遥感数据构建土壤重金属的光谱特征、时间特征和空间特征;进一步采用相关分析法选择出与土壤重金属密切相关的时-空-谱特征,并将其作为输入自变量,实测土壤砷(As)含量值为因变量,建立基于随机森林(RF)算法的空间预测模型,完成土壤重金属的含量估算和空间分布预测.结果表明:(1)As含量均值超出背景值43.17%,低于农用地土壤污染风险规定的筛选值和管控值,表明As在土壤中出现富集,但处于可管控范围内.(2)在单个遥感特征构建的土壤重金属空间预测模型中,精度由高到低依次为:空间特征(RPIQ=3.87)时间特征(RPIQ=2.57)光谱特征(RPIQ=2.50),空间特征对土壤重金属空间预测最为重要.(3)基于“时间-空间、“时间-光谱和“空间-光谱组合特征的土壤重金属空间预测模型均优于单个特征构建的模型,其精度系数RPIQ值分别为4.81、 4.21和4.70.(4)利用“时间-空间-光谱特征组合输入的随机森林模型达到最佳的空间预测精度(R^(2)=0.90;RMSE=0.77;RPIQ=5.68).(5)As在空间分布上从西北到东南含量逐步降低,主要受到黄河冲淤积和工业活动影响.研究采用的遥感时-空-谱特征结合随机森林算法的土壤重金属空间预测技术,可为土壤污染防治及环境风险管控提供有效的方法支持.