基于连续小波变换、SHAP和XGBoost的土壤有机质含量高光谱反演

作     者：叶淼 朱琳 刘旭东 黄勇 陈蓓蓓 李欢 YE Miao;ZHU Lin;LIU Xu-dong;HUANG Yong;CHEN Bei-bei;LI Huan

作者机构：首都师范大学资源环境与旅游学院北京100048 首都师范大学城市环境过程和数字模拟国家重点实验室培育基地北京100048 首都师范大学水资源安全北京实验室北京100048 北京市生态地质研究所北京100120 

出 版 物：《环境科学》 (Environmental Science)

年 卷 期：2024年第45卷第4期

页      面：2280-2291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] 

基　　金：国家自然科学基金项目(42271082) 北京卓越青年科学家计划项目(BJJWZYJH01201910028032) 

主　　题：土壤有机质(SOM) 高光谱反演 连续小波变换 SHAP方法 XGBoost模型 

摘      要：针对土壤有机质含量高光谱反演中存在的光谱有效信号薄弱和光谱信息冗余问题,提出结合连续小波变换、SHAP和XGBoost的土壤有机质含量高光谱反演框架.以北京市延庆区和房山区永久基本农田土壤为研究对象,首先,基于连续小波变换处理的土壤光谱反射率数据构建初始XGBoost模型;然后,利用SHAP方法分析模型中各波段的贡献度以筛选特征波段;最后,基于特征波段重新构建和优化XGBoost模型,实现土壤有机质含量高光谱反演.发现连续小波变换尺度为25时,利用SHAP方法选取的40个特征波段构建的XGBoost模型准确性最高,有机质含量反演值和实测值之间的R~2为0.80,RMSE为3.60g·kg^(-1);随着连续小波变换尺度的增大,R2呈现先升高后降低的趋势,25尺度下的R2比21尺度的高0.37;SHAP方法选取的特征波段比Pearson相关分析法少682个,RMSE低0.69 g·kg^(-1);XGBoost模型的R2分别比随机森林和支持向量机模型高4%和8%.验证了结合连续小波变换、SHAP和XGBoost在土壤有机质含量高光谱反演中的有效性,为快速、准确监测土壤有机质含量提供技术支撑.