基于GA-XGBoost模型的GF-5卫星影像土壤重金属含量反演研究

作     者：柏晗 杨耘 崔琴芳 贾鹏 王丽霞 Bai Han;Yang Yun;Cui Qinfang;Jia Peng;Wang Lixia

作者机构：长安大学地质工程与测绘学院陕西西安710054 自然资源部退化及未利用土地整治工程重点实验室陕西西安710016 苍穹数码技术股份有限公司陕西西安710001 长庆工程设计有限公司陕西西安710018 

基　　金：陕西省自然科学基金(2022JM-163) 国家重点研发计划(2018YFC1504805) 中央高校基本科研业务费(300102269205、300102269201) 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2022年第59卷第12期

页      码：515-524页

摘      要：随着高光谱成像技术的发展,利用国产高光谱影像进行大范围土壤参数反演成为了可能,但其反演精度仍有待提高。因此,以陕西大西沟矿区为例,以GF-5高光谱卫星影像以及实测的土壤样本数据为数据源,提出了一种基于遗传算法特征选择的XGBoost土壤铜元素反演模型(GA-XGBoost)。首先,对预处理后的影像数据进行连续统去除等光谱变换,并利用蒙特卡罗交叉验证法(MCCV)剔除异常土壤样本;最后,分别建立基于相关系数与遗传算法特征选择的XGBoost重金属含量反演模型。实验结果表明,相同光谱变换条件下,与基于相关系数特征选择的XGBoost模型相比,所提GA-XGBoost模型性能均有明显改善,其中基于连续统去除变换的GA-XGBoost模型反演效果最优,均方根误差为4.85 mg·kg,拟合优度达0.84,相对预测误差值为2.0。利用该模型进行研究区土壤Cu含量空间分布反演结果表明,该区域开采区周边及道路两侧受到Cu的污染较严重,这一规律与实地调查结果一致。

主 题 词：光谱学 遥感 高光谱 土壤重金属 极端梯度提升算法 遗传算法 

学科分类：083002[083002] 0830[工学-生物工程类] 08[工学] 09[农学] 0804[工学-材料学] 0903[农学-动物生产类] 0816[工学-纺织类] 081602[081602] 081102[081102] 0811[工学-水利类] 

核心收录：

D　O　I：10.3788/LOP202259.1230001

馆 藏 号：203113652...