[基于遥感时间空间光谱特征和随机森林模型的土壤重金属分布预测]
Ze-Qiang Wang1, Dong-You Zhang1, Xi-Bo Xu2,3
1College of Geographical Sciences, Harbin Normal University, Harbin 150025, China.
Huan jing ke xue= Huanjing kexue
|March 12, 2024
概括
长青区土壤含量显示有轻微污染,超过背景值,但不超过风险值. 遥感数据与随机森林模型相结合,准确预测了的分布,帮助控制污染.
科学领域:
- 环境科学 环境科学
- 地质化学 地质化学
- 遥感 遥感 遥感 遥感
背景情况:
- 土壤重金属污染对生态系统和人类健康构成风险.
- 了解土壤重金属的空间分布对于有效的环境管理和政策制定至关重要.
研究的目的:
- 调查长青区土壤重金属,特别是 (As) 的空间分布和特征.
- 开发和验证土壤重金属的空间预测模型,使用遥感数据和随机森林算法.
主要方法:
- 采集了304个表面土壤样本,用于测量含量.
- 从多个遥感数据中导出光谱,时间和空间特征.
- 应用相关性分析来选择相关特征,并建立一个随机森林 (RF) 模型用于空间预测.
主要成果:
- 土壤中的含量超过了43.17%的背景值,但仍低于风险查和干预值,表明污染轻微.
- 在预测土壤重金属方面,空间特征是最有影响力的,其次是时间和光谱特征.
- 整合时间-空间-光谱特征的射频模型实现了最高的预测准确性 (R2=0.90,RMSE=0.77,RPIQ=5.68).
结论:
- 来自遥感的时空光谱特征显著提高了土壤重金属预测模型的准确性.
- 开发的射频模型为监测和管理土壤重金属污染提供了强大的工具.
- 的分布受黄河侵蚀和工业活动的影响,需要有针对性的环境保护政策.


