基于随机森林回归的黄河三角洲盐化土壤中的重金属含量遥感逆转 - - 古镇的案例研究

科学领域:

• 环境科学 环境科学
• 地质科学是地球科学.
• 遥感 遥感 遥感 遥感

背景情况:

• 盐化土壤由于重金属的积累,造成环境风险.
• 遥感为大规模的土壤重金属监测提供了一个潜在的方法.

研究的目的:

• 评估从遥感获得的矿物质变化信息的有用性,用于估计盐土壤中的重金属度.
• 利用光谱和地质数据开发和验证土壤重金属的预测模型.

主要方法:

• 实地采样和实验室分析七种重金属 (Cr,Cu,Pb,Zn,As,Mn,Ni) 在黄河三角洲的古道镇.
• 从Sentinel 2图像中提取光谱衍生指数,地形因素和矿物质变化信息 (铁染色,基,碳酸盐离子).
• 构建和交叉验证一个随机森林反向模型来预测重金属含量.

主要成果:

• 基和碳酸盐离子的变化有效预测了 (As) 和 (Ni) 含量.
• 铁的染色变化是预测 (Cr),铜 (Cu), (Pb), (Zn) 和 (Mn) 度的一个重要因素.
• 整合变化信息提高了模型的准确性,铜 (Cu) 显示了最高的预测准确性 (R2 = 0.904).
• 空间分布图显示了不同重金属的高度区.

结论:

• 来自遥感的矿物质变化信息是估计盐地区土壤重金属含量的有价值的间接指标.
• 随机森林模型,加上改变数据,为绘制土壤重金属污染的地图提供了一个有效的工具.
• 了解重金属的空间分布有助于有针对性的环境管理和整治战略.