使用多光谱卫星图像和多余堆积模型绘制土壤含量的地图:结合同类污染和光谱活性材料的信息

科学领域:

• 环境科学 环境科学
• 遥感 遥感 遥感 遥感
• 地质化学 地质化学

背景情况:

• 土壤 (Cd) 污染对生态系统和人类健康构成重大风险.
• 传统的地球化学方法是准确的,但对于广泛的,频繁的监测是不切实际的.
• 需要对土壤重金属 (SHM) 进行可扩展的动态监测.

研究的目的:

• 开发和验证一种新的机器学习框架,用于使用卫星数据进行大规模的动态土壤Cd估计.
• 评估Cd估计中的同类污染信息 (HPI) 和土壤有机物频谱和含量信息 (SOMSCI) 的有效性.
• 分析不同变量对土壤Cd估计的贡献,并了解肥料使用的影响.

主要方法:

• 利用Landsat 8多光谱卫星图像从2014-2023年为中国岳阳市.
• 开发了一个多余堆叠 (MRS) 机器学习框架,结合HPI和SOMSCI.
• 采用了三种特征构造方法和四种模型,包括XGB-MRS,用于土壤Cd含量估计.

主要成果:

• 集成HPI和SOMSCI的XGB-MRS模型显著提高了估计性能 (RPD> 90%,R2> 40%).
• 对243个地面样本 (2016-2022) 的模型验证显示,平均整体估计准确率超过80%.
• 环境辅助变量,HPI/SOMSCI和光谱信息对模型的贡献分别为55%,26%和19%.

结论:

• 拟议的MRS框架与HPI和SOMSCI一起,为大规模的土壤Cd监测提供了强大而实用的方法.
• 基于卫星的监测为全球SHM污染评估提供了一个可扩展的解决方案.
• 肥料的使用显示出对土壤Cd积累的直接和延迟影响,突出了可持续农业实践的必要性.