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

来源：激光与光电子学进展, 2022, 59(12): 525-534.

• 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

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-1，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。

• 单位
  苍穹数码技术股份有限公司; 长安大学