土壤学报

作者：杞应涛，甘淑，袁希平，胡琳，胡建开，卢成卓

单位：杞应涛，昆明理工大学国土资源工程学院, 昆明 650093；,甘淑，昆明理工大学国土资源工程学院, 昆明 650093;云南省高校高原山区空间信息测绘技术应用工程研究中心, 昆明 650093；gs@kust.edu.cn,袁希平，昆明理工大学国土资源工程学院, 昆明 650093;云南省高校高原山区空间信息测绘技术应用工程研究中心, 昆明 650093；,胡琳，昆明理工大学国土资源工程学院, 昆明 650093;云南省高校高原山区空间信息测绘技术应用工程研究中心, 昆明 650093；,胡建开，昆明理工大学国土资源工程学院, 昆明 650093；,卢成卓，昆明理工大学国土资源工程学院, 昆明 650093；,

关键词：土壤高光谱;重金属;分数阶微分;直接校正算法;XGBoost模型

基金：国家自然科学基金项目（62266026 ）、云南省教育厅科学研究基金项目（2025J0079 ）和昆明理工大学分析测试基金项目（2024M20232201156）资助

高光谱技术为土壤重金属含量的快速、精准监测提供了全新的解决方案。然而，利用实验室光谱建立的模型在实际应用中泛化能力较弱；此外，直接使用遥感影像光谱数据反演土壤重金属含量时，受成像时天气状况以及地面环境等因素的影响，导致模型精度较低，难以准确反映研究区重金属含量的分布情况。本研究以云南省会泽县矿山镇某尾矿区为研究对象，获取56个表层土壤样本的高光谱反射率（地面和影像）以及Pb、Zn的含量。首先，采用直接校正（DS）算法结合实验室光谱数据对高分5号影像数据进行光谱校正；随后，使用Box-Cox变换对Pb和Zn含量进行正态化处理；接着，通过分数阶微分（FOD）对校正后的光谱进行变换，并利用Boruta算法筛选特征波段；最后，构建随机森林和XGBoost反演模型。研究结果表明，DS算法可有效消除土壤粒径和含水量等干扰因素对影像光谱的影响；Box-Cox变换解决了Pb和Zn含量的偏态分布问题；FOD有效增强了细节光谱特征，Boruta算法选出特征波段显著提升了反演精度；此外，XGBoost模型在处理复杂特征交互和非线性关系的回归问题时，展现出更高的预测精度；在该研究区Pb含量的最佳反演模型为0.8 Order-Boruta-XGBoost，Zn含量的最佳反演模型为1.6 Order-Boruta-XGBoost，两个最佳反演模型具有较好的鲁棒性。本研究为利用高光谱技术反演矿区土壤中Pb和Zn含量提供了可靠的参考方法。

来源：2026年第1期

《土壤学报》期刊编辑部

查看土壤学报杂志2026年第1期