基于RF和连续小波变换的露天煤矿土壤锌含量高光谱遥感反演

露天煤矿周边存在潜在重金属污染隐患,快速获取土壤重金属空间分布是土壤污染评价、土地复垦与修复的前提。传统调查方法费时费力且易造成对环境的二次污染,高光谱遥感为土壤重金属反演提供了新的视角。该研究以某露天煤矿土壤锌(Zn)含量为研究对象,采集了111个原位表层(0~20 cm)土壤样品及反射光谱;对样品反射光谱进行Savitsky-Golay(SG)平滑、连续统去除(Continuum Removal,CR)和连续小波变换(Continuous Wavelet Transform,CWT)以降噪和增强;利用Boruta算法确定特征波段;采用偏最小二乘回归(Partial Least Squares Regression,PLSR)和随机森林(Random Forest,RF)构建土壤Zn含量反演模型,使用留一交叉验证评估反演模型精度以确定最优反演模型;基于最优反演模型,利用空间插值方法绘制土壤Zn含量空间分布图。结果表明:1)CWT可有效降低光谱噪声,增强光谱响应。2)Boruta算法能消除光谱信息冗余,并能有效提取特征波段;特征波段的数目随CWT分解尺度和光谱测量条件变化。3)RF估算土壤Zn含量性能优于PLSR,且RF结合CWT具有较好的土壤Zn反演能力;最优野外原位光谱反演模型精度(建模集R^(2)=0.92,验证集R^(2)=0.54)低于实验室光谱反演模型(建模集R^(2)=0.95,验证集R^(2)=0.72)。4)土壤Zn空间分布表现出显著的异质性,呈现高值集中于研究区西南部和东北部的特征。研究结果可为利用高光谱遥感开展露天矿区土壤重金属反演提供借鉴,为其他类似区域土壤污染评价、土地复垦与整治、土壤修复提供前提与依据。