准确估算土壤含水量(SMC),对干旱区的精准农业、水资源管理具有重要意义。针对传统估算方法和野外测量耗时、费力的问题,通过无人机平台获取新疆阜康市冬小麦样地的高光谱影像数据,分别利用一阶导数、二阶导数、吸光度、吸光度一阶导数(FDA)、吸光度二阶导数对原始高光谱数据进行预处理;采用随机森林(RF)、梯度提升回归树(GBRT)和极端梯度提升(XGBoost)三种算法进行特征变量重要性遴选,基于地理加权回归(GWR)建立模型。结果表明:FDA的预处理效果最佳,以FDA-GBRT为基础的模型效果最优,建模集与验证集的决定系数(R2)分别为0.890、0.891,四分位数间隔为3.490;GBRT算法相较于RF和XGBoost算法优势较为突出,多数模型建模集与验证集的R2均大于0.600;GWR模型对SMC的预测建模有效,可为干旱区农业生态系统的管理与保护提供理论支撑。

光谱学提供了对土壤中许多元素进行定量分析和快速无损检测的方法。 可见光和近红外反射光谱(Vis-NIR)为研究土壤重金属污染提供了一个有用的工具。 于新疆准东露天煤矿区采集51个0～10 cm深度的土壤样品, 在实验室中分别测定样品的有机质(SOM)含量、 重金属砷(As)含量与高光谱; 使用基于JAVA语言自主开发的两波段组合软件V1.0(No: 2018R11S177501)计算不同高光谱数据变换形式(原始反射率(R), 倒数(1/R), 对数(lgR)和平方根(R)下Vis-NIR区域(400~2 400 nm)所有两波段组合得到的优化光谱指数(NPDI)与As的相关性, 在最优光谱指数(|r|≥0.73和p=0.001)中通过变量重要性准则(VIP)进一步筛选VIP≥1的指数作为模型自变量, 基于地理加权回归(GWR)模型估算As含量并使用四个交叉验证度量标准: 相对分析误差(RPD), 决定系数(R2), 均方根误差(RMSE)和最小信息准则(ACI)评价模型精度, 从而探讨优化光谱指数方法应用于高光谱检测露天煤矿区土壤重金属砷含量的可行性。 结果表明: (1)研究区As含量离散度较高, 所有样品中SOM含量均小于2％, 且As含量与SOM含量在0.01的显著性水平上无显著相关性(|r|=0.113)。 (2)As含量与单波段光谱反射率的相关性很低(|r|≤0.228), 而通过R, 1/R, lgR, R计算的NPDIs与As含量的相关性在近红外(NIR, 780~1 100 nm)和短波红外(SWIR, 1 100~1 935 nm)光谱中发现最高的相关系数和最低的p值(｜ｒ｜≥0.73和p=0.001), 在长波近红外(LW-NIR)区域基于R形成的NPDIs与As含量相关性最高(｜ｒ｜=0.74)。 (3)VIP方法分别筛选NPDIR(1 417/1 246), NPDI1/R(799/953, 825/947)、 NPDIsqrt-R(1 023/1 257, 1 008/1 249, 1 021/1 250, 1 020/1 247)和NPDIlgR(801/953, 811/953, 817/951, 825/947, 828/945)为GWR模型自变量。 (4)从4个预测模型的表现可以看出, Model-a(R)与其他三个模型(Model-b(1/R), Model-c(R)和Model-d(lgR))相比, 它具有最高的验证系数(R2=0.831, RMSE=4.912 μg·g-1, RPD=2.321)和最低的最小信息准则值(AIC=179.96)。 优化光谱指数NPDIR(1 417/1 246)有助于快速准确地估算As含量, 为进一步获取地表土壤重金属污染分布信息提供理论支持和应用参考, 促进露天煤矿区环境污染快速有效调查和生态可持续发展。