快速準確獲取大范圍農(nóng)田土壤重金屬濃度信息，對防控土壤污染和保障農(nóng)產(chǎn)品安全具有重要意義。多光譜衛(wèi)星遙感憑借高時空分辨率、廣覆蓋和成本低等優(yōu)勢，成為大范圍農(nóng)田土壤重金屬監(jiān)測的主要手段。然而，受土壤環(huán)境復雜性和光譜響應不敏感等限制，農(nóng)田土壤重金屬遙感監(jiān)測精度有待提升。 

　　科研團隊利用哨兵2號衛(wèi)星影像，提出了一種根據(jù)光譜分層驅動的智能建模框架。該框架通過根據(jù)土壤有機質(zhì)和酸堿度對原始光譜數(shù)據(jù)進行分層處理，增強了土壤重金屬對光譜信號的響應能力，并以分層后的光譜數(shù)據(jù)作為模型輸入對土壤重金屬進行預測。在此基礎上，科研團隊通過自動化調(diào)參、模型集成等先進技術進行模型訓練，評估了多種分層策略相較于非分層（全局）模型在提升土壤重金屬預測性能方面的有效性。結果表明，根據(jù)土壤有機質(zhì)分層的立體模型取得了更高的預測精度，優(yōu)于全局卷積神經(jīng)網(wǎng)絡模型。同時，該框架利用沙普利加性解釋方法，定量評估了光譜變量對模型預測性能的貢獻。該研究可為揭示農(nóng)田土壤重金屬與光譜數(shù)據(jù)之間的作用機制提供重要參考，為大范圍農(nóng)田土壤重金屬污染高精度監(jiān)測與早期預警提供了新視角。 

　　該研究得到國家重點研發(fā)計劃、國家自然科學基金等項目的支持。

 

　　原文鏈接：https://doi.org/10.1109/TGRS.2025.3532678