光谱分层智能模型提升农田土壤重金属预测精度

　　近日，中国农业科学院农业资源与农业区划研究所智慧农业创新团队提出一种根据光谱分层驱动的智能建模框架，通过将光谱分层和机器学习深度融合，实现了区域尺度农田土壤重金属高精度预测。相关研究成果发表在《IEEE地球科学与遥感学报(IEEE Transactions on Geoscience and Remote Sensing)》上。

　　快速准确获取大范围农田土壤重金属浓度信息，对防控土壤污染和保障农产品安全具有重要意义。多光谱卫星遥感凭借高时空分辨率、广覆盖和成本低等优势，成为大范围农田土壤重金属监测的主要手段。然而，受土壤环境复杂性和光谱响应不敏感等限制，农田土壤重金属遥感监测精度有待提升。

　　科研团队利用哨兵2号卫星影像，提出了一种根据光谱分层驱动的智能建模框架。该框架通过根据土壤有机质和酸碱度对原始光谱数据进行分层处理，增强了土壤重金属对光谱信号的响应能力，并以分层后的光谱数据作为模型输入对土壤重金属进行预测。在此基础上，科研团队通过自动化调参、模型集成等先进技术进行模型训练，评估了多种分层策略相较于非分层(全局)模型在提升土壤重金属预测性能方面的有效性。结果表明，根据土壤有机质分层的立体模型取得了更高的预测精度，优于全局卷积神经网络模型。同时，该框架利用沙普利加性解释方法，定量评估了光谱变量对模型预测性能的贡献。该研究可为揭示农田土壤重金属与光谱数据之间的作用机制提供重要参考，为大范围农田土壤重金属污染高精度监测与早期预警提供了新视角。

　　该研究得到国家重点研发计划、国家自然科学基金等项目的支持。