基于XGBoost与地理加权回归的吉林省西部土壤盐渍化反演

摘要

为及时、准确地应用多源遥感数据提取干旱和半干旱区域土壤盐渍化反演特征及获取土壤盐渍化程度的空间分布数据，以吉林省西部大安市为研究区，利用Sentinel-1 SAR、Sentinel-2 MSI多源遥感数据和DEM数据，构建土壤盐分含量（Soil Salt Content,SSC）反演特征集，结合BorutaShap算法优选特征，通过耦合地理加权回归（Geographically weighted regression,GWR）与极限梯度提升树（XGBoost）回归构建土壤盐渍化反演模型，并与XGBoost回归、GWR反演结果对比分析。结果表明：SSC反演特征集中，盐分指数、植被指数在BorutaShap算法中取得了较高的重要性排名，是大安市SSC反演的重要特征。GWR模型的R2和RMSE分别为0.48和4.83 g/kg,XGBoost回归模型的R2和RMSE分别为0.54和4.35 g/kg，耦合GWR与XGBoost回归构建的土壤盐渍化反演模型预测精度得到显著提高，R2与RMSE分别达到0.63和3.71 g/kg。依据该模型反演结果，大安市各类盐渍土分布存在较强的空间异质性，土壤盐分含量呈现出由东南向西北逐渐递减的趋势，与实地调查基本一致。综上，耦合GWR与XGBoost回归模型充分考虑了反演特征的空间异质性和非线性关系，可有效提高SSC反演精度，可获得更符合实际的SSC空间分布，可用于干旱和半干旱地区土壤盐分含量的反演。

关键词

土壤盐渍化 / 遥感反演 / 地理加权回归 / XGBoost / 特征优选 / 吉林省西部

基金资助

国家重点研发项目（2021YFD1500202）