基于多源遥感和XGBoost算法的土壤分类研究

摘要

遥感因子是数字土壤制图的重要环境协变量，但现有研究多依赖单一遥感影像或单类型因子，限制了土壤空间分布的精细表征.为探索多源遥感影像与多类型因子在土壤分类中的潜力，本研究基于Sentinel-1 SAR与Sentinel-2A数据构建了极化特征、植被指数及纹理特征，并结合地形因子形成7种环境变量组合.通过递归特征消除（RFE）筛选变量并融合土壤母质信息，基于XGBoost构建土壤-景观关系模型，实现研究区土壤类型推理制图，并以实地采样点进行精度验证.结果表明，在单一因子制图中，虽然植被指数的重要性最高，但仅使用纹理特征时的制图精度可达65.25%；当植被指数、极化特征和纹理特征协同应用参与制图时，与仅有极化特征参与制图相比，总体制图精度显著提升，由58.16%提升至66.67%.进一步分析不同土壤类型的分类表现发现，多源因子组合在沙泥土、林地泥沙土及硅沙泥田等类型中显著提升了用户精度和生产精度，显示了多源融合在复杂地形和过渡区的优势.验证了多源遥感数据结合XGBoost算法在土壤分类中的可行性，为精细刻画土壤类型空间分布及提升制图精度提供了新的技术路径和实践参考.

关键词

土壤分类 / 数字土壤制图 / XGBoost算法 / Sentinel-1 / Sentinel-2A