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

　　科研團隊利用哨兵2號衛星影像，提出了一種根據光譜分層驅動的智能建模框架。該框架通過根據土壤有機質和酸堿度對原始光譜數據進行分層處理，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據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，根據土壤有機質分層的立體模型取得了更高的預測精度，優于全局卷積神經網絡模型。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。該研究可為揭示農田土壤重金屬與光譜數據之間的作用機制提供重要參考，為大范圍農田土壤重金屬污染高精度監測與早期預警提供了新視角。 

　　該研究得到國家重點研發計劃、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