融合多源遥感数据与先进特征选择的干旱区土壤盐分估算方法研究

本研究针对干旱区土壤盐渍化监测难题，创新性整合RADARSAT-2 C波段SAR、Sentinel-2光学与地形数据，通过Boruta等特征选择算法筛选52个关键变量，构建MLP、RF、XGBoost机器学习模型。最优Boruta-MLP模型验证R2达0.819，揭示σ0_VV/VH、RVI_σ0等SAR极化特征的核心作用，为干旱区精准盐分制图提供新范式。

　　

在全球气候变化和人类活动加剧的背景下，土壤盐渍化已成为威胁全球粮食安全的"隐形杀手"。据统计，全球超过10亿公顷耕地遭受盐害，可能导致作物减产高达50%。尤其在蒸发量远超降水量的干旱区，盐分在土壤表层不断累积，形成"白色荒漠"。传统盐分监测依赖田间采样和实验室电导率(EC)分析，不仅耗时费力，更难以实现大范围动态监测。虽然光学遥感技术通过NDSI等指数取得进展，但云层遮挡和植被覆盖严重制约其可靠性。

中国新疆于田绿洲的研究团队在《CATENA》发表的研究，开创性地将合成孔径雷达(SAR)的穿透能力与光学遥感的光谱信息相结合。通过采集RADARSAT-2全极化C波段数据、Sentinel-2多光谱影像及数字高程模型，构建包含121个特征的多源数据集。采用递归特征消除(RFE)、Boruta和变量重要性投影(VIP)三种算法筛选出52个显著相关(P<0.05)特征，最终建立多层感知器(MLP)、随机森林(RF)和极限梯度提升(XGBoost)三类机器学习模型。

SAR后向散射变量分析
研究解析了σ⁰_VV/VH交叉极化比等后向散射参数的物理意义，发现C波段σ⁰对盐分导致的介电常数变化敏感。通过Cloude-Pottier分解获取的熵(Entropy)和Alpha角特征，有效表征了盐结晶引起的表面粗糙度改变。

土壤EC描述性统计
208个采样点的EC值呈现显著右偏分布(偏度2.32)，范围0.03-59.58 dS/m，均值8.76 dS/m。这种异质性分布验证了机器学习处理非线性关系的必要性。

模型泛化能力比较
Boruta-MLP组合展现出最优性能，验证集R²达0.819，RMSE仅5.767。相比传统方法，该模型对极化分解组分MF4CF_theta_FP和纹理特征Dissimilarity_σ⁰_VH的挖掘，使盐分估算精度提升38%。

结论与讨论
该研究突破性地证实：雷达植被指数RVI_σ⁰可作为植被覆盖区盐分指示器，体积散射指数VSI_σ⁰则反映盐壳形成的体散射增强效应。通过建立SAR极化特征与土壤电化学参数的定量关系，解决了光学遥感在暗色土壤和茂密植被区的监测盲区问题。研究成果为"一带一路"沿线干旱国家提供了可推广的技术框架，其构建的自动化特征选择-模型优化管道，显著降低了SAR数据的使用门槛。未来可结合星载L波段SAR数据进一步提升深层盐分探测能力。