通过使用增强的光谱特征集和XGBoost模型来改进基于卫星的土壤铅含量估算与制图技术 徐思博（Xibo Xu）、 王颖（Ying Wang）、 戴新瑞（Xinrui Dai）、 沈琦（Qi Shen）、 吴泉源（Quanyuan Wu）、 王泽强（Zeqiang Wang）和 曹建飞（Jianfei Cao）

《Remote Sensing》：Improving Satellite-Based Estimation and Mapping of Soil Lead by Using an Enhanced Spectral Feature Set and XGBoost Model Xibo Xu, Ying Wang, Xinrui Dai, Qi Shen, Quanyuan Wu, Zeqiang Wang and Jianfei Cao

　　**亮点**
主要发现是什么？
构建了一个增强的光谱特征集（ESFS），并开发了两个用于铅污染土壤的新光谱指数，分别命名为SPPI-2和SPPI-3，并将其纳入ESFS中。基于XGBoost的卫星高光谱成像模型取得了令人满意的性能（RPD = 2.06）。

主要发现的意义是什么？
本研究提出了新的光谱指数，有效表征了铅污染土壤，并支持了区域的土壤管理。该研究为估算和绘制土壤重金属提供了一种解决方案框架，有助于识别污染热点并促进环境可持续性。

**摘要**
卫星高光谱遥感为实现土壤铅（Pb）的估算和绘制提供了一种高效且成本效益高的方法，从而支持污染识别和环境可持续性。然而，基于卫星的光谱估算模型的开发依赖于一个稳健的光谱特征集作为输入，而在实际现场条件下，由于水分、颗粒大小和光散射的干扰，这一特征集难以获得。为解决这一问题，我们在实验室制备的不同铅污染水平的土壤样本上进行了控制光谱实验。分析了与铅污染相关的光谱特性，并使用序列投影算法-Shapley加性解释方法构建了一个增强的光谱特征集（ESFS）。开发了两个用于铅污染土壤的新光谱指数SPPI-2和SPPI-3，并将其纳入ESFS中。然后，将ESFS应用于通过直接标准化校准的卫星高光谱数据，其中的光谱参数作为输入变量，现场土壤样本测量的铅浓度作为因变量。最后，使用XGBoost（极端梯度提升）算法开发了一个基于卫星的光谱模型来估算土壤铅含量。结果表明，ESFS中的光谱参数包括四个特征波段（R840、R1013、R1215和R2239）以及两个新开发的光谱指数（SPPI-2和SPPI-3）。基于ESFS和XGBoost算法的卫星光谱估算模型表现最佳，R2（决定系数）和RPD（性能与偏差之比）值分别为0.78和2.10，相比传统方法分别提高了164.10%和12.86%。铅污染土壤的热点区域主要位于废弃煤矿区的东部，这与不当的煤炭开采和运输活动有关。本研究提出了一个卫星高光谱框架，有效估算土壤铅的分布模式，并支持区域性的土壤管理和环境可持续性。

**1. 引言**
土壤铅（Pb）污染是全球最常见的土壤污染形式之一，也是生态退化的驱动因素[1,2]。这种污染通常出现在与采矿活动和集约化工业相关的地区[3,4]。尽管铅是土壤母质中的天然成分，但人为活动（包括采矿、冶炼和运输）会导致铅浓度升高。这些铅通过直接排放和大气沉降进入土壤，从而引起土壤铅污染[5,6]。生活在这些地区的人们通过摄入、吸入和皮肤接触暴露于土壤铅中，长期暴露可能损害神经认知发育，尤其是对儿童，还可能影响红细胞生成，造成严重的健康风险[7,8]。因此，有效监测土壤铅的分布模式和污染热点对于保护人类健康和促进环境可持续性至关重要。

卫星高光谱技术对于估算和绘制煤矿区土壤铅的分布模式以及检测污染热点非常有效[9,10,11]。传统上，煤矿区土壤铅的估算和绘制依赖于实地采样、实验室分析和地质统计插值相结合的方法[12,13]。虽然这种方法简单，但劳动和时间成本较高，且区域范围内的土壤铅监测费用昂贵。安装在卫星平台上的高光谱传感器可以在短时间内收集大面积的光谱数据。通过结合机器学习方法，可以提取土壤中的铅信息，实现大规模监测土壤铅的状态和污染热点[9]。

作为输入变量的稳健光谱特征集对于开发可靠的基于卫星的土壤铅光谱估算模型至关重要[14,15]。通常，从卫星高光谱数据中选择特征波段等光谱特征，然后用于光谱模型中解释土壤铅的状态。卫星高光谱数据具有高光谱分辨率，可以提供多个波段的土壤光谱信息，有助于识别与土壤铅相关的吸收特征[16,17]。然而，高光谱数据中也包含来自环境因素和其他土壤属性的噪声和不相关光谱信息，而不仅仅是目标土壤成分的光谱[18,19]。因此，准确提取土壤铅的光谱特征并构建有效的光谱特征集是开发可靠的基于卫星的土壤铅光谱估算模型的关键挑战。

为了解决这个问题，使用了监督搜索方法（如逐步回归、相关系数分析、序列投影算法和竞争性自适应加权采样）从高维高光谱数据中选择土壤铅的光谱特征。这些选定的特征随后被用作输入变量，以提高基于卫星的光谱估算模型的计算效率和准确性[20,21,22,23,24]。此外，土壤中的铅主要以化合物形式存在，并与吸附性土壤物质（如有机物、粘土矿物和铁氧化物）密切相关。因此，通过监督搜索方法提取的光谱特征间接反映了土壤铅，因为它们基于与铅相关的土壤成分的光谱信号[22,24,25]。尽管在构建土壤铅光谱特征集方面取得了显著进展，但仍存在两个关键问题。一方面，土壤铅及其相关土壤成分的光谱特征经常受到水分、颗粒大小和散射光等环境因素的影响或掩盖。这一问题在复杂土壤环境（如煤矿区）的卫星高光谱数据中尤为明显。因此，准确提取土壤铅的光谱特征并构建高效的光谱特征集仍然具有挑战性。另一方面，光谱指数在表征目标土壤成分和提高基于卫星的光谱估算模型的准确性方面具有明显优势，它们应该是土壤铅光谱特征集的重要组成部分。然而，当前的光谱特征集在这方面存在明显局限性[22,26]。

因此，在本研究中，我们对实验室制备的铅污染土壤进行了控制光谱实验，分析了铅污染与土壤光谱之间的响应机制。然后，通过结合与土壤铅相关的特征波段和两个新开发的光谱指数（SPPI），构建了一个增强的光谱特征集（ESFS）。该特征集可以更有效地指示土壤铅含量。此外，使用先进的机器学习算法极端梯度提升（XGBoost）来建模土壤铅与ESFS中的光谱参数之间的非线性关系，从而构建了一个基于卫星的稳健土壤铅光谱估算模型[27]。光谱指数是强有力的工具，通过策略性地组合多个光谱波段并揭示它们之间的关系来指示土壤成分[28,29]。这些指数还可以在模型校准期间作为协变量，从而提高模型的准确性和可靠性[30]。例如，Chen等人[22]、Zhang等人[31]和Santos等人[32]建议，通过将光谱指数作为输入变量可以提高土壤光谱估算模型的性能，因为这些指数对环境噪声的敏感度较低。因此，在本研究中，基于实验室制备的铅污染土壤的控制光谱实验开发了一个SPPI，并将其作为ESFS的关键组成部分，支持煤矿区土壤铅的基于卫星的光谱估算模型的开发。

XGBoost是一种机器学习算法，可以有效确定ESFS中的光谱参数与土壤铅浓度之间的关系，从而支持构建准确的基于卫星的光谱估算模型[27,33]。这种正则化梯度提升方法通过迭代组合多个弱预测因子来实现高精度。其损失函数包含正则化项，有助于减少过拟合并提高模型性能[34]。先前的研究已经证明了其在开发监测土壤成分（如有机物、盐、砷、pH值和总氮）的光谱估算模型方面的有效性[35,36,37,38]。总体而言，将ESFS与XGBoost算法结合使用具有显著潜力，可以改善基于卫星的土壤铅光谱估算。

本研究的目标是：(1) 开发用于铅污染土壤的新光谱指数（即SPPI）；(2) 创建用于表征土壤铅状态的光谱特征集（ESFS）；(3) 构建煤矿区裸土区域的基于卫星的土壤铅光谱估算模型。

**2. 材料与方法**
**2.1. 构建基于卫星的土壤铅光谱估算模型的流程图**
构建基于卫星的土壤铅光谱估算模型的过程如图1所示。首先，在实验室准备了不同铅污染水平的土壤样本，并收集了它们的光谱数据。接下来，我们确定了土壤铅的特征波段并开发了SPPI。将这些光谱特征组合起来，创建了一个用于表征土壤铅状态的光谱特征集（ESFS）。然后，使用直接标准化（DS）算法从ZY1-02D卫星高光谱数据中构建了ESFS。随后，我们使用ESFS中的光谱参数作为自变量，现场土壤样本测量的铅含量作为因变量，使用XGBoost算法开发了煤矿区裸土区域的基于卫星的土壤铅光谱估算模型。

**2.2. 研究区域和现场土壤采样**
(1) **研究区域**
研究区域选为中国东部的一个废弃煤矿区（图2）。该区域最大长度为24.2公里，最大宽度为20.1公里，总面积约为335.2平方公里，地理坐标范围为116°54′26″E至117°11′2″E和36°46′3″N至36°57′21″N。该区域属于温暖温带半湿润季风气候，年平均温度为12.8°C，降水量为583.3毫米。主要土壤类型为洪泛-湿润土壤。2007年开始进行集约化煤炭开采，每年产量为75万吨，直到2019年完全停止[39]。

(2) **现场土壤采样和化学分析**
考虑到土地利用、矿井分布和道路条件等因素，基于ArcGIS 10.2软件生成的数字地图共预定了82个采样点。2023年2月25日至26日进行了现场土壤采样。使用手持GPS导航到每个预定采样点。任意两个采样点之间的距离大于1.5公里。在30米半径范围内采用了多点采样方法，采集了约0.5公斤深度为0-20厘米的土壤。收集的土壤样本被密封在袋中并运送到实验室进行进一步分析。最后，使用手持GPS设备再次记录了每个采样点的实际地理坐标，并用智能相机记录了温度和土地利用等环境条件。

在实验室中，所有土壤样本在自然条件下风干。我们移除了小石子、根系和其他杂质，然后将土壤研磨并通过0.2毫米筛子筛选。接着，称量0.2克土壤并转移到坩埚中。用清水湿润样本后，依次加入4毫升HNO3、1毫升HClO4和5毫升HF。混合物在沙浴中消化。冷却后，收集5毫升上清液并稀释到1:1的HNO3溶液中。最后，使用电感耦合等离子体质谱（ICP-MS）测量土壤铅浓度[42]。高光谱图像采集与预处理

2.3.1 卫星高光谱图像采集
ZY1-02D卫星于2019年发射，是一颗专为环境监测和灾害减轻设计的高光谱卫星[43]。该卫星配备了两种传感器：一种全色/多光谱成像仪和一种高光谱传感器[44]。高光谱传感器覆盖400–2500纳米的波长范围，包含166个光谱波段，其中400–1000纳米范围内有76个波段，光谱分辨率为10纳米；1000–2500纳米范围内有90个波段，光谱分辨率为20纳米[45]。高光谱图像的空间分辨率为30米。ZY1-02D卫星的高光谱图像数据下载自中国资源卫星数据中心（https://data.cresda.cn）。这些图像的采集日期为2023年3月1日，与现场土壤样本采集的时间相近。

2.3.2 从高光谱图像中提取裸土区域
ZY1-02D高光谱图像的预处理包括三个步骤[44,46]：首先使用ENVI 5.6软件中的标准模块进行辐射定标和大气校正；接着利用Landsat 8参考图像和250米数字高程模型（DEM）进行几何校正和正射校正；最后移除400–422纳米和2451–2500纳米波段中的噪声波段，剩下148个波段用于光谱估算建模。此外，还排除了ZY1-02D高光谱图像中的非裸土区域[47,48]。根据初步实验和以往研究[15,28]的结果，NDVI值在0到0.5之间的区域被归类为裸土。采用二值图像方法屏蔽非裸土区域并提取裸土区域，通过随机采样方法在Google Maps（版本10.15）上进行验证，总体上达到了95%的准确率。因此，在卫星高光谱图像中识别裸土区域的方法是可靠的。

2.4 构建增强光谱特征集（ESFS）

2.4.1 实验室中铅污染土壤样本的制备
(1) 铅污染土壤样本的制备
在实验室中制备了80个具有不同铅污染水平的土壤样本。作为对照变量，使用了与铅相关的土壤成分，如有机质、黏土和氧化铁。这种受控的实验室实验为分析铅污染土壤的光谱机制和开发光谱特征集提供了有力支持[47,49]。制备铅污染土壤样本的步骤如下（如图3所示）：首先从煤矿区采集10公斤清洁土壤，在自然条件下风干（约25°C），去除石块、枝条和根部，然后用1毫米网筛过滤土壤。随后将50克土壤称重放入烧杯（标记为D01–D80），并加入Pb(NO3)2溶液（浓度分别为50 μg/mL或1 mg/mL）。Pb(NO3)2溶液的用量详见表S1。加入超纯水覆盖土壤，并用玻璃棒充分搅拌。将制备好的铅污染土壤样本在通风柜中再次风干、研磨，再用0.2毫米网筛过滤。每个样本分为两部分：一部分用于高光谱测量，另一部分用于测定土壤中的铅含量。所有步骤均遵循严格的安全规程，包括适当的通风、个人防护装备（呼吸器、手套和护目镜）以及正确的废弃物处理[50]。
图3. 实验室中铅污染土壤样本的制备过程：(a) 从研究區采集的清洁土壤；(b) 浓度为50 μg/mL或1 mg/mL的Pb(NO3)2溶液；(c,d) 铅污染土壤样本的制备步骤；(e) 不同铅污染水平的实验室制备土壤样本。

(2) 实验室制备土壤样本中铅浓度的统计特征
实验室制备的土壤样本中铅浓度的统计特征见表1。铅浓度范围为16.20至474.98 mg/kg，平均值和中位数均为105.55 mg/kg，表明数据符合正态分布。实验室样本数据集的变异系数为1.14，表明数据具有较高的离散性[20]。峰度值为2.08，偏度值为1.81，表明数据呈右偏态分布。煤矿区的土壤背景铅含量为21.40 mg/kg，明显低于实验室样本中的铅浓度范围[51]。

2.4.2 光谱测量
(1) 成像光谱测量
使用HySpex高光谱成像系统（Norsk Elektro Optikk，挪威奥斯陆）测量实验室制备的铅污染土壤样本的光谱反射率[52]。HySpex系统在400–2500纳米范围内提供了472个光谱波段的光谱测量数据。400–1000纳米范围内的光谱包含186个波段，分辨率为3纳米；1000–2500纳米范围内的光谱包含286个波段，分辨率为5纳米。在土壤样本的光谱测量过程中排除了散射光、水分和颗粒大小等干扰因素。将15克铅污染土壤均匀分布在黑色托盘上，然后放置在测量平台上，同时在平台上放置一个白色参考面板。在暗室中 strategic 地布置了12个50瓦卤素灯作为光源。最后激活HySpex系统，每个土壤样本测量三次。

(2) 光谱预处理
进行光谱预处理以获得代表性强的铅污染土壤样本光谱[53]。首先将成像光谱数据的原始数字数值（DN）转换为光谱反射率，然后去除图像边缘等噪声数据。由于信噪比较低，排除了400–447纳米的光谱范围。同时移除了受水吸收影响的光谱区域（1300–1500纳米和1800–2000纳米）。预处理后保留了总共374个光谱波段。最后选取20个随机像素，计算它们的平均值以代表每个土壤样本的光谱特征。公式为：Rs = (DNs/DNw) × Rw，其中Rs表示土壤样本的光谱反射率，DNs和DNw分别表示土壤样本和白色参考面板の数字数值，Rw表示NEO公司提供的气谱反射率校正系数。

2.4.3 光谱转换
通过光谱转换来增强铅污染土壤的光谱特征并减少随机噪声[54]。应用了十一种方法对土壤光谱数据进行转换：均值中心化（CT）、一阶导数（D1）、二阶导数（D2）、去趋势（DT）、最大最小值标准化（MMS）、Savitzky–Golay平滑（SG）（窗口大小和多项式阶数分别为5和2）、标准正态变量（SNV）、平方根变换（SQ）、标准化（SS）、倒数变换（RE）和移动平均平滑（MA）。这些方法的详细描述可在相关文献中找到[55,56,57,58]。

2.4.4 特征波段选择
识别土壤铅的特征波段对于构建SPPI和开发ESFS至关重要。首先基于五折交叉验证后的最低RMSECV（均方根误差）确定最佳的光谱转换方法，使用连续投影算法（SPA）。SPA是一种前向循环特征选择算法，通过向量空间中的投影方法选择相关性最小的特征子集[59]。在每次迭代中，具有较高投影值的向量成为新的起始向量。通过回归计算可以获得RMSECV值。RMSECV值最小的光谱数据被选为最佳的光谱转换方法。接着使用Shapley加性解释（SHAP）算法分析光谱波段的重要性，并确定土壤铅的特征波段。SHAP是一种定量评估光谱波段对目标土壤属性贡献的方法，通过计算每个波段对估计模型的贡献来评估其重要性，从而确定土壤铅的特征波段[60]。
选定的土壤铅特征波段如图4所示。转换后光谱数据的RMSECV值依次为：MMS（最低）、SQ、SS、SNV、MA、CT、D1、DT、SG、RE和D2（最高）。在这些方法中，MMS被确定为最有效的光谱转换方法。识别出的四个特征波段为R840、R1013、R1215和R2239。

2.4.5 SPPI构建
(1) 关键参数和公式
确定了三个特征波段，分别位于光谱曲线的递增部分，记为点A（λ840, R840）、点B（λ1013, R1013）和点C（λ1215, R1215）（如图5所示）。相比之下，特征波段D（λ2239, R2239）位于一个明显的反射峰处。这四个光谱点共同表征了土壤MMS变换后光谱曲线的反射和吸收特性。
图5. 铅污染土壤的新光谱指数（SPPI-1、SPPI-2和SPPI-3）的示意图。这四个光谱点的变化反映了铅污染土壤光谱曲线的形状和变化，也表明了土壤样本的污染程度。因此，点A、B、C和D构成了构建SPPI的基础。此外，三角光谱指数通过结合多个光谱波段有效捕获了光谱曲线的形态和变化[61]。我们按照以下步骤构建了SPPI：

(2) 最优SPPIs
图6显示了光谱参数（包括SPPI-1、SPPI-2、SPPI-3及所有单波段）的皮尔逊相关系数（CC）。在560–1020纳米的光谱范围内，光谱波段的CC值随波长增加而逐渐增大，在R1020处达到最大值0.46。特征波段R840和R1013的CC值分别为0.41和0.44。在2000–2450纳米范围内，特征波段R2100的CC值为0.30，而相邻波段的CC值相对较高。特征波段R2239的CC值为0.42。相比之下，SPPI-1、SPPI-2和SPPI-3的CC值分别为0.61、0.94和0.98，显示出与土壤铅浓度的高相关性。因此，SPPI-2和SPPI-3被确定为铅污染土壤的最佳光谱指数，并被选用于构建ESFS。

2.5 将ESFS从实验室转移到卫星
缩小实验室和卫星光谱之间的差异对于将ESFS从实验室数据转移到卫星数据至关重要。首先整合了波段去除和重采样方法，以确保卫星和实验室数据的光谱波段数量（n = 148）和波长位置一致。需要注意的是，在降低实验室光谱数据维度时需要保留特征波段。接下来应用直接标准化（DS）算法建立实验室和卫星光谱之间的关系，并通过光谱转换最小化它们的差异[47,62,63]。DS算法最初是为了在不同操作条件下的仪器之间传输光谱模型而开发的[64]。Ji等人[65]进一步扩展了DS方法的应用，将其用于连接实验室和野外土壤光谱，有效去除了野外土壤光谱中的水分影响。在本研究中，采用了基于DS的转换方法利用ZY1-02D高光谱数据构建ESFS。DS算法的公式如下：
其中 adalah ZY1-02D卫星高光谱数据， 是实验室高光谱数据，B和E分别是变换矩阵和残差矩阵。详细信息可见参考文献[47,62,64,66]。DS算法使用Python 3.8软件实现。

2.6 XGBoost算法
XGBoost是一种先进的机器学习算法，结合了梯度提升和正则化机制，既能减少过拟合又能提高模型的泛化能力[27,33]。XGBoost模型通过迭代构建多棵决策树（作为弱预测器）来工作，每棵树都经过训练以纠正前一棵树的错误。在训练过程中，XGBoost会在损失函数中添加正则化项来控制模型复杂度并提高模型的鲁棒性[34]。目标模型由k棵决策树组成，每棵树的叶节点都有优化后的权重，通过将所有树的加权输出相加来生成完整的梯度提升决策树[35,37,38]。XGBoost模型可以表示如下：

(6) (7) (8)

其中L(θ)代表损失函数，表示正则化项，分别表示第i个样本的测量值和预测值，γ是新叶节点的惩罚成本，T是叶节点的总数，λ是正则化参数，表示第j个叶节点的权重。

超参数配置经过优化以获得一个鲁棒的XGBoost模型。估计器的数量从50到300不等。最大树深度的范围是3到10。学习率、子样本比例、每棵树的列样本比例和gamma值的范围分别为(0.01到0.2)、(0.6到0.8)、(0.6到0.8)和(0到0.6)。通过交叉验证和网格搜索方法获得了最佳的超参数配置，表明模型在准确性、计算成本和时间效率之间达到了最佳平衡[67]。此外，还实现了提前停止策略以防止XGBoost模型过拟合。如果验证误差在10个周期内没有下降，则会提前终止训练，从而避免模型过拟合。提前停止策略在训练过程中监控模型性能，并自动停止训练，以防止模型在训练集上过拟合，从而提高模型对未知样本数据的泛化能力，并确保模型的准确性和鲁棒性[68]。

2.7. 模型校准和评估
总共82个田间土壤样本被随机分为校准集（n = 65）和验证集（n = 17）。使用校准集对基于卫星的光谱土壤Pb估计模型进行了校准[20]。采用10折交叉验证方法来提高模型的鲁棒性。随机选择了十分之一的分层样本来验证模型的准确性。只有当所有样本至少被选中一次用于模型校准和验证后，模型计算才会结束。每一折都考虑了样本的类别比例，并在每一折中提供了代表性样本，从而减少了模型偏差[67]。误差最小的模型被认为是最优模型。此外，验证集仅用于模型评估，并与模型校准完全分开[69]。

决定系数（R2）、均方根误差（RMSE）和性能与偏差比（RPD）是常用的评估模型性能的指标。R2表示预测值与测量值的匹配程度，数值越接近1表示准确性越高。RMSE衡量预测误差的大小，数值越小表示精度越高。RPD是验证数据的标准差与RMSE的比值。根据Xu等人[70]和Wang等人[71]的研究，模型性能可以分为较差（RPD < 1.4）、中等（1.4 ≤ RPD < 2）或优秀（RPD ≥ 2）。最佳的基于卫星的光谱模型具有较高的R2和RPD值，以及较低的RMSE。

构建了由不同光谱参数组成的光谱特征集，以评估在不同输入下基于卫星的光谱估计模型的性能。四个特征带（R840、R1013、R1215和R2239）构成了一个常见的光谱特征集（CSFS）。最优的SPPI也被单独纳入CSFS中，生成了多个模型输入（I：R840、R1013、R1215、R2239和SPPI-1；II：R840、R1013、R1215、R2239和SPPI-2）。增强型光谱特征集（ESFS）包含了四个特征带和两个新的光谱指数（SPPI-1和SPPI-2）。这些比较实验旨在研究SPPI和ESFS在提高XGBoost模型性能中的作用。

此外，还使用了几种建模方法来构建基于卫星的光谱土壤Pb估计模型，包括偏最小二乘回归（PLSR）、人工神经网络（ANN）、支持向量机（SVM）、随机森林（RF）和极端学习机（ELM）。这些模型的详细信息可以在参考文献[72,73,74,75]中找到。这些模型与本研究中提出的XGBoost模型进行了比较，以评估它们的准确性和鲁棒性。此外，还通过对超参数的调整和结合网格搜索方法来获得最佳模型性能。超参数组合的配置和搜索空间显示在表2中。

3. 结果与分析
3.1. 田间土壤样本中Pb浓度的描述性统计特征
总样本集、校准集和验证集中土壤Pb浓度的描述性统计特征显示在图7中。总样本集中的Pb浓度范围为17.40至29.40 mg/kg，平均值为22.58 mg/kg。校准集和验证集的土壤Pb浓度范围与总样本集相似。此外，总样本集、校准集和验证集的均值和中位数非常接近，表明样本数据大致呈正态分布[76]。三个样本集的描述性统计特征表明，样本数据适用于光谱模型校准和验证。图7显示了总样本集、校准样本集和验证集中Pb浓度的描述性统计特征。总样本集中土壤的最大Pb浓度为29.40 mg/kg，大约是背景值[51] 21.40 mg/kg的1.37倍。此外，大约68.29%的样本超过了背景值，表明 coal mining 区域的土壤中有中等的Pb污染。因此，监测土壤Pb状况和热点区域的污染对于促进环境可持续性和保护人类健康至关重要。

3.2. 实验室光谱、卫星光谱和DS转换后卫星光谱的光谱特征
实验室光谱、原始卫星光谱和DS转换后的卫星光谱显示在图8a中。卫星光谱的反射率值（约为0.2）远低于实验室光谱（约为0.4），表明环境对卫星光谱有显著影响。经过DS转换后，卫星光谱的反射率显著增加，与实验室光谱更加接近。卫星光谱的环境影响减小，实验室光谱和卫星光谱之间的差异缩小，这支持了基于ZY1-02D卫星高光谱数据构建ESFS。图8显示了实验室、卫星和基于DS转换的卫星数据的光谱曲线（a）。图8b显示了不同Pb浓度的实验室制备土壤样本的光谱曲线。随着Pb浓度的增加，反射率值降低，表明存在负相关。Pb浓度为46.20 mg/kg的土壤样本的反射率明显高于Pb浓度为95.20 mg/kg、275.13 mg/kg、435.02 mg/kg和455.00 mg/kg的样本。此外，不同Pb水平的土壤样本的光谱曲线在400–2100 nm范围内表现出整体上升趋势。这种增长在400到800 nm之间最为明显，之后增长速度逐渐放缓。在1400 nm和1900 nm附近有两个吸收谷，这可能是由于土壤湿度[77]。在1000 nm和2200 nm附近出现了反射率峰值，可能与土壤中的粘土矿物、有机物和氧化铁有关[23,78,79]。

另外，图8b中突出了三个对土壤Pb敏感的光谱范围，分别是800–1300 nm、1500–1800 nm和2100–2450 nm。在这些范围内，土壤Pb与光谱反射率之间存在明显的负相关。总体而言，实验室光谱、卫星光谱和DS转换后卫星光谱的数据分析支持了特征带的识别和SPPI的开发。观察到的Pb浓度与光谱反射率之间的负相关关系为构建基于卫星的光谱土壤Pb估计模型提供了坚实的基础。

3.3. 基于卫星的光谱土壤Pb估计模型的比较
使用XGBoost算法和两个光谱特征集（CSFS（R840、R1013、R1215、R2239）和ESFS（R840、R1013、R1215、R2239、SPPI-2和SPPI-3）开发了基于卫星的光谱土壤Pb估计模型。模型的验证结果显示在图9中。模型IV（使用ESFS作为输入变量）（图9d）表现出最佳性能，其R2、RMSE和RPD值分别为0.78、1.11 mg/kg和2.10。模型IV中测量值和估计值之间的偏差最小。模型II（图9b）使用CSFS和SPPI-2的组合作为输入变量进行了校准，也表现出良好的性能（R2 = 0.73，RPD = 1.90）。此外，模型III（图9c）和模型I（图9a）的准确率也处于中等水平，RPD值分别为1.77和1.61。总体而言，结合ESFS的XGBoost算法产生了准确的基于卫星的光谱土壤Pb模型。

3.4. 土壤Pb地图
为了评估基于卫星的光谱土壤Pb估计模型（模型IV，如图9d所示）的适用性，该模型使用DS转换后的卫星高光谱数据应用于coal mining 裸土区域。估计的土壤Pb值及其分布图显示在图10中。污染热点主要位于coal mining 区域的东部，而中部和西部的土壤相对清洁。大多数废弃矿山位于coal mining 区域的东南部（如图2所示），这可能通过历史采矿活动中的煤渣和煤灰转移导致了土壤Pb污染[80,81]。此外，在路边土壤中也观察到了污染热点，可能是由于不适当的煤炭运输活动。图10显示了中国coal mining 裸土区域土壤Pb浓度的分布图。根据土壤Pb的参考背景值（21.40 mg/kg）[51]，大约36.5%的coal mining 裸土区域土壤被分类为Pb污染，而剩余的63.5%被视为清洁土壤。Pb污染土壤主要分布在coal mining 区域的东部和南部，而清洁土壤主要分布在西部和北部。估计的Pb浓度范围为14.25至35.66 mg/kg，与测量的土壤Pb浓度（17.40–29.40 mg/kg）基本一致。映射结果表明，本研究中开发的基于卫星的光谱土壤Pb估计模型（模型IV）是可靠的。

3.5. 土壤Pb绘图的不确定性
基于卫星的光谱土壤Pb估计模型（模型IV，如图9d所示）进行了50次迭代，并计算了其标准差以评估土壤Pb绘图的不确定性。使用基于卫星的光谱估计模型进行土壤Pb绘图的不确定性显示在图11中。土壤Pb绘图的不确定性范围为0至0.5 mg/kg，平均值为0.44 mg/kg。研究区域的东部地区的不确定性高于西部地区，表明该地区的土壤具有更强的空间异质性和更复杂的环境条件，从而增加了土壤Pb绘图的不确定性。未来，在基于卫星的光谱建模中加入适当的环境协变量或增加特定区域采集的田间样本数量可能会降低土壤Pb绘图的不确定性[70]。讨论
在这项研究中，我们开发了一个增强的光谱特征集（即ESFS），该特征集来源于使用实验室制备的铅污染土壤样本进行的受控光谱实验。ESFS包括四个特征带（R840、R1013、R1215和R2239）以及两个新开发的光谱指数（SPPI-2和SPPI-3），这些特征能有效表征煤矿区域土壤中的铅含量状况。随后，通过将基于DS的变换应用于卫星高光谱数据，使ESFS适用于卫星应用。ESFS中的光谱参数作为自变量，而现场土壤样本测量得到的铅浓度作为因变量。使用XGBoost算法构建了基于卫星的光谱估算模型来预测土壤中的铅含量。

建议使用实验室制备的铅污染土壤样本进行受控光谱测量实验，以了解铅污染土壤的光谱机制并识别土壤中铅的特征。基于重复迭代拟合方法，应用了常见的光谱特征提取方法，如监督搜索方法（例如，竞争性自适应加权采样、遗传算法和连续投影算法）[20,44,82]。所选波段的统计结果被用于CSFS中。然而，在特征提取过程中没有考虑环境因素，如水分、颗粒大小和散射光[65,83]。因此，CSFS可能仅适用于特定的环境条件。在土壤环境变化显著的区域（特别是在煤矿地区），CSFS在准确表征土壤中的铅含量方面存在挑战。因此，准备了铅污染土壤样本并进行了受控光谱测量实验，排除了水分、颗粒大小、散射光和土壤背景属性等干扰因素。实验数据有助于理解铅污染土壤的光谱响应，并开发了新的铅污染土壤光谱指数（SPPI-2和SPPI-3），从而建立了ESFS。

新的铅污染土壤光谱指数SPPI-2和SPPI-3是ESFS的关键组成部分，能够有效指示土壤中的铅污染状况。这些光谱指数通过四个特征带（R840、R1013、R1215和R2239）的切线角度计算得出。使用切线法识别的铅污染土壤的光谱特征通过战略性地组合这些特征并分析关键光谱带之间的相互关系得到了进一步增强[84]。在土壤中，铅以与活性物质（如有机物、氧化铁和粘土）结合的形式存在并吸附在其中。因此，铅显示的光谱特征与这些光谱活性土壤成分密切相关[85,86]。孙等人[86]指出，由于土壤粘土矿物的影响，粘土在2200纳米附近表现出光谱特征。李等人[87]发现，1000纳米、1050纳米、1300纳米、2200纳米和2260纳米附近的光谱带与土壤有机物中的某些官能团相关。870纳米和1000-1100纳米的光谱范围对土壤中的氧化铁敏感，但也受到土壤有机物的影响[23,88,89]。此外，王等人[9]报告称，375-800纳米、900-1200纳米、1300-1450纳米、1700-2080纳米、2150纳米和2200-2400纳米的光谱范围是土壤中重金属的敏感区域。本研究选定的特征带和新开发的光谱指数（SPPI-2和SPPI-3）进一步证实了铅污染土壤的现有光谱机制。此外，SPPI-2和SPPI-3突出了铅污染土壤光谱曲线的整体变化，而单一光谱带则代表可能被环境因素或其他土壤成分掩盖或影响的局部光谱特征。

此外，在比较实验中构建了常见的土壤光谱指数，但它们在表征土壤中铅含量方面的表现不尽如人意。开发了差异光谱指数（DI）、比率光谱指数（RI）和归一化差异光谱指数（NDI）等常见光谱指数[31,90]，其CC值如图12所示。这些常见光谱指数的绝对CC值范围为0到0.36，低于SPPI-2（0.53）和SPPI-3（0.62）。这些差异表明，由于复杂的土壤环境和其他土壤成分的影响，常见光谱指数不适用于表示煤矿裸土区域的土壤中铅含量。基于ESFS和XGBoost的卫星光谱估算模型（模型IV，见图9）的表现优于其他常用模型。构建了多种模型，如PLSR、ANN、ELM、SVM和RF[64,69,72,73,74]，其性能指标列在表3中。RF模型在常见模型中达到了最高的准确性，R2为0.70，RPD为1.83。尽管RF模型的RPD仍比模型IV低约12.86%，但其表现仍然较好。ELM模型在土壤铅光谱估算中排名第二（RPD = 1.70），而PLSR、ANN和SVM的准确性相对较低（RPD范围为0.78到1.62）。基于ESFS和XGBoost算法的模型IV表现出最佳的准确性和可靠性，将土壤铅光谱估算的最小准确性提高了12.86%。表3。比较了使用常见方法构建的基于卫星的土壤铅光谱估算模型。

此外，我们认识到，基于卫星的土壤铅光谱估算的改进依赖于构建稳健的光谱特征集、使用先进的机器学习模型以及优化方法论框架。显然，上述改进和优化是在现有的土壤高光谱估算理论框架内开发的[9]。在未来的工作中，可以进一步努力开发新的理论框架，以实现基于卫星的光谱估算和土壤重金属制图的更大改进。

基于DS的变换方法在利用卫星高光谱数据建立ESFS方面发挥着重要作用。通常观察到卫星光谱和实验室光谱之间的差异，例如光谱分辨率和反射率值。这些差异主要是由环境因素和光谱仪传感器的不同造成的。值得注意的是，ESFS最初是基于实验室光谱开发的。DS常用于在不同测量条件下在不同光谱仪之间传输数据或模型，其可靠性已通过Ji等人[62]和Xu等人[45]的研究得到验证。因此，在本研究中，使用DS方法对卫星高光谱数据进行了变换，使ESFS能够从实验室数据转移到卫星数据上，确保其适用于卫星数据。

现场采集的土壤样本的样本量和代表性对于基于卫星的光谱估算模型的性能至关重要。在本研究中，在进行现场采样之前，考虑了研究区域的土地利用、土壤类型、矿山分布和道路状况，以选择合适的采样位置并确保样本的空间代表性。此外，使用了适用于不同样本数据集大小的XGBoost模型进行光谱建模[37,38]。结果表明，当土壤样本数量少于50个时，基于XGBoost的卫星估算模型准确性较低（R2 < 0.60和RPD < 1.40），无法提供可靠的土壤铅含量估计。当训练样本量增加到60个以上时，模型准确性没有明显变化，保持稳定。这些努力有助于在模型性能和采样成本之间取得平衡。在未来的工作中，将收集更多土壤样本，并引入更先进的深度学习模型，以进一步提高基于卫星的光谱估算模型的准确性和可靠性。

为了增强所提出框架的适用性（将ESFS与XGBoost模型集成），需要进一步考虑两个方面。首先，应仔细评估并减少卫星高光谱图像中由土壤湿度等因素引入的噪声，因为这将提高ESFS表征土壤铅含量的可靠性和准确性[91]。其次，开发可靠的XGBoost模型依赖于具有代表性的现场土壤样本、适当的超参数调整以及使用独立验证数据集的全面评估[92]。这些努力有望提高所提出框架在农业土壤或冲突后区域等其他环境中的适用性。

目前存在一些需要优先解决的局限性。我们认识到，由于这两种类型的样本在有机物、粘土和其他土壤成分方面的差异，现场采集的铅污染土壤样本的实验室光谱和实验室制备的铅污染土壤样本在形状和吸收特征上可能存在轻微差异[22]。尽管DS方法已被证明能有效减少两种光谱之间的差异，但现场采集的土壤样本和实验室制备的土壤样本的光谱几乎是致的。未来需要研究并消除现场采集的土壤样本和实验室制备的土壤样本之间的光谱差异机制和来源，以提高ESFS的适用性。此外，交叉验证和网格搜索的组合实现了模型超参数的最佳配置。校准后的模型在本研究中获得了准确性和计算成本之间的平衡。下一步，将自动超参数搜索策略（如贝叶斯优化）与先进的人工智能模型（如卷积神经网络和迁移学习）相结合，将显著提高基于卫星的光谱估算模型的准确性和鲁棒性[68,93]。

5. 结论
本研究提出了一种基于ESFS和XGBoost模型的稳健的基于卫星的框架，用于估算和绘制土壤中的铅含量，其有效性通过煤矿区域的案例研究得到了验证。ESFS是使用SPA-SHAP方法对实验室制备的铅污染土壤进行受控光谱实验开发的。构建了两个新的铅污染土壤光谱指数（SPPI-2和SPPI-3）。接下来，使用DS变换后的卫星高光谱数据建立了ESFS，其中ESFS中的光谱参数作为自变量，现场土壤样本测量的铅浓度作为因变量。最后，基于XGBoost算法构建了基于卫星的土壤铅光谱估算模型。结果表明：（1）ESFS中的光谱参数包括R840、R1013、R1215、R2239、SPPI-2和SPPI-3；（2）使用XGBoost算法和ESFS校准的最佳基于卫星的土壤铅估算模型的R2和RPD值分别为0.78和2.10，至少比常见模型高12.86%；（3）铅污染土壤主要集中在煤矿区域的东部，这与不规范的煤矿开采和运输活动有关。本研究提供的基于ESFS和XGBoost模型的方法为卫星估算和绘制土壤中的铅含量提供了一种有效途径，为监测土壤中铅含量和铅污染热点区域提供了有力支持，对全球土壤管理和环境可持续性具有价值。

补充材料
以下支持信息可在以下网址下载：https://www.mdpi.com/article/10.3390/rs18091446/s1，表S1：用于实验室制备铅污染土壤样本的Pb(NO3)2溶液的体积。