土壤中重金屬是有害的，其遷移和累積會嚴重威脅生態環境安全和人類健康。砷（As）具有高神經毒性和致畸性。人類活動，例如采礦和工業生產會導致大量As釋放到土壤中。快速準確確定土壤中As濃度對As污染評估至關重要。傳統的重金屬調查方法旨在對野外采集的土壤樣品進行化學性質測試，費事費力、成本高。高光譜遙感具有高光譜分辨率、寬波段范圍和連續光譜信息等特點，已廣泛用于土壤重金屬濃度的估算。然而，現存的基于高光譜數據的土壤重金屬濃度估算模型忽視了土壤光譜和重金屬濃度之間的空間非穩態。

基于此，來自首都師范大學的一組研究團隊以北京東北部地區（40°10′0″-40°15′30″ N，116°58′4″-117°5′4″ E）為例，基于實驗室測得的光譜數據（ASD FieldSpec 4光譜儀），結合地理加權回歸（GWR）和XGBoost算法提出了一種新的模型（GW-XGBoost模型）來估算土壤重金屬濃度。并評估了所提出模型的有效性。

研究區和采樣位置。

As濃度估算過程流程圖。

【結果】

As和光譜的相關圖。陰影快表示主要化學吸收范圍。

As濃度實測值與預測值關系散點圖。

As濃度實測值與預測值擬合比較圖。

【結論】

估算模型選擇的光譜波段與表面含有能與As形成復合物的官能團的光譜活性物質的吸收效應有關。構建模型時考慮該吸收機制可以有效降低高光譜數據的冗余。GW-XGBoost模型不僅考慮了As濃度和光譜關系的異質性，也考慮了其復雜相關性，有效提高了土壤As濃度估算精度。GW-XGBoost模型可以更準確估算土壤重金屬濃度，為利用高光譜技術大尺度監測土壤重金屬污染提供技術支持。