土壤中重金属是有害的，其迁移和累积会严重威胁生态环境安全和人类健康。砷（As）具有高神经毒性和致畸性。人类活动，例如采矿和工业生产会导致大量As释放到土壤中。快速准确确定土壤中As浓度对As污染评估至关重要。传统的重金属调查方法旨在对野外采集的土壤样品进行化学性质测试，费事费力、成本高。高光谱遥感具有高光谱分辨率、宽波段范围和连续光谱信息等特点，已广泛用于土壤重金属浓度的估算。然而，现存的基于高光谱数据的土壤重金属浓度估算模型忽视了土壤光谱和重金属浓度之间的空间非稳态。

基于此，来自首都师范大学的一组研究团队以北京东北部地区（40°10′0″-40°15′30″ N，116°58′4″-117°5′4″ E）为例，基于实验室测得的光谱数据（ASD FieldSpec 4光谱仪），结合地理加权回归（GWR）和XGBoost算法提出了一种新的模型（GW-XGBoost模型）来估算土壤重金属浓度。并评估了所提出模型的有效性。

研究区和采样位置。

As浓度估算过程流程图。

【结果】

As和光谱的相关图。阴影快表示主要化学吸收范围。

As浓度实测值与预测值关系散点图。

As浓度实测值与预测值拟合比较图。

【结论】

估算模型选择的光谱波段与表面含有能与As形成复合物的官能团的光谱活性物质的吸收效应有关。构建模型时考虑该吸收机制可以有效降低高光谱数据的冗余。GW-XGBoost模型不仅考虑了As浓度和光谱关系的异质性，也考虑了其复杂相关性，有效提高了土壤As浓度估算精度。GW-XGBoost模型可以更准确估算土壤重金属浓度，为利用高光谱技术大尺度监测土壤重金属污染提供技术支持。