随着我国工业化进程的加深以及环保意识的逐步提升,人们对于土壤重金属污染问题的关注度越来越高,针对一个地区土壤重金属污染程度的研究愈加被重视。当前学者的研究常用的数据源是模拟光谱和高光谱遥感,常用的反演模型是多元线性回归模型、最小二乘模型以及决策树、神经网络等算法模型。为了探索土壤重金属反演研究的新方法,本研究提出了基于多光谱遥感的随机森林回归模型,该方法结合了多光谱遥感数据易于获取、处理简单、覆盖范围广、空间分辨率较高的优点,也结合了随机森林回归模型适合处理高维稀疏数据、泛化能力强等优点。本研究以陕西省柞水县大西沟铁矿为研究区域,数据源采用研究区Landsat8遥感影像、ASTER GDEM、从土壤样本中提取的砷(As)、铜(Cu)、铅(Pb)三种重金属元素含量。通过对全年的遥感影像和DEM数据的处理,筛选出合格影像并提取各采样点对应像元的6个光谱波段、8个衍生光谱指数和3个地形因素,由相关性分析、复共线性分析确定了每一种重金属元素的建模月份和建模因子。利用K折交叉验证方法建立重金属元素的多元线性回归模型、CART回归树模型和随机森林回归模型并比较精度评价指标均方根误差(RMSE)、平均绝对百分误差(MAPE)和相对分析误差(RPD)。最后利用三种重金属元素最优的随机森林回归模型,反演研究区内三种元素的含量,对结果进行统计分析并制作空间分布图,得到了大西沟矿区土壤的重金属污染情况。由实验结果可知:(1)本次研究中,随机森林回归模型在稳定性、精度和可靠性上,整体上优于多元线性回归模型和CART回归树模型。(2)K折交叉验证方法可以充分利用样本数据,尝试不同的训练集与检验集,得到最优的反演模型,在样本数量稀少的情况下胜过传统的样本划分方法。(3)砷元素与铅元素均可直接确定出精度与可靠性都很强的最优随机森林回归模型;而铜元素还需通过对比袋外错误率(OOB Error Rate)的大小和稳定性,才能确定出最优随机森林回归模型。(4)三种重金属元素的最大含量值集中在中部开采区,以及沟谷中。根据实地调查,中部开采区长期进行开采作业,沟谷高程低于开采区,且集中了居民点、农田、河流以及运输矿石的道路。因此反演结果与实际情况基本相符,证明基于多光谱遥感的随机森林回归模型可以用于土壤重金属反演。