基本信息

---

下载

文档摘要

---

摘要

有机碳（SoilOrganicCarbon,SOC）是土壤中重要的营养成分，对维持生态

系统的平衡非常重要。光谱技术结合机器、深度学习已成为经济高效的土壤SOC

反演方案。当前土壤养分预测领域面临的主要受限于人力物力成本，实际工作中

通常仅能获取有限规模的训练样本，而样本数据却具有高维特征空间。传统深度

学习算法因其庞大的参数量，与这种小样本、高维度的实际应用场景存在显著矛

盾。为解决深度学习在土壤SOC反演方面的小样本数据下的模型过拟合与跨区

域数据的泛化能力不足的问题，需要设计