一种基于近红外光谱和迁移学习的土壤碳酸盐预测方法

专利主权项内容

1.一种基于近红外光谱和迁移学习的土壤碳酸盐预测方法，其特征在于，包括下述步骤：S1、获取包含有土壤碳酸盐数据及对应土壤近红外光谱数据的现有公开的大型土壤数据库作为源域数据；将本地采集的土壤按所选择的大型土壤数据库中测量土壤碳酸盐和近红外光谱的方法，测量并记录所采集土壤的碳酸盐数据和近红外光谱数据一起构建成本地小型土壤数据库作为目标域数据，其中，目标域数据包括用于建模的训练部分土壤数据，以及待测部分土壤数据；S2、对源域光谱数据和目标域光谱数据进行预处理，得到经过预处理后的源域光谱数据和目标域光谱数据；S3、对经过预处理后的源域光谱数据和目标域光谱数据进行迁移成分分析光谱变换，得到经过迁移成分分析光谱变换后的源域光谱数据和目标域光谱数据；S4、对经过迁移成分分析光谱变换后的源域光谱数据和目标域光谱数据中的训练部分，及与这些土壤光谱对应的土壤碳酸盐数据进行支持向量机回归建模，得到训练好的土壤光谱数据与土壤碳酸盐含量的支持向量机回归预测模型；S5、将目标域数据中待测部分土壤的近红外光谱数据投入步骤S4中得到的支持向量机回归预测模型中，得到归一化后的测试土壤的土壤碳酸盐预测结果，再进行数据反归一化处理，得到待测土壤的碳酸盐预测结果。