一种基于对数比变换和记忆学习模型的土壤碳组分预测方法

本发明涉及一种基于对数比变换和记忆学习模型的土壤碳组分预测方法，属于土壤检测技术领域，包括：将MAOC组分的含量和POC组分的含量进行对数比变换得到土壤碳组分对数比变换数据；获取土壤MIR光谱数据；利用获取的土壤碳组分对数比变换数据获取的土壤MIR光谱数据，生成训练集和验证集；利用训练集，采用基于记忆学习算法建立土壤光谱特征与土壤碳组分的回归模型，并应用于验证集获得预测结果；预测结果进行逆对数比变换，得到两个有机碳组分含量的预测值，对比预测值与两个有机碳组分的实测值，评价回归模型预测的精度，利用回归模型对实时采集的土壤样品进行预测。可有效提高基于大尺度土壤光谱数据库的土壤碳组分预测精度。