一种添加误差考量机制的土壤有机质深度学习反演方法

本发明公开了一种添加误差考量机制的土壤有机质深度学习反演方法，包括获取数据，构造特征数据集；利用条件拉丁超立方抽样进行采样点布设；对土壤样本进行检测；计算卫星遥感影像的光谱信息与有机质的皮尔逊相关系数，基于相关性选取光谱特征作为输入特征；利用深度学习算法进行模型优化，得到最优模型；利用遗传算法在真实值误差范围内寻找最合理取值，并保存此时对应的深度学习模型；利用模型对研究区域内进行土壤有机质反演，并利用绘图软件完成肥力分布图绘制。本发明通过利用机器学习算法实现的土壤有机质反演，极大的降低了采样频次，提高了模型的反演精度，从而实现在大农场尺度以及县域尺度的土壤有机质分布图的绘制。