基于ResNet-MHAM模型的山区耕地土壤有机质含量高光谱反演

来源：环境科学杂志2025年第1期北京时间：

作者：吴建高,汪泓,张磊,杨隆珊,彭俊杰,龚明冲

单位：贵州大学矿业学院, 贵阳 550025,贵州大学矿业学院, 贵阳 550025,贵州省地质矿产勘查开发局测绘院, 贵阳 550025,贵州大学矿业学院, 贵阳 550025,贵州大学矿业学院, 贵阳 550025,贵州大学矿业学院, 贵阳 550025

摘要：针对贵州喀斯特山区耕地土壤有机质（SOM）含量高光谱遥感预测的精度和泛化能力不足的问题,提出了结合残差网络（ResNet）和多头注意力机制（MHAM）的一维高光谱反射数据模型（ResNet-MHAM）. 首先,采集贵州13个县市区188个土壤样品并检测光谱信息；其次,基于不同层数（34、50、101和152层）的ResNet结构并结合MHAM进行优化构建模型；最后,使用30%的数据集和十折交叉验证进行模型验证. 实验结果显示,50层ResNet结构与MHAM的结合模型,在决定系数（R2）达到0.917 2,均方根误差（RMSE）为7.454 9 g·kg-1,表现出优于BPNN、SVM、PLSR、GPR和RF模型的准确性和泛化能力. 研究结果为贵州山区SOM含量的高光谱预测提供了新的有效方法.

关键词：高光谱,残差网络（ResNet）,多头注意力机制（MHAM）,土壤有机质（SOM）,山区耕地,