一种融合深度与浅层学习的土壤有机碳空间预测方法

本发明提出了一种融合深度与浅层学习的土壤有机碳空间预测方法，包括以下步骤：S1、多源数据获取；S2、样本匹配；S3、深度特征提取网络构建与预训练；S4、浅层回归器构建；S5、耦合训练；S6、空间推理；S7、精度评估与迭代。本发明能实现多源信息的高效融合，提高土壤碳分布表征能力；引入多尺度深度特征提取结构，显著增强模型的空间语义解析能力；利用自监督预训练机制有效降低模型对标注样本的依赖；构建深度—浅层耦合回归框架，兼顾高精度与可解释性；引入空间一致性正则项，提升预测图空间平滑性与地理合理性；预测精度与运算效率显著优于现有方法。