基于深度学习的土壤多模态数据处理技术

摘要

针对土壤多模态数据来源异构、时空尺度不一致、语义对齐困难等问题，本研究提出了一种融合卷积神经网络(CNN)与长短期记忆(LSTM)网络的土壤多模态数据处理框架。该框架通过分层特征提取模块分别处理遥感影像、理化属性序列及土壤剖面图像，利用跨模态注意力机制实现异构数据的语义对齐与深层融合，最终输出土壤属性的精准反演结果。以新疆绿洲农田为试验区为对象开展实验，结果表明：该融合模型在土壤有机质含量预测与土壤类型分类任务中均优于单模态方法及传统融合策略，验证了跨模态注意力机制在土壤多模态数据融合中的优越性能。

关键词

深度学习 / 土壤多模态数据 / 数据融合 / 特征提取 / 卷积神经网络(CNN)

基金资助

新疆土壤与植物生态过程重点实验室开放课题项目“新疆土壤大数据平台构建与应用”(24XJTRZW01)