研究背景
土壤有机碳（SOC）是反映土壤质量、土壤肥力及生态系统碳循环的重要指标。传统湿化学测定方法虽然准确性较高，但存在耗时长、成本高、操作复杂等问题。相比之下，可见光—近红外（Vis-NIR）光谱技术具有快速、无损、低成本等优势，为SOC快速估算提供了新的技术途径。
然而，光谱预测模型高度依赖大量代表性样本。在实际调查中，受采样成本及实验条件限制，往往难以获得充足的校准数据，小样本条件下模型容易出现过拟合，影响预测精度与泛化能力。
针对这一问题，外部光谱数据库迁移学习和深度生成模型数据增强成为两种潜在解决途径。但不同生成模型的增强效果如何？外部光谱库能否有效改善本地模型预测性能？数据增强倍数又将如何影响模型表现？
为此，山西农业大学徐占军老师团队通过构建统一实验框架，系统比较四种深度生成模型与外部土壤光谱数据库的应用效果，探索小样本条件下SOC光谱估算的有效数据增强策略。
图1.研究区域概况。
研究方法
研究区位于山西省晋中市太谷区，选取3块农田（A、B、C）开展采样，共采集76个表层土壤样本（0–20 cm），采用重铬酸钾氧化—外加热法测定SOC含量。同时，利用无人机搭载Resonon Pika L高光谱成像仪，获取403–1000 nm范围内的无人机高光谱影像；
Resonon Pika L光谱参数：
光谱范围：400-1000nm；
空间通道数：900；
Bin光谱通道数：281；
光谱分辨率：2.7nm；
数据处理：无人机高光谱影像经辐射定标、反射率校正、几何校正与拼接后提取采样点光谱，经SG平滑、倒数变换及CARS 筛选敏感波段；随后以CVAE、WGAN-GP、NF、DDPM四种深度生成模型和OSSL外部光谱库进行数据增强，经LOF+KDE双重质控筛选有效样本，结合PLSR、SVR、GBR、Stacking四种回归算法构建SOC预测模型，通过264组对比实验，以 R²、RMSE和RPD评价并筛选最优模型；
图2.所提实验框架的技术流程图。
图3.不同SOC含量水平下的光谱反射率曲线。
表1.基准模型性能（采用倒数预处理，无数据增强）。
表2.各增强方法的最优配置汇总。
图4.OSSL全球光谱库迁移失败分析。
图5.经过质量控制的真实训练样本与生成样本的t-SNE可视化结果。
图6.三个试验田（A、B和C）的SOC含量空间反演图。
研究结论
不同SOC含量土壤样本的光谱反射率呈明显负相关，550–800 nm是SOC敏感波段，480 nm和970 nm附近分别表现出铁氧化物及水分相关的吸收特征；
倒数变换预处理下，CARS=30或40结合PLS取得最优基线RPD=1.50，GBR次之，Stacking与SVR略低；
WGAN-GP在15×增强条件下表现最佳，结合SVR模型取得最高预测精度；
数据增强的关键不在于生成样本数量，而在于能否提供有效的新增光谱信息；
标准DDPM及其改进版本在本研究中均未通过LOF+KDE质量筛选，通过率为0%；
外部光谱库与本地土壤在母质、矿物组成及仪器响应等方面存在差异，直接迁移可能因数据分布偏移而降低模型预测性能；
数据增强倍数需要结合生成模型特征、样本质量控制及下游回归算法进行综合优化，而不能简单追求更大的数据规模；
以最优WGAN-GP 15×+SVR模型对无人机高光谱影像逐像元预测，三块试验田SOC均值排序为C>A>B，与实际采样点实测SOC数据一致；
结语
本研究的价值不仅在于确定了WGAN-GP（15×）与SVR的最优组合，更通过264组对比实验，揭示了生成样本质量、增强倍数及模型组合对预测性能的影响，也说明了外部光谱库直接迁移的局限性。未来，仍需扩大样本规模和研究区域，优化跨区域数据迁移策略，进一步提升模型的预测精度与泛化能力，为农田土壤有机碳监测提供技术支持。
发表期刊：Smart Agricultural Technology【影响因子：7.1】
研究单位：山西农业大学、山西省土壤健康实验室
研究区域：山西省晋中市太谷区
使用设备：Resonon Pika L高光谱成像仪
DOI：https://doi.org/10.1016/j.atech.2026.102618