已有的土壤有机质含量估测模型大多以光谱特征波段、 线性和非线性模型为基础, 较少考虑通过拓展样本数据建模集来提高模型的估测能力。 为进一步提高土壤有机质高光谱反演模型估测精度, 提出利用生成式对抗网络(GAN)合成伪高光谱数据和有机质含量的动态估测模型。 选取湖南省长沙市及周边区域的水稻田为研究对象, 采集土样和实测高光谱数据(350~2 500 nm), 室内化学测定有机质含量。 以高光谱数据和有机质含量为基础, 利用生成式对抗网络生成等量新数据, 结合原始数据建模集组成增强建模集。 在GAN正式训练中, 每轮训练完成后, 设置4个观测点(对应增强建模集中含50, 100, 150和239个生成样本),...