为了准确分析土壤温度的特征，提出了一种基于注意机制的多通道长短记忆网络融合算法预测模型。通过提取不同时间的长期和短期重要时间特征，并利用从ARIMA时间序列模型提取的线性特征，可以更准确地预测土壤温度。为了验证模型，本文在接下来的6小时、12小时和24小时对瑞士两个气象站（Laegern和Fluehli气象站）的土壤深度进行了测试，同时验证了5cm、均方根误差、平均绝对误差、均方误差的四个评价指标以及10cm和15cm土壤温度的决定系数。与自回归综合模型、长短期记忆网络和全连通网络相比，该模型具有最好的性能，尤其是在Fluehli站（土壤深度10cm）未来6小时的土壤温度模型中。相对决定系数最高为0.9965，最低为均方根误差0.3414，平均绝对误差0.2310，均方误差0.1165。因此，该模型可作为土壤温度估算的替代方法。