基于机器学习的环境因子与土壤孔隙度模拟

摘要

土壤孔隙度是土壤物理质量、农业和环境保护研究中的关键参数。本研究以广西百色市植烟土壤0～20 cm表层土壤为研究对象，采用4个机器学习模型模拟6个气候因子、3个地形因子和1个土壤属性因子对土壤孔隙度的预测潜力，分析孔隙度的大小和空间分布特征。结果显示，不同模型的预测结果存在明显差异，随机森林模型得出的孔隙度平均值为41.3%，该模型均方根误差（RMSE=5.738）较低，决定系数（R²=0.648）最高，预测值和实测值基本一致，表明随机森林模型对于环境因子和土壤孔隙度模拟具有较强的泛化性能和良好的预测效果。同时克里金插值结果显示，德保县和靖西市的孔隙度值整体偏小，可能存在土地板结、压实和土壤有机碳储量减少等土地退化问题，可通过择机作业，合理施加有机肥及深耕翻土等修复措施改善，促进研究区烟草生产力的提高。研究结果为预测区域土壤孔隙度提供一种有效办法，并为了解全国植烟土壤的孔隙度特征及土地退化管理措施安排提供参考依据。

关键词

土壤孔隙度 / 气候因子 / 地形因子 / 土壤属性因子 / 随机森林模型