《Soil Science Society of America Journal》:Pedotransfer functions for estimating the maximum bulk density of major Brazilian agricultural soils: Model comparison and validation
编辑推荐:
Proctor压实试验是确定土壤最大容重(Dbmax)的标准方法,Dbmax是获取压实度的关键参数。然而该方法费时费力,难以用于常规土壤质量评估。研究人员基于质地、土壤有机碳(SOC)和容重(Db)开发了估算巴西农业土壤Dbmax的土壤传递函数(PTF)。研究
Proctor压实试验是确定土壤最大容重(Dbmax)的标准方法,Dbmax是获取压实度的关键参数。然而该方法费时费力,难以用于常规土壤质量评估。研究人员基于质地、土壤有机碳(SOC)和容重(Db)开发了估算巴西农业土壤Dbmax的土壤传递函数(PTF)。研究汇总234条来自同行评审文献的压实曲线,采用交叉验证和两个独立验证集(含巴西及美洲其他数据)比较线性回归(LR)与机器学习方法。随机森林(RF)和支持向量回归(SVR)降低了巴西土壤验证集的预测方差但高估Dbmax;加入Db后偏差减小。在美洲数据集上,LR高方差低偏差,SVR低方差高偏差,RF偏差-方差权衡最佳。RF精度最高(含Db与不含Db时RMSE分别为0.069和0.078 g cm?3),但Dbmax也可用简式估算:不含Db时 Dbmax = 2.355 + 0.6 × SAND2 ? 0.4 × SILT2 ? 0.44 × ln(SAND) ? 0.52 × ln(CLAY) ? 0.38 × (CLAY:SAND) ? 0.81 × (SOC/CLAY + SILT),RMSE 0.084 g cm?3;含Db时 Dbmax = 1.41 + 0.32 × SAND2 ? 0.10 × SILT2 ? 0.23 × SOC + 0.37 × Db(质地与SOC单位g kg?1,Db单位g cm?3),RMSE 0.066 g cm?3。这为Dbmax估算及压实度在土壤质量评估中的推广提供了便利。
研究背景方面,Proctor压实试验(Proctor compaction test)虽为获取土壤最大容重(Dbmax)和最优压实含水率(Wopt)的标准方法,但耗时耗力,限制了压实度(degree of compaction)作为跨土壤比较物理质量的实用指标。Dbmax受质地、土壤有机碳(SOC)、容重(Db)、颗粒密度、有机质及管理措施影响。已有巴西区域性或单一土纲的PTF(pedotransfer function,土壤传递函数)样本量小、适用范围窄,缺乏全国尺度多方法比较模型。该研究由Tassinari等发表于《Soil Science Society of America Journal》,旨在用易测属性(质地、SOC、Db)构建并验证巴西农业土壤Dbmax的PTF,比较线性与机器学习方法。
关键技术方法上,研究人员从22篇同行评审文献汇编234条巴西土壤Proctor压实曲线(50种土壤,0–30 cm表层占90%,涵盖Latossolo、Argissolo等5个土纲),预测变量包括原始质地分数、平方、对数、比值、等距对数比(ILR)及SOC衍生比;信息水平分质地单独、质地+SOC、质地+SOC+Db三层。方法涵盖多元线性回归(MLR)、逐步回归、装袋树、支持向量回归(SVR,RBF核)、随机森林(RF)及专家选元线性回归(EXP)。训练集做10折重复10次交叉验证调参,独立验证用巴西Lavras(LAV,48条)和美洲文献(LIT,124条)两队列。
研究结果部分,3.1节描述统计显示Dbmax均值1.58 g cm?3(1.12–2.03),Argissolo偏高、Nitossolo偏低,数据南东南偏多、Latossolo占62%。3.2节表明仅用质地时SVR最佳(RMSE≈0.089 g cm?3),加SOC后RF与SVR最优(RF RMSE 0.078),再加Db后RF仍最佳(RMSE 0.069),EXP简式含Db时RMSE 0.066。3.3节观测-预测图显示RF紧贴1:1线,EXP对粗质Argissolo低估,SVR在中高Dbmax散点小;含Db降低EXP的RMSE达20.6%–34.1%。3.4节独立验证中,TR集RF最优(RMSE 0.030),LAV集含Db的EXP与RF最低(0.085、0.089),无Db时旧Nitossolo公式(BRD2006NIT)反而更低(0.093);LIT集RF_TEX(0.215)与SVR_LN(0.208)优于多数,线性模型方差大。旧PTF如DJM2000SD在LAV局部好但因过拟合区域。
讨论部分指出,质地中砂粒正向、黏粒负向影响Dbmax,SOC/(黏+粉)比单SOC预测力好,印证有机碳-矿物复合降低可压性;Db与Dbmax相关但受利用管理干扰,建议取代表性Db算压实度。方法上RF首次用于Dbmax预测,抗多重共线,交叉验证优但外部集略高估低Dbmax(因训练集粉粒少、LIT粉粒高)。偏差-方差权衡上,LAV集偏高估(LAV均值1.44低于训练1.58),含Db纠正;LIT集RF方差最低、SVR次之,低Dbmax偏高估源于粉粒效应未外推。作者建议实务优先含Db的线性方程或RF,未来补东北北区域数据及矿物学预测因子。
结论部分翻译:土壤质地与SOC可预测训练集范围内(黏49–787、粉10–533、砂17–927 g kg?1,SOC 0.6–42.0 g kg?1)巴西土壤Dbmax,加Db进一步提升尤其线性模型,但须用代表性Db以免丧失参考意义。RF与SVR交叉验证RMSE约0.08(无Db),RF有Db达0.069。独立验证显现偏差-方差权衡:巴西LAV集RF/SVR降方差但高估,含Db纠偏;美洲LIT集LR高方差低偏差,SVR低方差高偏差,RF最优权衡。RF虽精但需原训练数据或重拟合,故给出两简式——无Db:Dbmax = 2.355 + 0.6 × SAND2 ? 0.4 × SILT2 ? 0.44 × ln(SAND) ? 0.52 × ln(CLAY) ? 0.38 × (CLAY:SAND) ? 0.81 × (SOC/CLAY + SILT)(RMSE 0.084 g cm?3);有Db:Dbmax = 1.41 + 0.32 × SAND2 ? 0.10 × SILT2 ? 0.23 × SOC + 0.37 × Db(RMSE 0.066 g cm?3),为计算压实度提供简便参考Dbmax。