土壤学报

作者：王晓盼，王昌昆，孙海军，郭志英，刘杰，高磊，马海艺，袁自然，姚成硕，潘贤章

单位：王晓盼，南京林业大学 南方现代林业协同创新中心, 南京 210037;土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008；,王昌昆，土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008;中国科学院大学 现代农业科学学院, 北京 100049；ckwang@issas.ac.cn,孙海军，南京林业大学 南方现代林业协同创新中心, 南京 210037；,郭志英，土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008;中国科学院大学 现代农业科学学院, 北京 100049；,刘杰，土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008;中国科学院大学 现代农业科学学院, 北京 100049；,高磊，土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008;中国科学院大学 现代农业科学学院, 北京 100049；,马海艺，土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008;中国科学院大学 现代农业科学学院, 北京 100049；,袁自然，土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008;中国科学院大学 现代农业科学学院, 北京 100049；,姚成硕，土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008;中国科学院大学 现代农业科学学院, 北京 100049；,潘贤章，土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所), 南京 210008;中国科学院大学 现代农业科学学院, 北京 100049；,

关键词：东北黑土地;土壤容重;土壤传递函数;随机森林;变量重要性

基金：国家重点研发计划项目（2021YFD1500102）、中国科学院战略性先导科技专项（XDA28010102）和国家自然科学基金项目（42107145）资助

土壤容重（Bulk Density，BD）信息对了解东北黑土地耕地土壤物理状况及推进黑土地利用与保护至关重要。传统环刀方法在容重采样环节耗时耗力，难以获得大空间尺度容重数据。土壤传递函数（Pedo-transfer function，PTF）可以利用容易获取的土壤变量实现容重信息估算，然而当前缺少针对东北黑土地区域尺度的PTF模型研究，而且用于PTF模型构建的潜在土壤属性变量的重要性尚待揭示。本研究针对东北黑土地区域尺度，基于实测容重数据，使用随机森林（Random forest，RF）机器学习方法，以土壤有机质（Soil organic matter，SOM）、含水量（Moisture content，MC）和土壤质地相关变量作为输入变量，构建面向大尺度耕地土壤容重预测的PTF模型，并分析土壤属性变量的重要性，同时评估国内外已发表PTF模型在东北黑土地耕地容重预测中的适用性。结果显示：已发表PTF模型在表层、亚表层以及全部土壤容重预测中的最优R2分别为0.17、0.22和0.26，均方根误差（Root Mean Squared Errors，RMSE）分别为0.16、0.13和0.15 g·cm–3；本研究中基于RF方法的PTF模型在表层、亚表层以及全部土壤中的最优预测R2分别为0.22、0.45和0.37，RMSE分别为0.16、0.11和0.14 g·cm–3。研究表明：已发表PTF模型的容重预测精度较低，难以用于东北黑土地区域尺度的容重预测；基于RF开发的模型具有预测东北黑土地容重的潜力；有机质是预测东北黑土地容重的最重要变量，其次是含水量，土壤质地相关变量影响较小。

来源：2025年第4期

《土壤学报》期刊编辑部

查看土壤学报杂志2025年第4期