杨 玮，兰 红，李民赞，孟 超

（中国农业大学信息与电气工程学院，北京 100083）

0 引 言

土壤结构反映了土壤不同成分或性质的空间异质性，对植物发育和土壤水分平衡至关重要[1]。土壤容重和土壤孔隙度是衡量土体结构的重要参数[2]，表征土体物理性质。二者密切相关[3]，土壤容重小，表明土壤比较疏松，孔隙多，保水保肥能力强。反之，土壤容重大，表明土体紧实，结构性差，孔隙少，耕性、透水性、通气性不良，保水保肥能力差。土壤容重是计算土壤孔隙率、空气含量和换算土壤相对含水率的基本数据[4]。传统测量土壤容重的方法是环刀法。该方法测量结果精准，通常用作标准测量法，但是需要环刀、铝盒、烘干箱等多个仪器，整个过程耗时耗力，不利于快速、精准地测量大范围农田土壤容重。因此，探寻便捷高效的间接土壤容重测量法一直是精细农业研究的重要内容。

近年来，利用机器学习等回归模型预测土壤容重的方法在国内外得到了广泛应用。Alqinna等[5]利用简单线性回归、多元非线性回归、逐步多元线性回归、偏最小二乘和人工神经网络预测土壤容重，并比较了每个模型的预测精度，发现人工神经网络在预测土壤容重方面最为出色，与其他模型相比准确度提升了18.4%，同时发现，增加模型预测变量的数量可以增强土壤容重的预测能力。Abdelbaki[6]使用美国土壤数据库评估了48种公开的PTF函数（Pedo-Transfer Function）预测土壤容重的准确性，并构建了新的PTF预测模型，利用有机碳或有机物含量作为模型输入，模型的最佳性能可以达到R2为0.59，RMSE为0.13 g/cm3。……