pedotransfer 函数是一种数学模型，用于将直接土壤测量值转换为已知和未知的土壤特性。它为土壤研究、水文学、环境科学和气候变化影响的建模和模拟提供信息，包括调查碳循环和土壤与大气之间的碳交换以支持碳农业。特别是，pedotransfer 函数可以为景观设计、土壤质量评估和经济优化提供输入参数。该研究的目的是研究使用机器学习方法推导出的广义 pedotransfer 函数来预测澳大利亚维多利亚州不同区域的土壤电导率 (EC) 和土壤有机碳含量 (OC) 的可行性。该策略支持对单个区域土壤数据库进行插值和填充的统一方法，这与源自本地数据库的一系列土壤传递函数不同，这些函数的测量集可能具有有限的可传递性。pedotransfer 函数生成基于机器学习算法，该算法结合了具有交互作用和嵌套项的广义线性混合模型，具有剩余最大似然估计，以及具有逐步减少预测变量的预测变量频率排名系统，以评估减少的预测误差楷模。数据来源是维多利亚州土壤信息系统 (VSIS)，这是一个用于土壤信息和绘图目的的数据库。该数据库包含来自维多利亚州各地的土壤测量和信息，并且是历史数据的存储库，包括监测研究。总共有 93 个项目的数据可用于建模和分析，其中 5158 个样本用于推导 EC 预测因子，1954 个样本用于推导 OC 预测因子。通过系统地减少完整模型中预测变量的数量，对 500 多个模型进行了测试。五折交叉验证用于估计模型均方预测误差 (MSPE) 和平均绝对百分比误差 (MAPE)。结果具有统计学意义，排名靠前的 50 个模型的误差仅逐渐减少。EC 排名靠前的模型的预测误差（MSPE 和 MAPE）分别为 0.686 和 0.635，OC 的预测误差分别为 0.413 和 0.474。发现整个模型中用于 EC 和 OC 预测的四个最常出现的预测因子是土壤深度、pH、粒度分布和地貌绘图单元。相对于其他机器学习方法讨论了这种方法可能的优点和缺点。



"点击查看英文标题和摘要"