【文献精选】AGR WATER MANAGE｜基于TDR时域反射法田间测量与机器学习算法的土壤水分及盐分含量估算

本研究旨在通过时域反射法（TDR）和机器学习算法准确估算土壤水分和盐分含量。研究在中国西北河套灌区进行，采用不同的模型输入方案和八种机器学习算法来评估土壤重量含水量（GWC）、体积含水量（VWC）、总盐含量（TS）和容重密度（BD）的预测性能。结果表明，土壤粒度分数是预测所有土壤性质的重要输入，而BD主要有助于预测GWC。在使用的机器学习算法中，极限梯度增强（XGB）和梯度增强回归树（GBRT）表现出良好的鲁棒性和强大的学习能力。建议使用XGB来精确估计GWC和BD，而GBRT则适用于精确估计VWC和TS。空间分布特征的评估表明，基于推荐的模型输入方案和机器学习算法，从TDR测量中获得上述土壤特性的空间分布是可靠的。