Los puntos clave no están disponibles para este artículo en este momento.
La conductividad hidráulica del suelo (Ks) es una propiedad física del suelo crucial que no solo influye en los procesos hidrológicos del suelo, sino también en la planificación para la recuperación de la vegetación, las prácticas de riego y el diseño de drenaje. Sin embargo, los datos de Ks a menudo son escasos en las bases de datos de suelos a gran escala debido a las dificultades en la medición directa que a menudo es laboriosa, consume tiempo y es costosa. El objetivo de este estudio fue comparar el rendimiento de diferentes métodos emergentes de regresión lineal múltiple (MLR) y red neuronal artificial (ANN) para la predicción de Ks. La función de pedotransferencia (PTF) es uno de esos métodos que se basa en factores seleccionados que están estrechamente correlacionados con Ks a escala regional. Recolectamos muestras de suelo disturbadas y no disturbadas en la capa de suelo de 0–40 cm en 243 sitios a lo largo de toda la típica Meseta de Loess de China (430,000 km2) y luego medimos Ks y los factores potencialmente relacionados. Los resultados mostraron que Ks se distribuyó normalmente con una variación espacial moderada (CV = 67%). El análisis de correlación indicó que la densidad aparente (BD), el contenido de agua en el suelo saturado (SSWC), el contenido de arcilla (Clay), el contenido de limo (Silt) y la latitud estaban estrechamente correlacionados (p < 0.05) con Ks. Aunque las precisiones de MLR y ANN eran iguales en términos de estimar Ks, la estabilidad de la PTF desarrollada a través de ANN no era tan buena como la de MLR. Por lo tanto, la PTF desarrollada mediante MLR, que incluía BD, Silt y Clay, se consideró el mejor modelo para estimar Ks. Es necesario monitorear de cerca la estabilidad y la repetibilidad de la PTF durante la comparación y determinación de la PTF.
Zhao et al. (Fri,) estudiaron esta cuestión.