Uso de funções de pedotransferência para estimar a condutividade hidráulica do solo na Planície de Loess da China

A condutividade hidráulica do solo (Ks) é uma propriedade física do solo crucial que não apenas influencia os processos hidrológicos do solo, mas também o planejamento para a recuperação da vegetação, práticas de irrigação e o design de drenagem. No entanto, os dados de Ks costumam estar ausentes em bancos de dados de solo em larga escala devido a dificuldades na medição direta, que é frequentemente intensiva em mão de obra, demorada e ineficiente em termos de custo. O objetivo deste estudo foi comparar o desempenho de diferentes métodos emergentes de previsão de Ks: regressão linear múltipla (MLR) e rede neural artificial (ANN). A função de pedotransferência (PTF) é um desses métodos que se baseia em fatores selecionados fortemente correlacionados com Ks em escala regional. Coletamos amostras de solo perturbadas e não perturbadas na camada de solo de 0–40 cm em 243 locais em toda a típica Planície de Loess da China (430.000 km2) e então medimos Ks e os fatores potencialmente relacionados. Os resultados mostraram que Ks foi normalmente distribuído com uma variação espacial moderada (CV = 67%). A análise de correlação indicou que a densidade aparente (BD), o conteúdo de água no solo saturado (SSWC), o conteúdo de argila (Clay), o conteúdo de silte (Silt) e a latitude estavam fortemente correlacionados (p < 0,05) com Ks. Embora as precisões de MLR e ANN fossem iguais em termos de estimativa de Ks, a estabilidade da PTF desenvolvida via ANN não era tão boa quanto a de MLR. Assim, a PTF desenvolvida via MLR, que incluía BD, Silt e Clay, foi considerada o melhor modelo para estimar Ks. Há uma necessidade de monitorar de perto a estabilidade e a repetibilidade da PTF durante a comparação e determinação da PTF.