Die Bodenporosität ist ein wichtiger Parameter für die physikalische Bodenqualität sowie für landwirtschaftliche und umweltschutzbezogene Studien. In dieser Studie wurde der Oberboden von 0-20 cm Tiefe des Tabakanbaus in der Stadt Baise, Guangxi, untersucht. Es wurden vier maschinelle Lernmodelle verwendet, um das Vorhersagepotenzial von sechs Klima-, drei Gelände- und einem Bodeneigenschaftsfaktor für die Bodenporosität zu simulieren und die Größe und räumliche Verteilung der Porosität zu analysieren. Die Ergebnisse zeigen deutliche Unterschiede zwischen den Vorhersagen der verschiedenen Modelle. Der durchschnittliche Porositätswert des Random-Forest-Modells betrug 41,3 %, wobei die Wurzel des mittleren quadratischen Fehlers (RMSE=5,738) niedrig und der Bestimmtheitsmaß (Ｒ²=0,648) am höchsten war. Die vorhergesagten und gemessenen Werte stimmen weitgehend überein, was darauf hinweist, dass das Random-Forest-Modell eine starke Generalisierungsfähigkeit und gute Vorhersageleistung für die Modellierung von Umweltfaktoren und Bodenporosität besitzt. Die Kriging-Interpolationsergebnisse zeigten, dass die Porositätswerte in den Kreisen Debao und Jingxi insgesamt niedrig sind, was auf Landdegradationsprobleme wie Bodenverdichtung, Verdichtung und Abnahme des organischen Kohlenstoffvorrats im Boden hinweisen könnte. Diese Probleme können durch geeignete Maßnahmen wie zeitgerechte Bearbeitung, angemessenen organischen Düngemitteleinsatz und Tiefenpflügen verbessert werden, um die Tabakproduktivität im Untersuchungsgebiet zu steigern. Die Studienergebnisse bieten eine effektive Methode zur Vorhersage der regionalen Bodenporosität und liefern eine Referenz für das Verständnis der Porosität von Tabakanbau-Böden und die Organisation von Landdegradationsmanagementmaßnahmen auf nationaler Ebene.

Bodenporosität; Klimafaktoren; Gelände fktoren; Bodeneigenschaftsfaktoren; Random-Forest-Modell