摘要:构建土壤容重高精度预测方法是准确补全区域土壤属性数据库的需要。本研究基于全国第二次土壤普查时获得的四川盆地（含四川省和重庆市）2 883个典型耕地样点数据，运用相关分析、方差分析和回归分析等方法揭示表层土壤容重的统计特征及其主控因素，采用传统土壤传递函数（PTFs）、多元线性回归（MLR）模型、径向基函数神经网络（RBFNN）模型和随机森林（RF）模型通过不分区、分流域以及分土类3种建模方式建立土壤容重预测模型，以期实现对该区域土壤容重缺失值的填补。结果表明：研究区耕地表层土壤容重处于0.60～1.71 g·cm-3之间，均值为1.29 g·cm-3。土壤有机质、土壤亚类和夏季降雨量是土壤容重最重要的影响因素。分流域构建的RBFNN预测模型能较好地捕捉土壤容重与各影响因素的非线性关系以及这种关系的空间非平稳性，432个独立验证样点预测结果的决定系数（R2）和均方根误差（RMSE）分别为0.519和0.095 g·cm-3，明显优于其他方法，其不仅有助于提高四川盆地耕地表层土壤容重缺失值的填补精度，也为其他区域土壤性质缺失值的填补提供了方法参考。