Abstract The particle density of soil (ρS) represents one of the basic physical properties of soil. However, measurement of this parameter is not part of common routine soil inventories in most countries. Therefore, pedotransfer functions (PTFs) were developed to calculate ρS. Here, we used a complex, hierarchically structured PTF to calculate ρS, separating the soil mineral substance (SMS) into clay, silt and sand fractions as well as separating the soil organic matter (SOM) into heavy-density and low-density fractions. This PTF was recently published, and here, we introduced an additional hierarchical level to consider the particle size fraction-dependent effect of the mineral composition on ρS. This extended PTF was calibrated and validated using data from soils of 16 German long-term experiments contrasting in soil texture and in soil mineral composition. Χ-ray diffraction analysis was applied to identify the mineralogical composition of the clay, silt and sand fractions. We fitted the particle densities of the identified minerals occurring in the respective particle size fractions by minimising the squared differences between the measured and predicted ρS. The model performed very well (RMSE = 0.011 Mg m−3 soil). According to the mechanistic base of the model and its hierarchical structure, it is very easy to include available information about the composition of any fraction or subfraction of soil mineral substances and to use the model to calculate the ρS corresponding to the specific site conditions.

中文翻译：

---

受土壤质地和土壤有机质影响的土壤颗粒密度：2. 预测颗粒大小部分矿物组成的影响

摘要 土壤颗粒密度（ρS）是土壤的基本物理性质之一。然而，在大多数国家，该参数的测量并不是常见的常规土壤清查的一部分。因此，开发了 pedotransfer 函数 (PTF) 来计算 ρS。在这里，我们使用复杂的、分层结构的 PTF 来计算 ρS，将土壤矿物质 (SMS) 分为粘土、淤泥和沙子部分，并将土壤有机质 (SOM) 分为高密度和低密度部分。该 PTF 最近发表，在这里，我们引入了一个额外的层次级别，以考虑矿物成分对 ρS 的粒度分数依赖性影响。这个扩展的 PTF 使用来自 16 项德国长期实验的土壤数据进行校准和验证，这些数据在土壤质地和土壤矿物成分方面进行了对比。应用 Χ 射线衍射分析来确定粘土、粉砂和砂部分的矿物组成。我们通过最小化测量的和预测的 ρS 之间的平方差来拟合出现在各个粒度部分中的已识别矿物的颗粒密度。该模型表现非常好（RMSE = 0.011 Mg m−3 土壤）。根据模型的机理基础及其层次结构，很容易包含有关土壤矿物质任何部分或亚部分组成的可用信息，并使用该模型计算对应于特定场地条件的 ρS。应用 Χ 射线衍射分析来确定粘土、粉砂和砂部分的矿物组成。我们通过最小化测量的和预测的 ρS 之间的平方差来拟合出现在各个粒度部分中的已识别矿物的颗粒密度。该模型表现非常好（RMSE = 0.011 Mg m−3 土壤）。根据模型的机理基础及其层次结构，很容易包含有关土壤矿物质任何部分或亚部分组成的可用信息，并使用该模型计算与特定场地条件相对应的 ρS。应用 Χ 射线衍射分析来确定粘土、粉砂和砂部分的矿物组成。我们通过最小化测量的和预测的 ρS 之间的平方差来拟合出现在各个粒度部分中的已识别矿物的颗粒密度。该模型表现非常好（RMSE = 0.011 Mg m−3 土壤）。根据模型的机理基础及其层次结构，很容易包含有关土壤矿物质任何部分或亚部分组成的可用信息，并使用该模型计算与特定场地条件相对应的 ρS。我们通过最小化测量的和预测的 ρS 之间的平方差来拟合出现在各个粒度部分中的已识别矿物的颗粒密度。该模型表现非常好（RMSE = 0.011 Mg m−3 土壤）。根据模型的机理基础及其层次结构，很容易包含有关土壤矿物质任何部分或亚部分组成的可用信息，并使用该模型计算与特定场地条件相对应的 ρS。我们通过最小化测量的和预测的 ρS 之间的平方差来拟合出现在各个粒度部分中的已识别矿物的颗粒密度。该模型表现非常好（RMSE = 0.011 Mg m−3 土壤）。根据模型的机理基础及其层次结构，很容易包含有关土壤矿物质任何部分或亚部分组成的可用信息，并使用该模型计算对应于特定场地条件的 ρS。