| 课程安排 |
|
|
|
|
|
|
|
|
|
|
数据介绍
背景与意义
1.土壤有机碳（SOC）的重要性
SOC是陆地生态系统的核心组分，影响土壤质量、农业潜力和气候调节。全球土壤表层1米内储存约2500 Pg碳，其中1500 Pg为SOC。SOC微小变化即可显著影响大气CO₂浓度，与中国"2030碳达峰、2060碳中和"目标密切相关。
2.数据缺口与挑战
•中国SOC数据长期存在分辨率低、空间覆盖不均（如青藏高原数据稀缺）、深层土壤（>100 cm）观测不足等问题。
•土壤容重（BD）缺失是SOC密度（SOCD）估算的主要瓶颈，因传统BD测量耗时且受砾石/根系干扰。
研究方法
1.数据来源与处理
•整合7,852个土壤剖面（23,103个样本），覆盖中国全境（2010-2024年），最深至800 cm。
•数据源于国家土壤普查（2010s）、公开数据库（如时空三极环境大数据平台）及82篇文献（2015-2024年Web of Science检索）。
•新增青藏高原样本，显著改善空间代表性。
2.预测变量
涵盖土壤属性（pH、质地、SOC浓度）、地形（90m SRTM高程）、气候（1km分辨率降水/温度）、植被（30m NDVI）及土地利用（30m CLCD分类）。
3.集成建模（EM）框架
•采用Granger-Ramanathan加权回归融合四类机器学习模型：SVM、Cubist、随机森林（RF）、梯度提升机（GBM）。
•通过五折交叉验证优化权重，预测缺失BD值（图2a）：
•性能指标：BD预测R²=0.63，RMSE=0.13 g cm⁻³；SOCD预测R²=0.83，RMSE=1.93 kg m⁻²（图2b）。
4.SOCD计算
公式：SOCD=SOC×BD×Depth×(1−CF)/100
其中CF为粗碎片比例，BD缺失值通过最优EM模型填补（5,053个样本）。
核心成果
1.数据集内容
•版本V9：包含23,103个样本的标准化SOCD数据，附带土壤属性、坐标、环境变量及元数据。
•版本V8：公开模型训练数据及预测结果，支持方法复现。
2.统计特征
•SOCD均值：3.85 kg m⁻²，中位数：2.41 kg m⁻²，范围：0.0018–434.37 kg m⁻²（图3）：
应用与局限
1.价值
•首次实现全国多深度（至800 cm）高分辨率SOCD覆盖，支持地球系统建模、碳汇评估及农业管理。
•为青藏高原碳储量研究提供关键数据。
2.局限与展望
•空间不确定性：稀疏采样区（如极端环境）需结合地统计学进一步验证。
•拓展应用：数据集可耦合遥感产品生成栅格化SOCD图，提升模型精度。
总结：本研究通过集成学习和多源数据融合，构建了中国迄今最完备的SOCD数据集，为碳循环研究和气候政策制定提供了重要基础。
数据信息
该数据集中国土壤有机碳密度（SOCD）数据集第9版（V9）。这套全国性尺度数据集采用集合建模方法，基于来自中国全境的23,103份土壤样本（7,852个剖面）开发而成。包含标准化的土壤属性数据（如容重BD、有机碳SOC、pH值、质地）、地理坐标、土层深度、环境协变量（高程、气候、土地覆盖）及元数据（如检测方法、采样年份）。
同时提供的第8版（V8）数据集包含用于开发集合土壤传递函数的模型训练数据与预测结果。V8版本侧重于研究方法可复现性与模型开发，而V9版本则是经过验证的最终数据集，可直接用于应用研究与结果解读。使用者需同时引用该数据集及本文献。
V8预览：
ensemble model_train_preeedicted_data.csv
ensemble model_train_data.csv
数据格式：CSV
数据容量：5.3MB（数据包内含引用方法和数据文献来源）
数据获取
关注下方"树谷Online"公众号，后台回复关键字“20250827”，查看获取方式.
资源说明：
1、来源：网络收集
2、本资源从国内网站收集，资源的准确性自审.
3、本公众号只负责数据的搜集和整理工作，不能保证资料的精度和准确度以及时效性。
4、原数据版权归原作者所有，作者如果不希望被转载宣传，请联系本平台删除。
