中国土壤有机质数据集

  • 关键数据集分类:地表参数数据集
  • 空间分辨率:km
  • 共享方式:开放获取
  • 数据大小:1.41 GB
  • 数据时间范围:1980s
  • 元数据更新时间:2021-04-19

数据集摘要

数据集包括以下土壤理化性质:pH值、有机质含量、阳离子交换量、根系丰度、总氮(N)、总磷(P)、总钾(K)、碱解氮、速效磷、速效钾、可交换H+、Al3+、Ca2+、Mg2+、K+、Na+、土层厚度、土壤剖面深度、砂、淤泥和C。铺设部分、岩石碎片、体积密度、孔隙、结构、稠度和土壤颜色。提供了质量控制信息(QC)。 分辨率为30弧秒(赤道处约1公里)。土壤性质的垂直变化由8层记录,深度为2.3 m(即0-0.045-0.091、0.091-0.166、0.166-0.289、0.289-0.493、0.493-0.829、0.829-1.383和1.383-2.296 m),以便于在普通土地模型和社区土地模型(CLM)中使用。
图片来源于网络,仅供参考

数据采用NetCDF格式存储,数据文件名称及其说明如下: 1.THSCH.nc: Saturated water content of FCH 2.PSI_S.nc: Saturated capillary potential of FCH 3.LAMBDA.nc: Pore size distribution index of FCH 4.K_SCH.nc: Saturate hydraulic conductivity of FCH 5.THR.nc: Residual moisture content of FGM 6.THSGM.nc: Saturated water content of FGM 7.ALPHA.nc: The inverse of the air-entry value of FGM 8.N.nc: The shape parameter of FGM 9.L.nc: The pore-connectivity parameter of FGM 10.K_SVG.nc: Saturated hydraulic conductivity of FGM 11.TH33.nc: Water content at -33 kPa of suction pressure, or field capacity 12.TH1500.nc: Water content at -1500 kPa of suction pressure, or permanent wilting point

数据文件命名方式和使用方法

NC栅格文件 可以用Arcgis、Qgis等遥感软件及程序打开

数据要求的引用方式

戴永久, 上官微. (2019). 中国土壤有机质数据集. 国家青藏高原科学数据中心. https://doi.org/10.11888/Soil.tpdc.270281. https://cstr.cn/18406.11.Soil.tpdc.270281.

Dai, Y., Shangguan, W. (2019). Dataset of soil properties for land surface modeling over China. National Tibetan Plateau / Third Pole Environment Data Center. https://doi.org/10.11888/Soil.tpdc.270281. https://cstr.cn/18406.11.Soil.tpdc.270281.

相关推荐
新缸中之脑几秒前
用 autoresearch 优化万物
人工智能
Frostnova丶1 分钟前
LeetCode 3567.子矩阵的最小绝对差
算法·leetcode·矩阵
Datacarts2 分钟前
技术落地经验:OpenClaw + 飞书打造 AI 电商选品系统,无缝对接三方数据服务商
人工智能·飞书
xiaozhazha_2 分钟前
再生资源行业数字化平台建设实践:快鹭AI从痛点分析到微服务架构落地
人工智能·微服务·架构
夏日听雨眠3 分钟前
文件学习9
数据结构·学习·算法
华农DrLai3 分钟前
什么是自动Prompt优化?为什么需要算法来寻找最佳提示词?
人工智能·算法·llm·nlp·prompt·llama
黎阳之光4 分钟前
十五五智赋新程 黎阳之光以AI硬核技术筑造产业数智底座
大数据·人工智能·算法·安全·数字孪生
云烟成雨TD4 分钟前
Spring AI Alibaba 1.x 系列【2】架构、特性与生产级演示案例
java·人工智能·spring
2401_891482175 分钟前
C++中的原型模式
开发语言·c++·算法
罗罗攀5 分钟前
PyTorch学习笔记|张量的线性代数运算
人工智能·pytorch·笔记·学习·线性代数