信息速览
SoilGrids 是全球土壤数据里被引用得最多、被误解得也最深的一份。它把一个连续的自然介质切成了 250 米见方的方格，每个方格、每一层深度、每一个属性，都给出五个数字：一个均值、三个分位数、一个不确定度。这不是一份观测记录，而是一份带自我怀疑的预测。
它的分量不在于分辨率——250 米在遥感里算粗的——而在于它把「这个格子有多不确定」做成了可以直接下载的图层。绝大多数全球栅格只给你一个数，然后让你自己去猜这个数有多可信。
对做农业、水文、碳循环、土地退化评估的人来说，这是少数几个能直接进模型、还能顺手做敏感性分析的公开底图。但它同时是一份 2020 年的快照，一个自 2021 年后没再整版重跑的产品，一条 latest 路径下面藏着的不是「最新」，而是「最后一次全量」。
| 项目 | 数值 | 来源 |
|---|---|---|
| 空间分辨率 | 250 米 | ISRIC 介绍页与 FAQ |
| 标准深度层 | 6 个（0–5 至 100–200 cm） | GlobalSoilMap 规范，官方沿用 |
| 连续属性 | 11 个（250 米版） | data/ 目录实际列出 |
| 每层产品数 | 5 个（mean、Q0.05、Q0.5、Q0.95、uncertainty） | 各属性子目录 |
| 全图网格 | 159,246 列 × 58,034 行 | clay_0-5cm_mean.vrt 头 |
| 单图瓦片子文件 | 3,749 个（以 clay 0–5 cm 均值层为例） | 同前 VRT 的 SourceFilename 计数 |
| 训练剖面 | 约 24 万条、逾 92 万个土层 | Poggio 等 2021 摘要 |
| 环境协变量 | 400 余层 | 同上 |
| 投影 | Interrupted Goode Homolosine | VRT 的 SRS 字段 |
| 许可 | CC-BY 4.0 | ISRIC 介绍页原文 |
| 主引用 | 10.5194/soil-7-217-2021 | SOIL 7:217–240 |
§1 速览：它是什么，也不是什么
§1.1 一句话定义
SoilGrids 是 ISRIC 用机器学习把全世界零散的土壤剖面观测「铺」成一张全球栅格的结果：输入是约 24 万条剖面和 400 余个环境协变量，输出是 250 米网格上 11 个属性在 6 个深度上的预测值，每个格子配三个分位数和一个不确定度。
这句话里每个词都要抠。「铺」意味着它是对观测的内插与外推，不是观测本身；「剖面」意味着训练样本在地理上极度不均；「预测值」意味着每个格子都有一个置信区间，而这个区间在数据稀薄的地方会宽到没有实用价值。
§1.2 三层身份
第一层身份是土壤属性的全球底图。做作物模型的人拿它当土壤参数表，做水文模型的人拿它当田间持水量的先验，做碳核算的人拿它当 0–30 cm 有机碳储量的基线。这一层用法最朴素：把栅格裁到研究区，读进模型，结束。
第二层身份是带不确定度的概率产品。SoilGrids 2.0 相对上一代最大的改动不是分辨率，而是把分位数回归森林的整套输出都放了出来：不只有中位数，还有 5% 与 95% 分位，以及一个派生出的相对不确定度。这让它成为少数几个可以拿来做「保守决策」的全球栅格：要修水库，取 Q0.05 的渗透性；要算碳汇上限，取 Q0.95。
第三层身份是一份可以被审计的模型产物。每个产品的 VRT 文件头部都写着模型版本、树的数量、变换方式、训练数据快照，甚至写着这一版哪里有缺口。这种把「我们哪里没做好」写进文件头部的做法，在全球栅格产品里并不常见。
§1.3 三十秒决策卡：你的处境，它能帮你什么
| 你的处境 | 它能帮你什么 | 代价 |
|---|---|---|
| 手上有一个流域水文模型，缺土壤参数 | 直接给 6 层容重、粒径、有机碳，按深度加权 | 参数是 250 米尺度的有效值，与模型网格要对齐 |
| 要做区域尺度的施肥处方图 | 用 Q0.05 的黏粒含量做保守配方，避免过量 | 单田块尺度误差大，必须用本地采样校正 |
| 要估一个国家的 0–30 cm 有机碳储量 | ocs 层直接给吨/公顷，乘面积即可 | ocs 与 soc×bdod×深度 的乘积不完全自洽 |
| 要评估某个全球模型对土壤参数的敏感性 | 三个分位数天然构成扰动集合 | 分位数之间高度相关，不是独立抽样 |
| 要找一份能代表 2024 年土壤状况的数据 | 它给不了，输出停在 2020 年那一版 | 重新训练需要 WoSIS 授权与算力 |
| 要查一个点的土壤剖面化验单 | 它给不了，这是栅格不是剖面库 | 需要 WoSIS 点数据或国家土壤库 |
§1.4 不适合谁
不适合点位尺度的农艺决策。一个 250 米像元覆盖 6.25 公顷，中国北方一个村民小组的耕地可能只有三十亩；把像元值直接当田块值用，误差可能超过本地实际变异的一倍。
不适合需要时间序列的研究。SoilGrids 没有时间维。目录名里没有年份，文件名里没有日期，VRT 里没有时间戳。多次下载得到的文件若有差异，那是产品更新，不是土壤变化。
不适合要引用「最新数据」的合规场景。latest 是路径别名，不是版本号。核验时该路径下的瓦片文件时间戳集中在 2020 年 4 月，聚合版是 2022 年 6 月，校验清单是 2023 年 1 月。三个时间点说的是三件不同的事：预测产出、聚合重算、清单重签。
不适合把不确定度当方差用的统计建模。uncertainty 层的定义是四分位距与中位数之比，是一个无量纲的相对量，在中位数趋近 0 的地方会发散。
§1.5 贯穿本文的案例：一个县的水稻施肥处方图
后面每一章都会回到同一个场景，因为土壤栅格的价值只有在具体决策里才看得清。
某南方水稻主产县，农业农村局要在全县 1,800 平方公里的耕地上出一张氮肥基肥处方图，按方给补贴。他们手上没有本县土壤普查数据，最近一次普查是二十年前，且只覆盖了 12% 的耕地。预算允许买一次商业土壤采样，两百个样点，平均每 9 平方公里一个。
他们的技术路线是：用 SoilGrids 的黏粒、砂粒、有机碳、容重四层做基础参数，用两百个采样点做残差校正，最后按 Q0.05 的黏粒含量给保守配方。这条路的每一步都会踩到本文后面要讲的坑——latest 路径停在哪一年（§6）、不确定度层能不能直接当方差用（§4）、ols 层与 soc×bdod 的乘积为什么不自洽（§2），以及为什么他们最后发现「两百个点校正 250 米栅格」在数学上是个亏本买卖（§8）。记住 §1.5 的案例，比记住任何一个字段名都有用。
§2 数据构成：305 个产品怎么数出来的
§2.1 十一个连续属性，加两个非属性目录
data/ 根目录下一共 13 个目录，按字母序是 bdod、cec、cfvo、clay、landmask、nitrogen、ocd、ocs、phh2o、sand、silt、soc、wrb。
前十个加 ocs 是 11 个连续属性，覆盖容量、化学、粒径、养分、碳五个方面：容重（bdod）、阳离子交换量（cec）、粗碎屑体积占比（cfvo）、黏粒（clay）、粉粒（silt）、砂粒（sand）、全氮（nitrogen）、有机碳含量（soc）、有机碳密度（ocd）、有机碳储量（ocs）、水浸 pH（phh2o）。
landmask 与 wrb 不是属性。landmask 是一张陆表掩膜，整个目录里只有一个文件 landmask_SG_052020_COG512.tif，约 684 MB，2020 年 5 月生成，加一个校验清单。它的作用是告诉你哪些像元有土壤预测、哪些是水面或无数据，避免把海洋当零值。
wrb 是 World Reference Base 土壤类型的概率分布，结构完全是另一套，留到 §2.5 单说。
§2.2 六个深度，但 ocs 只有一个
深度是 GlobalSoilMap 工作组定的六个标准区间：0–5、5–15、15–30、30–60、60–100、100–200 厘米。前三个是表土分层，后三个是心土与底土。这套切法的好处是与大量已有土壤调查的采样层段对得上，坏处是层界不等于发生层界，一个跨 15 厘米边界的耕作层会被硬切开。
目录名把深度写成 0-5cm，短横线相连，不带下划线，不带 cm 后的点。写成 0_5cm 或 0-5 都会 404。
ocs 是唯一的例外：它只有一个深度，0-30cm。原因是土壤有机碳储量本身是一个累积量，30 厘米是国际通用的碳核算标准深度（对应 IPCC 的矿质土上层），按 5 厘米分层的储量没有约定俗成的意义。所以 ocs 目录下只有 5 个子目录，不是 30 个。
这一处不一致经常把人绊住：写循环时按「6 个深度 × 5 个产品」去遍历，跑到 ocs 就会抛异常。
§2.3 五个产品：均值、三个分位数、一个不确定度
每个（属性，深度）组合下有 5 个并列目录，后缀分别是 _mean、_Q0.05、_Q0.5、_Q0.95、_uncertainty。
三个分位数里，Q0.5 就是中位数，mean 是均值。两个都给了，说明分布不对称——对数正态或偏态分布下，均值会被右尾拉高。什么时候用哪个，是有讲究的（见 §4.5）。
uncertainty 不是标准差，也不是方差。它的定义是四分位距除以中位数，即 (Q0.95 − Q0.05) / Q0.5 一类的相对离散度。这个定义的好处是与量纲无关，可以横向比较黏粒和 pH 的可信度；坏处是中位数接近 0 时比值发散，pH 在酸性极强的土壤上、有机碳在贫碳沙地上，都会出现数值巨大但没有实际意义的格子。
数一下总量：10 个属性各 6 个深度、每个深度 5 个产品，得 300；ocs 一个深度 5 个产品，得 5。合计 305 个产品目录，每个目录对应一个 .vrt 文件放在属性目录下（如 clay/clay_0-5cm_mean.vrt）。这 305 个 VRT 是整份数据的主入口。
§2.4 一个产品的解剖
以 clay_0-5cm_mean 为例，它由三样东西组成。
第一样是 clay/clay_0-5cm_mean.vrt，一个约 1.7 MB 的 XML 文件，声明了整幅全球栅格的行列数、投影、地理变换、波段数据类型、无效值，以及一张长长的源文件清单。GDAL 打开这个 VRT，看到的就是一整幅连续的全球图；实际读某个窗口时，它按需去取对应的瓦片。
第二样是 clay/clay_0-5cm_mean/ 下的 tileSG-* 目录。这个产品有 1,131 个这样的目录，每个目录名形如 tileSG-000-019，前两位与后三位是行号与列号。目录里面是若干 450×450 像素的 GeoTIFF 子文件，命名形如 tileSG-000-019_4-4.tif，末尾的 _r-c 是子瓦片在父块内的行列。
第三样是每个目录里的 checksum.sha256.txt。子瓦片目录给一行，只校验那一个 tif；属性目录级、顶层目录级也各有清单。这是整份数据唯一的内建完整性机制。
VRT 引用源文件用的是 ComplexSource 而不是简单的 SimpleSource，这让文件比同类 VRT 大三到四倍，但也让每个瓦片可以带自己的统计量与缩放。代价是：用文本编辑器打开 VRT 会看到几万行 XML，别试图人眼读完。
§2.5 wrb 是另一套结构
wrb/ 下有 31 个目录：30 个 WRB 土壤类型的英文复数名，加一个 MostProbable。
30 个类型是 Acrisols、Albeluvisols、Alisols、Andosols、Arenosols、Calcisols、Cambisols、Chernozems、Cryosols、Durisols、Ferralsols、Fluvisols、Gleysols、Gypsisols、Histosols、Kastanozems、Leptosols、Lixisols、Luvisols、Nitisols、Phaeozems、Planosols、Plinthosols、Podzols、Regosols、Solonchaks、Solonetz、Stagnosols、Umbrisols、Vertisols。
这份名单本身就是一条边界信息：里面有 Albeluvisols，没有 Retisols。Albeluvisols 在 WRB 2014 版里被并入 Retisols，说明这套分类沿用的是更早的 WRB 版本。名单里也没有 Anthrosols 与 Technosols 这两个与人为土相关的类型，城市与矿区基本落在其他类的高概率区或低概率区里。
每个类型目录下是 100 个 tif，名字是 0.tif 到 99.tif，没有任何深度后缀，也没有 VRT。同样的内容还各有一份 .geotiff 扩展名的副本，体积一致。也就是说 wrb 一个类型目录里躺着 200 个栅格文件，一半是重复的扩展名变体。
MostProbable 是 30 个概率层的 argmax 结果，给的是类型编码而非概率。要用它，必须先拿到编码与类名的对应表，而这个表不在下载目录里，得从官方文档或 REST API 的 schema 里找。
§2.6 输入：24 万条剖面、92 万个土层、400 层协变量
SoilGrids 2.0 的论文摘要写得明确：输入是「全世界约 24 万个位置」的土壤观测，配合「400 余个全球环境协变量」，涵盖植被、地形、气候、地质、水文五类。正文里进一步说明，这一版用了约 24 万条剖面、超过 92 万个土层记录，比上一版多出 6 万余条剖面。
另外还有一个数字常被混进来：WoSIS 2023 快照包含 22.8 万条剖面、分布在 21.7 万个样点。这是 WoSIS 数据库自身的规模，不是 SoilGrids 的训练集。SoilGrids 这一版的训练数据是 2020 年 3 月的快照（VRT 头写 WoSIS_version: Data stream 7），两者不是同一批数据，数量也不同。把 22.8 万当 SoilGrids 的训练样本数，是把上游数据库的现状扣在了下游产品上。
WoSIS 2023 那篇论文还顺带解释了一件对使用者很重要的事：2019 至 2023 年间各机构共享给 ISRIC 的 10.7 万条剖面里，只有 3.4 万条因为数据提供方的许可限制能够进入快照。土壤数据的第一道门槛不是技术，是授权。
§3 结构层：命名、投影与像素账
§3.1 命名公式
一个产品的完整路径是：
data/<property>/<property>_<depth>_<statistic>.vrt
data/<property>/<property>_<depth>_<statistic>/tileSG-<行>-<列>/tileSG-<行>-<列>_<r>-<c>.tif
属性名用小写缩写，深度用 起-止cm，统计量用 mean、Q0.05、Q0.5、Q0.95、uncertainty 五种之一。
这条公式有一个容易踩空的地方：点号。Q0.05 里的点是文件名的一部分，在 shell 里要引号，在 Python 里要当普通字符。写成 Q05 会得到 404 而不是报错，因为服务器只是找不到这个目录。
另一处是 tileSG 后面没有下划线，直接跟短横线；子瓦片才是下划线加分格号。看错一层，拼出来的路径就全错。
§3.2 投影：不是等经纬度
VRT 的 SRS 字段写的是 PROJCS["Interrupted_Goode_Homolosine", ...]，像元大小 250 米见方，地理变换的左上角是 (-19949750, 8361000)。
这意味着三件事。
第一，这不是经纬度网格。全球 1 度格子在不同纬度对应的米数不同，而这里每个像元都是 250 米乘 250 米，面积守恒。做面积统计、做碳储量汇总时，这一点让求和变得简单：数像元乘 6.25 公顷即可。
第二，Interrupted Goode Homolosine 是分瓣的。为了让大陆连续、把海洋切开，这个投影在特定经线处断口。断口附近的像元在平面上相邻，在地球上可能隔了半个大洋。任何基于平面邻域的卷积、窗口统计、连通域分析，在断口处都会出错。
第三，从经纬度到行列号必须做投影变换，不能线性换算。随手写 col = (lon + 180) / 360 * width 是错的，误差在低纬度就能到几十个像元。
§3.3 像素账：159,246 × 58,034
VRT 头给出 rasterXSize="159246"、rasterYSize="58034"，两者相乘约 92.4 亿个像元位置。这是整幅投影范围的完整包围盒，包含大片没有土壤预测的海洋与冰盖。
真正有数据的位置由瓦片清单决定。以 clay 0–5 cm 均值层为例，VRT 里列了 3,749 个源文件，每个 450×450 像素，约 7.6 亿个像元有值。这个差距说明一件事：不要按包围盒去估算数据量。按 92 亿像元乘 2 字节算会得到 18 GB，比实际大一个量级。
单幅图的真实体积要看瓦片总和。一个 450×450 的 Int16 瓦片，压缩后在一百多 KB 到几百 KB 之间（赤道附近块大、极区块小），3,749 个加起来在 GB 量级。规划存储时按 GB 而不是按 TB 估算，按属性乘深度乘产品，全套 250 米数据的量级是几百 GB。
§3.4 dtype 与 nodata：两种类型并存
属性层与分位数层是 Int16，无效值 -32768。
uncertainty 层是 UInt16，无效值 65535。
同一个属性目录下，clay_0-5cm_mean.vrt 与 clay_0-5cm_uncertainty.vrt 的波段类型不同。如果有代码写了「按属性统一读成 Int16」，读不确定度层时就会把 65535 溢出成 -1，或者把大值截断。
还有一处更隐蔽的不一致：均值层 VRT 的 SRS 里写的是 GCS_WGS_1984 ellipse，不确定度层写的是 GCS_WGS_1984。两者指的是同一个基准面，但 PROJ 字符串不同，gdalwarp 在拼接两类层时可能判定坐标系不一致而拒绝直接叠加，需要显式 -s_srs 指定。
这不是缺陷，是两批产物分别生成留下的痕迹。知道它存在，比争论它该不该存在有用。
§3.5 数值标度：整数存储，要除以因子
栅格存的是整数，物理量是小数。每个属性有自己的缩放因子。
以 clay 为例，VRT 头里的统计量写着 STATISTICS_MAXIMUM=658、STATISTICS_MEAN=244.5。黏粒含量的物理上限是 100%，所以 658 对应 65.8%，因子是 10。同理 phh2o 存的是 pH 乘 10，32767 的上限对应 pH 3.3 到 10 左右的实际范围。
但因子不是全局统一的。容重存的是 cg/cm³、有机碳密度存的是 hg/m³、有机碳储量存的是 t/ha，各自的换算系数不同。判断某个属性的因子，最稳的办法是看官方图层说明里的单位列，次稳的办法是看 VRT 头的统计极值反推。
这条坑的破坏力在于它不报错。忘除 10，模型照跑，只是所有黏粒含量都大了十倍，土壤质地分类全错，而且从损失曲线上看不出来。
§3.6 目录树长什么样
data/
├── clay/
│ ├── clay_0-5cm_mean.vrt
│ ├── clay_0-5cm_mean/
│ │ ├── tileSG-000-019/
│ │ │ ├── checksum.sha256.txt
│ │ │ └── tileSG-000-019_4-4.tif
│ │ └── tileSG-000-020/
│ ├── clay_0-5cm_Q0.05.vrt
│ ├── clay_0-5cm_uncertainty.vrt
│ └── ...
├── landmask/
│ ├── checksum.sha256.txt
│ └── landmask_SG_052020_COG512.tif
├── wrb/
│ ├── Ferralsols/
│ │ ├── 0.tif
│ │ ├── 0.geotiff
│ │ └── ...
│ └── MostProbable/
└── ocs/
└── ocs_0-30cm_mean.vrt
顶层还有三样东西常被忽略：data_aggregated/（1 公里与 5 公里聚合版）、legends/（每个属性的 QGIS 样式 qml 与 OGC SLD）、docs/（论文 PDF 与一份旧版协变量清单 CSV）。
§3.5 瓦片编号与投影：为什么不能按经纬度直接算行列
瓦片目录名形如 tileSG-000-019，其中 SG 指 Interrupted Goode Homolosine 投影的南半球分支（Northern/Southern/Global 的分支标识随之不同），后两段是该分支下的行列索引。这个编号体系与经纬度没有线性关系，也不能靠整除推出来。
后果是两件事。第一，想取某个市范围的数据，不能靠「算出对应瓦片号再下载其中几个」来省流量，只能走 VRT 让 GDAL 处理。第二，跨瓦片拼接必须依赖 VRT 或 gdalbuildvrt，手工 merge 容易在瓦片接缝处出现半像元错位。
全库的 VRT 都带 GeoTransform 与 SRS，这两项是唯一权威。按 §1.5 的案例，县域裁切时必须显式传 -t_srs EPSG:4326，否则 GDAL 会按 VRT 原有的等积投影输出，后续与行政边界叠加时会出现数十米的系统性偏移——在 250 米格网上这已经足以跨过一档。
§3.6 缩放因子：读到 658 不是 658%
多数属性按整数存储，真实值需要乘一个缩放因子。clay、sand、silt、bdod、soc 等常用属性的因子是 0.1，所以 658 表示 65.8%，15 表示 1.5。phh2o 的因子不同，nitrogen 与 ocd 的单位也不是百分数。
缩放因子写在 VRT 的 <Scale> 与 <Offset> 元素里，而不是写在目录名或文档首页。用 gdalinfo 能读到，用 numpy 直接读 .tif 读不到——这是 §8 表里「值就是物理量，直接进模型」那一条的根源。稳妥的做法是先 gdal_translate -unscale 落地，或在读取时显式应用 VRT 声明的因子，并把因子一并写进处理日志。
§4 质量层：不确定度怎么读
§4.1 九十区间与相对离散度
三个分位数直接给出 90% 预测区间的下界与上界：Q0.05 与 Q0.95。这不是置信区间——它描述的是「在这套模型与这套协变量下，真实的土壤属性值有九成概率落在这个范围里」，属于预测区间，包含模型误差也包含空间变异。
回到 §1.5 的案例。他们原本想用 uncertainty 层当权重，做「不确定度高就多采样」的布点设计，这个思路在概念上是对的，但直接拿比值当方差用会出事：县里有几片丘陵地的黏粒中位数接近 20%，uncertainty 大约 0.15；而河谷冲积区有些像元中位数只有 3%，uncertainty 冲到 0.6 以上。后者的绝对值波动其实远小于前者，但比值把它抬成了「最不可信的地方」。按比值布点，两百个点会有一大半撒在本来就不需要精查的砂质河滩上。
区间宽度除以中位数，就是 uncertainty 层的内容。它是一个相对量，单位是「倍」。数值 0.5 意味着这个格子的 90% 区间宽度约为中位数的一半。
读法上有个陷阱：宽区间不一定代表预测差。在土壤属性本身变异极大的地方（冲积平原的粒径、火山灰土的磷吸附），即使模型很好，区间也会宽。反过来，在中位数接近零的地方，区间哪怕很窄，比值也会很大。判断一个格子可不可信，看绝对宽度比看相对宽度更可靠。
§4.2 官方对精度的说法
论文的评估结论有两句关键表述：定量指标与前人在全球、洲际、大区尺度上的研究「处于同一水平」；定性评估显示「粗尺度格局被很好地再现」。
这两句话合起来的意思是：大尺度格局可信，小尺度细节不可信。落到实操上，拿 SoilGrids 画一张全国土壤质地分区图，形态是对的；拿它去判断某块地的黏粒是不是超过 30%，就得看那个格子的区间宽度。
论文还明确指出，全球尺度的空间不确定度分析表明「需要更多土壤观测，尤其是在高纬度地区」。这是作者的自我评价，不是外部批评。
§4.3 缺口写在了文件里
VRT 头的元数据里有一行容易被忽略的字段：Outputs_abstract，内容是 no WISE, March 2020 snapshot, NZ and Siberia gaps。
翻译过来：这一版没有并入 WISE 数据库，训练数据是 2020 年 3 月的快照，新西兰与西伯利亚存在缺口。
新西兰与西伯利亚是全球土壤数据的老大难：前者是岛国、剖面少且分散；后者面积巨大、冻土采样成本极高。这两个区域的预测基本靠协变量外推，可信度显著低于欧洲与北美。
§4.4 两百厘米以下没有答案
六个深度止于 200 厘米。这不是因为土壤只有两米深，而是因为 GlobalSoilMap 规范把标准剖面定在 2 米，且大多数土壤调查的描述深度也止于此。
对深根系作物、地基工程、地下水补给评估，200 厘米以下的信息是缺失的，不能靠最后一层的值往下延拓。VRT 里所有深度层的下边界都是硬截断，没有「更深层」的占位。
另一个相关边界是岩层。SoilGrids 的属性层在基岩出露的地方仍然给出数值——因为模型不知道那里没有土。有独立产品给有效土层厚度，但不在本数据集里。把属性层直接乘深度算储量，在浅薄土地区域会系统性高估。
§4.5 什么时候该用 Q0.05 而不是 mean
这是整份数据最实用的一个设计，也是最容易被浪费的一个。
均值层的语义是「期望值」。用它做规划，等于假设误差会互相抵消。但工程与农业决策往往不是对称的：施肥不足会减产，施肥过量会污染；堤坝渗透性低估会溃坝，高估只是多花钱。这类场景要的是保守分位数，不是期望。
豫北砂壤土麦区的一个变量施肥项目就是这么用的。项目要在一块两万亩的连片麦田上生成基肥处方图，约束是氮肥总量不能超，同时不能让任何一块地缺氮。做法是：用 nitrogen 的 0–30 cm 与 30–60 cm 两层，分别取 Q0.05 与 Q0.5，前者算保底供应量，后者算常规供应量，两者之差作为「风险缓冲」，再按地块均摊。
这个用法只有在有分位数层时才成立。如果数据只给均值，项目只能自己假定一个误差范围，而假定出来的范围没有任何空间信息——它无法告诉你哪块地更不确定。
§4.6 它给不了的东西
给不了点位真值。250 米像元的预测中位数，与一个 10 厘米土钻的化验结果，支撑尺度差了六个数量级。拿后者去校验前者，得到的「误差」里绝大部分是尺度不匹配，不是模型错误。
给不了时间变化。这不是时间序列，不能算年际差异、不能做趋势检验。
给不了管理信息。没有土地利用、没有耕作方式、没有施肥历史。wrb 给的是土壤类型，不是土壤状态。
给不了本地校准。ISRIC 不做区域化重训服务，产品是全局一套模型。
§5 获取层：三条路与它们的现状
§5.1 WebDAV 匿名读，不需要注册
入口是 https://files.isric.org/soilgrids/latest/data/。用浏览器打开会看到一个 WsgiDAV 的目录索引页，页面顶部明确写着当前用户是 anonymous、权限 read-write。
这带来一个反直觉的事实：这个 WebDAV 端点允许匿名写入。它显然不是给公众写数据用的，但协议层面没有拦。任何自动化脚本都不该往里面写东西，也不该假设它永远可写。
访问方式有三种：浏览器直接点、WebDAV 客户端挂载、或者用 HTTP 直接 GET 文件。第三种最快，因为目录索引页本身只是 HTML，真正的文件路径可以直接拼。
§5.2 用 VRT 而不是逐个下瓦片
不要下载瓦片。VRT 的存在就是为了让你不用下载瓦片。
GDAL 支持 /vsicurl/ 直接读远程文件，VRT 里的相对路径会被解析成同目录下的 HTTP 请求。所以打开一个远程 VRT 就能按需只取需要的瓦片，代价是每次读都要走网络。
gdalinfo /vsicurl/https://files.isric.org/soilgrids/latest/data/clay/clay_0-5cm_mean.vrt
这条命令会输出投影、尺寸、波段类型与统计量，几秒钟返回，不会下载整幅图。
要长期使用，正确做法是下载 VRT 加需要的瓦片，保持目录结构不变，让 VRT 的相对路径仍然指得到。VRT 只有 1.7 MB，瓦片按需取舍。
§5.3 聚合版：1 公里与 5 公里
data_aggregated/ 下有两个分辨率：1000m 与 5000m。结构比 250 米版简单得多：每个属性每个深度一个 COG 文件，只有 mean，没有分位数，没有不确定度。
5000m 版一个深度一个文件，约 9 MB，六个深度加起来五十多 MB，全球尺度做快速预览、做教学演示、做粗分辨率模型，这一版是最省事的入口。
1000m 版每个深度约 190 MB。它的价值在于：当你不需要 250 米细节但需要比 5 公里更细时，它是唯一选项。
聚合版还多出三个属性：wv0010、wv0033、wv1500，分别是 10、33、1500 千帕吸力下的体积含水率。这三个属性在 250 米版里没有，只在聚合版里有。所以「14 个属性」这个官方数字，只有在算上聚合版时才成立。
§5.4 REST API 目前是停的
ISRIC 在 SoilGrids 介绍页顶部挂了公告：REST API 出现问题，服务已暂停，且无法给出恢复时间表；公告同时说明这个 API 本就是测试阶段，不承诺可用性，并建议改用其他更稳定的访问方式。
核验时 rest.isric.org 的查询端点无响应，与公告一致。
这意味着网上大量教程里那句「一行 API 查任意经纬度的土壤属性」现在跑不通。依赖它的流水线必须改成读 VRT 或读瓦片。这也是 latest 路径的价值所在：文件式接口比服务式接口抗停服。
§5.5 WCS 与 WMS
maps.isric.org 仍在响应，提供 OGC 服务。对 GIS 用户，WCS 可以直接按范围取子集，比下载瓦片省事；对脚本用户，WCS 的 URL 拼装比 /vsicurl/ 麻烦，且取不到分位数层之外的元数据。
两者取舍：要批量、要可复现、要离线，走文件；要交互看图、要少量点位，走服务。
§5.6 校验：每个目录都有清单
每个瓦片目录、每个属性目录、每个顶层目录都有 checksum.sha256.txt。格式是标准的 sha256sum 输出：哈希加两个空格加文件名。
cd clay_0-5cm_mean/tileSG-000-019
sha256sum -c checksum.sha256.txt
这条命令在目录内执行，会逐行校验并打印 OK 或 FAILED。批量校验可以写成循环，对每个 tileSG-* 目录进一次。
注意清单里的文件名是相对路径，跨目录执行会全部报 missing。
§5.7 一次读一个点
用 rasterio 读某个经纬度下的值，需要先把经纬度投影到 IGH：
import rasterio
from rasterio.warp import transform
from pyproj import CRS
url = "/vsicurl/https://files.isric.org/soilgrids/latest/data/clay/clay_0-5cm_mean.vrt"
lon, lat = 114.35, 36.10
with rasterio.open(url) as src:
xs, ys = transform("EPSG:4326", src.crs, [lon], [lat])
row, col = src.index(xs[0], ys[0])
window = rasterio.windows.Window(col - 1, row - 1, 3, 3)
block = src.read(1, window=window)
nodata = src.nodata
valid = block[block != nodata]
clay_pct = float(valid.mean()) / 10.0 if valid.size else float("nan")
print(clay_pct)
这段代码做了三件容易被省略的事：投影转换、取 3×3 邻域而不是单像元（避免落在无值格子上）、除以 10 还原量纲。
src.index 返回的是行与列，顺序不能反。取 3×3 是为了抗单像元噪声，代价是空间精度下降一个像元。
§5.8 一次裁一块
要给一个县的范围裁图，用 gdalwarp 加 -te 与 -t_srs 最省事：
gdalwarp -t_srs EPSG:4326 \
-te 113.5 35.2 115.2 36.8 \
-tr 0.0025 0.0025 \
-r bilinear \
/vsicurl/https://files.isric.org/soilgrids/latest/data/clay/clay_0-5cm_mean.vrt \
clay_0-5_county.tif
-te 用的是目标坐标系下的范围，所以要和 -t_srs 一起看。-tr 0.0025 约等于赤道上的 250 米，在高纬度会变成更窄的实际距离，做面积统计时要留意。
重采样用 bilinear 是安全的，因为属性是连续量。切到 wrb 的概率层时要换 nearest，否则会把类型编码混成不存在的值。
§5.5 匿名可写这件事，比它听起来严重
WebDAV 目录页把访问权限标成 read-write。这不是文档笔误，是服务端真的没拦写入请求。对使用者来说这有两层含义。
第一层是操作风险。任何一个脚本里的 PUT、MOVE、DELETE，只要路径写错一位，改动就落在公共产品目录上。用 rclone 做双向同步尤其危险：同步工具的正确行为是「让目标与源一致」，而这里的「源」是 ISRIC 的产品目录。一次误配的 sync 就足以把本地目录结构投影上去。
第二层是完整性风险。既然目录可写，那么「从官方 WebDAV 下载的文件」这句话，严格说来不构成完整性保证。真正能当凭证的只有两样：一是 checksum.sha256.txt 里的哈希值，二是 VRT 头部写着的模型版本与树的数量。校验哈希是唯一能把「我下的这份」和「ISRIC 发布的那份」绑定起来的手段。这一点在 §1.5 的案例里也被沿用——方案书要求随数据一并归档校验清单，否则复核时无法证明数据未被改动。
顺带一句：/vsicurl/ 直读 VRT 的用法很方便，但它只做范围读取，不做哈希校验，也不缓存校验结果。生产流程里应当先用 wget 落地并核哈希，再用 gdalwarp 处理本地文件。
§5.6 三条路的取舍
| 场景 | 该走哪条 | 理由 |
|---|---|---|
| 一次性裁一个小区域 | /vsicurl/ 直读 VRT |
无需落地 TB 级数据，GDAL 自动做范围读取 |
| 要长期复现的实验 | wget 落地 + 核 sha256 |
只有哈希能把文件与发布批次绑定 |
| 要批量取多个属性多层 | rclone 同步指定子目录 | WebDAV 支持目录列举，比逐文件拼接路径可靠 |
| 要接入 GIS 桌面 | OGC WCS / WMS | 服务端做重投影与裁切，客户端不用装 GDAL |
| 要按点查值 | 官方 REST 已暂停 | 只能本地裁切后自己采样 |
§6 版本与身份：latest 停在哪一年
§6.1 三个时间戳说的是三件事
latest 目录下三类文件的时间戳分布很能说明问题。
250 米瓦片的时间戳集中在 2020 年 4 月前后。这是预测产出的时间。
聚合版（1000m、5000m）的时间戳是 2022 年 6 月。这是聚合重算的时间。
各目录的 checksum.sha256.txt 时间戳是 2023 年 1 月底到 2 月初。这是清单重签的时间。
§1.5 的案例里，方案书原本写「采用 SoilGrids 最新版本（2026 年下载）」，这句话在评审会上被退回过一次。评审专家指出：2026 年下载不等于 2026 年的土壤。这个县最后在方案里改成「采用 ISRIC SoilGrids 2.0 产品，瓦片产出批次 2020 年 4 月」，并附上 VRT 头部的模型版本号作为凭证。改一行字，把一项无法答辩的表述变成了一项可追溯的表述——这是 latest 这种路径别名最容易被忽视的代价。
看到一个 2023 年的清单，不能推断数据是 2023 年的。清单重签可能只是换了哈希算法或补了漏项。
§6.2 latest 是别名，不是版本
路径里的 latest 是一个稳定别名。它的设计意图是让引用链接长期有效，代价是内容会在某次整版更新时整体替换。
对论文写作，这既是好事也是风险。好处是不用维护版本号；风险是三年后有人重跑你的代码，拿到的可能是另一版数据。
稳妥做法是引用时同时写清版本与访问日期，并把用到的 VRT 下载存档。VRT 有 1.7 MB，存档成本极低，而它完整记录了模型参数与训练快照，是最小可复现单元。
§6.3 与 WoSIS 的关系：上游与下游
WoSIS 是数据库，SoilGrids 是它的一个消费者。WoSIS 持续更新（2023 快照、之后还会有新的），SoilGrids 只在整版重跑时同步一次。
所以「SoilGrids 是最新全球土壤数据」这句话在 2021 年成立，在 2026 年不成立。它是一份用 2020 年数据训练、2021 年发表、之后没再全量重跑的产物。
想用更新的剖面数据，得去 WoSIS 下载点数据自己做插值，或者等下一次整版重跑。
§6.4 与 SoilGrids1km 的关系：前辈
2014 年的 SoilGrids1km 是这一系列的第一代，分辨率 1 公里，用的是随机森林点预测，没有分位数输出，训练样本约 13 万条剖面。
从 1 公里到 250 米，从单值到分位数，从随机森林到分位数回归森林，两代之间的差别不只是精度，是产品哲学：第一代给答案，第二代给答案加怀疑。
现在还有论文与教程在引用 1km 版的结果，检查方法是否过时，第一步是看它引的是 2014 还是 2021。
§6.5 引用哪一篇
主引用是 Poggio 等 2021 年发表在 SOIL 上的方法论文，DOI 10.5194/soil-7-217-2021，卷 7、页 217–240，2021 年 6 月 14 日出版。
三个含水率属性（wv0010、wv0033、wv1500）另有专文：Turek 等 2023 年发表在 International Soil and Water Conservation Research 上的文章，讲用 WoSIS 映射 100、330、15000 厘米吸力下的体积含水率。
训练数据的引用是 Batjes 等的 WoSIS 快照论文，2024 年那篇对应 2023 快照，DOI 10.5194/essd-16-4735-2024。
如果只引一条，引方法论文；如果用到含水率，加引 Turek；如果讨论数据来源与许可限制，加引 Batjes。
§7 阅读本节前：三种评价错位
§7.0 先摆正评价框架
SoilGrids 最常被批评的三件事，恰恰是它设计上就放弃了的三件事。在拿任何标准去评价它之前，得先确认那个标准是不是用对了地方。
§7.1 错位一：拿点观测去验证栅格
一个常见的验证流程是：找几十个有化验数据的样点，取对应像元的预测值，算 RMSE，然后宣布「误差很大」。
这个流程的问题在支撑尺度。一个样点代表几十立方厘米的土，一个像元代表 6.25 公顷、深 5 厘米、约 3,000 立方米的土体。前者是后者的十亿分之一。用前者去否定后者，等于用一根体温计去质疑一张气候图。
正确的验证设计是：在像元尺度上取多个样点混合成一个复合样，或者用块克里金把点数据升尺度到像元，再比较。这样得到的误差才是模型误差，而不是尺度失配误差。
§7.2 错位二：拿分类精度评价连续属性
SoilGrids 的属性层是连续量，评价指标应该是偏差、均方根误差、区间覆盖率（真实值落在 90% 区间内的比例）。
用总体精度、Kappa 系数去评价它，是把回归当分类。唯一适合用分类指标的是 wrb 层，而 wrb 层给的是概率，正确的评价是 Brier 分数或对数损失，不是混淆矩阵。
区间覆盖率这个指标值得单独说。它问的不是「预测准不准」，而是「你给的区间诚实不诚实」：如果官方说 Q0.05–Q0.95 覆盖九成真值，那么在一个足够大的独立样本上，落在区间外的比例应该接近 10%。偏低说明区间太宽（保守但浪费信息），偏高说明区间太窄（自信过头，下游会误判风险）。这个指标的好处是它不需要你重新训练模型，只需要一批像元尺度的独立真值，就能对产品的「硬度」下判断。
§1.5 的案例在这一步遇到了实际困难：两百个样点里真正能当像元尺度真值用的不到三十个（其余是单点土钻，尺度太细）。三十个点算覆盖率，置信区间宽到没有结论。他们的处理是把覆盖率检验改成「分区检验」——按地貌单元分三组，每组各自算覆盖率，看是否有系统性偏离。这不能替代全量检验，但能回答「这套产品在我们县是不是明显偏乐观」这个更粗但更有用的问题。
§7.3 错位三：要求一个 2020 年的产品回答 2025 年的问题
土壤是慢变量，十年尺度的变化在多数地区小于模型误差，所以「2020 年的图能不能代表现在」这个问题，在自然土壤上答案通常是能；在集约农区、复垦区、城市扩张边缘，答案是可能不能。
判断标准不是年份，是土地利用是否发生了变化。有变化的地方，土壤剖面在几年内就能被翻转、压实、掺混。这类区域用 SoilGrids 要先用地类变化数据做掩膜。
另一个常被忽略的错位是空间错位：产品用的是等积投影的 250 米格网，而研究区常用的行政边界、流域边界、田块边界与这个格网毫无关系。直接按行政单元做分区统计，等于把每个像元按「中心点落在哪个县」整块分配，边界上会有系统性偏斜。正确做法是按面积加权做面域统计，而不是按像元中心点归属。这一步在县级尺度上误差通常不到 1%，但在乡镇、村级尺度上能到 5% 以上，足以改变分档结果。
§7.4 DAIMS 简表
| 维度 | 情况 | 说明 |
|---|---|---|
| 数据来源可溯 | 强 | 上游 WoSIS 逐条记录带提供方与许可 |
| 方法透明 | 强 | 论文给了模型、协变量、验证与不确定度方法 |
| 版本可辨 | 中 | latest 别名长期有效，但版本号只写在 VRT 元数据里 |
| 更新节奏 | 弱 | 2020 年产出后无整版重跑，无 changelog |
| 不确定度 | 强 | 分位数层与相对不确定度层同时提供 |
| 空间完整度 | 中 | 全球陆地，但新西兰、西伯利亚有缺口 |
| 时间信息 | 不适用 | 静态属性图，无时间维 |
| 许可清晰度 | 强 | CC-BY 4.0，介绍页与 FAQ 均写明 |
| 访问稳定性 | 中 | 文件接口稳定，REST API 停服 |
| 文档完备度 | 中 | 论文详尽，但目录结构、缩放因子分散在多个页面 |
§8 常见误读与避坑清单
| 常见说法 | 实际情况 | 证据 |
|---|---|---|
| 「13 个属性目录就是 13 个属性」 | 13 个目录里只有 11 个是连续属性，landmask 是掩膜，wrb 是分类概率 | data/ 根目录清单 |
| 「官方说有 14 个属性，下载下来少三个」 | 缺的三个 wv0010、wv0033、wv1500 只在 data_aggregated/ 的 1 km 与 5 km 版里 |
两个聚合版目录各有 14 个子目录 |
| 「每个深度 4 个产品」 | 是 5 个：mean、Q0.05、Q0.5、Q0.95、uncertainty | 任一属性子目录列出 30 项（6×5） |
| 「分位数目录叫 Q05」 | 叫 Q0.05，点号是名字的一部分 |
clay/clay_0-5cm_Q0.05/ 返回 200，Q05 返回 404 |
| 「ocs 也有 6 个深度」 | ocs 只有 0-30cm 一个深度，共 5 个产品 |
ocs/ 目录只有 5 项 |
| 「wrb 也是分层栅格」 | wrb 没有 VRT、没有深度维，每类由 0.tif–99.tif 拼成，另有一份 .geotiff 重复 |
wrb/Ferralsols/ 目录内容 |
| 「训练样本 23 万条」 | 这一版用的是约 24 万条剖面、逾 92 万个土层；23 万是 WoSIS 2023 快照的剖面数，不是训练集 | Poggio 2021 摘要；Batjes 2024 §4.1 |
| 「uncertainty 是标准差」 | 是四分位距与中位数之比，无量纲，中位数趋零时发散 | 官方图层说明；uncertainty 层为 UInt16 |
| 「栅格是经纬度网格，可以直接按经纬度算行列号」 | 是 Interrupted Goode Homolosine 等积投影，必须先做坐标变换 | VRT 的 SRS 与 GeoTransform |
| 「值就是物理量，直接进模型」 | 多数属性按 10 倍整数存储，clay 的 658 对应 65.8% | VRT 头 STATISTICS_MAXIMUM |
| 「latest 就是最新一版，2026 年下的就是 2026 年的数据」 | 瓦片是 2020 年产出，聚合版 2022 年重算，清单 2023 年重签 | 各目录 Last modified |
| 「WebDAV 是只读的」 | 匿名用户权限为 read-write，协议层没拦写入 | 目录页 access: read-write |
| 「用 REST API 查点最方便」 | 官方公告已暂停该服务且无恢复时间表 | ISRIC 介绍页顶部公告 |
这张表里最贵的一条，是 §1.5 那个县真正踩到的那条。
§1.5 的案例最后算了一笔账：两百个采样点，若按常规「用采样值校正栅格残差」的做法，每个点能校正的影响半径大致是 1 公里量级——因为 250 米栅格的误差在空间上是高度自相关的，相邻像元往往是同一批训练剖面外推出来的，误差不独立。两百个点摊到 1,800 平方公里，覆盖率不足 11%。也就是说，那笔采样费买回的是「局部校正」，不是「全县标定」。他们最终把方案改成两段：用 SoilGrids 直接出全县处方图的相对分级（分五档，只保证档间有序），用两百个点做分档阈值的本地校准。不动绝对值，只动分界线——这才是预算和精度能对上的做法。
这也解释了为什么本文反复强调「先看它是什么，再看它准不准」。栅格产品的合理用法，往往不是把它当数值，而是把它当排序。
| 「分辨率 250 米意味着定位精度 250 米」 | 250 米是像元边长，不是位置精度；投影断口附近平面邻接不等于地理邻接 | IGH 投影的分瓣特性 |
§9 它在本库里的位置
§9.1 与 ERA5、GHCNd 的分工
ERA5 单层再分析给的是大气状态，GHCNd 给的是站点观测，SoilGrids 给的是地表以下的介质属性。三者叠起来，才凑成一个完整的地表系统描述：气候驱动、观测约束、下垫面参数。
它们的时间性质完全不同。ERA5 是逐小时的，GHCNd 是逐日的，SoilGrids 没有时间维。做陆面模型时，前两者是输入序列，后者是静态参数表。混用时最容易犯的错是把 SoilGrids 也当成可以逐月更新的变量。
§9.2 与 EuroSAT 的分工
两者都是栅格，都是全球或大洲尺度，但一个是分类任务，一个是回归任务。
EuroSAT 的瓦片是影像，任务是从像素判类别；SoilGrids 的像元是属性值，任务是把值放进模型。前者关心空间泄漏，后者关心尺度失配。
一个有意思的连接是：做土地利用分类时，SoilGrids 的质地层可以作为后验约束——某种作物不会长在某种质地上。这种用法在本库里是跨条目的，需要在流水线里自己接。
§9.3 与 GBIF、世界银行数据的连接
GBIF 的物种出现记录带经纬度，落到 SoilGrids 的像元上，就能给每条记录附一组土壤属性。这是生态位建模里最常见的用法之一：把土壤作为环境变量，解释物种分布。
世界银行的国别指标里有一批与农业、土地退化相关的量，SoilGrids 可以作为这些指标的物理基础层——例如用 ocs 层算一个国家的土壤碳储量，与世行的农业增加值放在一起看。
§9.4 检索路径
要找「全球尺度的自然地理底图」，本库里目前只有这一条。要找「气象驱动」，去 ERA5；要找「地面观测」，去 GHCNd；要找「地表覆盖分类基准」，去 EuroSAT。
土壤这个方向在库内是空白，SoilGrids 是第一块砖。后续可以补的方向有：WoSIS 点数据（上游）、HWSD（同类对照）、SoilGrids 的 30 弧秒镜像（第三方重采样）。
§10 为什么它能持续，以及 AI 使用声明
§10.1 生存逻辑
SoilGrids 能活下来，靠的不是精度，是三件事。
第一是可引用。它有一篇发在 SOIL 上的方法论文，有 DOI，有明确的作者列表，有可复现的方法描述。这让它在学术引用体系里是一个合法节点。
第二是可下载。它没有登录墙、没有申请表、没有使用协议弹窗。WebDAV 匿名读，一个 URL 就能拿到全球数据。这在土壤数据领域是罕见的——同领域的很多产品要么要邮件申请，要么明确禁止再分发。
第三是可组合。305 个产品目录按属性、深度、统计量三维正交拆分，任何子集都能单独下载、单独引用、单独校验。想只用 pH 的 0–5 cm 均值，就只下那一个 VRT 和它引用的瓦片，不需要碰其他 304 个。
§10.2 它撑不住的地方
REST API 的停服说明了一件事：服务式接口的可持续性远低于文件式接口。一个团队三个人维护的 API，一次故障就能停几个月；而一个静态文件目录，只要磁盘在、域名在，就能一直读。
更新节奏是另一个软肋。整版重跑需要重算全球 305 个产品、每个几 GB，算力与人力成本都不低。这决定了它不可能像气象再分析那样每年更新。
§10.3 用它的三条纪律
第一，存档 VRT。VRT 是这份数据的最小可复现单元，1.7 MB 买一个版本锁定，值得。
第二，先查 dtype 与缩放。每个属性读进来先看 src.dtypes、src.nodata、src.statistics()，再决定除以几。别信记忆。
第三，把不确定度一起带走。只下 mean 层等于扔掉了这份数据一半的价值。至少把 uncertainty 层一起下，做敏感性分析时它是现成的扰动源。
§10.4 AI 使用声明
本文的文本由 AI 辅助撰写，事实核验基于 ISRIC 官方介绍页、SoilGrids FAQ、WebDAV 目录清单、VRT 文件头元数据、Poggio 等 2021 年方法论文摘要与 Batjes 等 2024 年 WoSIS 论文。文中所有目录名、文件数、行列数、dtype、无效值、时间戳均来自文件系统与文件头的直接读取；属性数量、剖面数量、协变量数量来自官方页面与论文。未做全量下载，未做逐像元统计，未对预测精度做独立复算。
附录 A 属性速查
| 目录名 | 中文 | 每深度产品数 | 深度数 | 量纲要点 |
|---|---|---|---|---|
| bdod | 容重 | 5 | 6 | 按 cg/cm³ 存储，需换算 |
| cec | 阳离子交换量 | 5 | 6 | 按 mmol©/kg 存储 |
| cfvo | 粗碎屑体积占比 | 5 | 6 | 体积百分比 |
| clay | 黏粒含量 | 5 | 6 | 按 10 倍存储，658 即 65.8% |
| sand | 砂粒含量 | 5 | 6 | 按 10 倍存储 |
| silt | 粉粒含量 | 5 | 6 | 按 10 倍存储 |
| nitrogen | 全氮 | 5 | 6 | 按 cg/kg 存储 |
| soc | 有机碳含量 | 5 | 6 | 按 dg/kg 存储 |
| ocd | 有机碳密度 | 5 | 6 | 按 hg/m³ 存储 |
| ocs | 有机碳储量 | 5 | 1（0–30 cm） | 吨/公顷 |
| phh2o | 水浸 pH | 5 | 6 | 按 10 倍存储 |
| wrb | 土壤类型概率 | 100 个 tif/类 | 无 | 30 类加 MostProbable |
| landmask | 陆表掩膜 | 1 个文件 | 无 | 单幅 COG，约 684 MB |
附录 B 术语表
| 术语 | 含义 |
|---|---|
| WoSIS | ISRIC 维护的全球土壤剖面数据库，SoilGrids 的训练数据来源 |
| GlobalSoilMap | 国际土壤学联合会下的工作组，制定了六个标准深度的规范 |
| 分位数回归森林 | 随机森林的变体，能预测条件分布的多个分位数而非仅均值 |
| Q0.05 / Q0.95 | 5% 与 95% 分位数，构成 90% 预测区间的上下界 |
| 不确定度层 | 四分位距与中位数之比，无量纲的相对离散度 |
| Interrupted Goode Homolosine | 等积伪圆柱投影，分瓣以保持大陆连续 |
| VRT | GDAL 虚拟栅格，用 XML 把多个瓦片拼成一幅逻辑上的整图 |
| 瓦片（tile） | 本数据中为 450×450 像素的 GeoTIFF 子文件 |
| alr | 加性对数比变换，处理成分数据（粒径三组分）的标准方法 |
| 成分数据 | 各分量和为定值的数据，粒径百分比是典型例子 |
| 支撑尺度 | 一个观测或预测所代表的体积或面积，比较不同数据前必须先对齐 |
| 预测区间 | 描述单次预测不确定性的区间，与参数的置信区间不同 |
| WRB | 世界土壤资源参比基础，国际通用的土壤分类系统 |
| COG | Cloud Optimized GeoTIFF，支持分块与概览的远程读取格式 |
| 断口（interruption） | 分瓣投影中人为切开的经线，两侧平面相邻但地理不相邻 |
附录 C 常见误读 FAQ
问：为什么不直接给 GeoTIFF 整图，非要搞 VRT 加瓦片？
因为整幅图在 250 米下是 GB 量级，而绝大多数用户只需要一个县、一个流域。VRT 让「按需取块」成为默认行为，瓦片是它的实现方式。
问：mean 和 Q0.5 有什么区别，不是差不多吗？
在对称分布下接近，在偏态分布下差得远。土壤属性普遍右偏，均值会被高值尾部拉高，中位数更稳。要保守估计用 Q0.05，要期望用 mean，要稳健中心用 Q0.5。
问：能不能把六个深度加起来算整剖面储量？
不能直接加。每层给的是该层的含量或密度，算储量要乘层厚再乘容重，而容重本身也有误差。产品里已经给了 ocs，那是官方算好的 0–30 cm 储量，直接用比自算可靠。
问：新西兰为什么没有数据？
VRT 元数据自述 NZ and Siberia gaps。这两个区域剖面稀少，模型只能靠协变量外推，官方选择留空而不是给一个不可信的值。
问：能不能拿它做 30 米分辨率的图？
不能。降尺度需要额外的局部数据与模型，SoilGrids 没有提供降尺度产品。用双线性插值把 250 米插成 30 米，只是把同样的信息画得更细，不增加任何空间细节。
问：uncertainty 层的数值为什么有的特别大？
因为它是比值。中位数接近 0 的格子上，分母趋零，比值发散。看到上万的值先看对应的 mean 层是不是接近 0，而不是怀疑数据坏了。
问：wrb 的 .tif 和 .geotiff 有什么区别？
体积一致，内容一致，只是扩展名不同。挑一种用即可，不要两个都下载。
问：REST API 停了，还有没有官方的点查询服务？
介绍页建议改用其他访问方式。WCS 仍在，可以按范围取子集；点查询需要自己按经纬度投影后读像元。
编辑说明
核验时间 2026-10-29。方法：逐个打开 ISRIC 官方介绍页、SoilGrids FAQ、WebDAV 各层目录索引（data/ 根、13 个属性目录、clay 的 30 个子产品、单个 tileSG-* 目录、wrb/ 与 wrb/Ferralsols/、landmask/、docs/、legends/、data_aggregated/1000m 与 5000m），读取 clay_0-5cm_mean.vrt 与 clay_0-5cm_uncertainty.vrt 的头部元数据，下载并计数一个完整 VRT 的源文件条目；交叉核实 Poggio 等 2021 与 Batjes 等 2024 两篇论文摘要与相关段落。未下载栅格数据本体，未做逐像元统计与精度复算。
与常见转述不一致处已在正文逐条更正，主要有四处：官方「14 个属性」只在聚合版成立，250 米版是 11 个；每个深度的产品数是 5 个而非 4 个，目录名写 Q0.05 而非 Q05；训练样本是约 24 万条剖面、92 万个土层，不是 23 万；REST API 已由官方公告暂停，不能作为可用入口描述。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- nasa-exoplanet-archive — 共享标签：多模态 / 评测基准 / 图像分类
- randolph-glacier-inventory — 共享标签：多模态 / 评测基准 / 图像分类
- gaia-dr3 — 共享标签：多模态 / 评测基准 / 图像分类
- cern-cms-opendata — 共享标签：多模态 / 评测基准 / 图像分类
- sdss-dr20 — 共享标签：多模态 / 评测基准 / 图像分类
- esa-worldcover — 共享标签：多模态 / 评测基准 / 图像分类
- opentme — 共享标签：多模态 / 评测基准 / 图像分类
- biomedica — 共享标签：多模态 / 评测基准 / 图像分类
- qmugs — 共享标签：多模态 / 评测基准
- nejm-bench — 共享标签：多模态 / 评测基准 / 图像分类
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
