SoilGrids基于约150000个用于训练的土壤剖面和一堆158个基于遥感的土壤协变量（主要来自MODIS土地产品，SRTM DEM衍生物、气候图像和全球地形和岩性图）用于拟合机器学习方法的集合随机森林和梯度，在R包中实现的增强和多项式逻辑回归，对七个标准深度（0、5、15、30、60、100和200 cm）的标准数值土壤特性（有机碳、体积密度、氮、阳离子交换量、pH值、土壤质地含量和粗碎屑）进行了预测。
Tomislav Hengl
本数据集是基于土壤剖面和样本汇编的机器学习方法对土壤属性进行预测，长江上游和西南地区范围的土壤属性（砂粒、粘粒、PH、体积密度、有机碳、质地等级）空间分布成图。水平空间分辨率为250m，垂直方向包括六个土层深度：0，10，30，60，100，200cm。格式为GeoTIFF，数据包含6个波段，其中第一到第六个波段依次为土壤粘粒含量在土层深度为0、10、30、60、100、200cm 的值，单位为%。
Tomislav Hengl
