地球资源数据云——数据资源详情

2000-2025年中国逐年500米分辨率土壤盐渍化数据集

本数据集为 2000 — 2025 年中国陆域 500 米土壤盐渍化风险年度分级产品，共 26 期。算法采用随机森林回归，综合遥感盐分指数、地形、气候及土壤盐分参考信息，建立环境特征与土壤含盐量之间的非线性关系，并依据含盐量阈值划分五级风险。数据成果为单波段等级栅格，适用于县域风险分区、重点调查区域筛选和年度空间差异分析。等级值表示盐渍化风险类别，不是电导率或含盐量的直接测量值。 关键词 ： 土壤盐渍化；随机森林；风险分级；遥感； 500 米；年度监测 引 言 土壤盐渍化会改变土壤理化性质、植被生长和土地生产能力，是干旱半干旱区生态监测与土地退化评估的重要内容。遥感影像能够连续记录地表亮度、盐壳、裸土和植被胁迫等综合响应，为大范围长期监测提供一致的数据基础。 土壤盐分的遥感响应同时受到水分、植被覆盖、裸土背景和土地利用影响。结合地形与气候条件的机器学习算法，可利用多类环境特征解释盐分空间差异；其结果仍受样点代表性和区域外推能力限制，需要与实测盐分资料结合使用。 本数据集面向县域生态监测需求，提供 2000 — 2025 年同口径的五级风险年度序列，用于识别盐渍化高风险区域，并为长期变化分析及地面调查提供空间参 考。 1 数据采集和处理方法 本数据集采用随机森林回归与阈值分级相结合的算法。随机森林用于估计连续含盐量，阈值分级将估计结果转换为便于制图和统计的有序风险类别。 1.1 数据采集方法 随机森林是一种由多棵决策树组成的集成学习算法。各决策树从训练样本中进行有放回抽样，并在节点划分时随机选择部分特征；回归结果由各树预测值的平均值确定。该方法能够刻画非线性关系及变量间交互作用，适合综合遥感光谱与环境变量进行土壤盐分空间预测。本项目使用土壤含盐量作为回归目标，采用对数变换减轻偏态分布影响，预测后还原至含盐量尺度。