sweetapricity/bridgedeck-statsgo

该数据集名为Bridgedeck — STATSGO Soil Properties，提供了美国本土（CONUS）约906,000座唯一桥梁位置的土壤属性数据。这些数据是通过NRCS（自然资源保护局）土壤数据访问（SDA）REST API，从STATSGO2/SSURGO国家地图单元数据库中，使用点面相交查询方法获取的。数据集包含桥梁标识符、经纬度坐标、土壤图单元键、主要土壤成分名称、成分百分比、钢材和混凝土的腐蚀潜力、排水等级、水文组（与水保留相关）、土壤分类学顺序以及表层粉砂含量百分比（用于指示冻胀敏感性）等字段。此外，通过ETL脚本还衍生出了基于粉砂含量和水文组的土壤类型（冻胀敏感性分类）特征。需要注意的是，约30%的城市桥梁位置因城市用地而无土壤属性数据，这些位置在衍生特征中显示为NaN值；且土壤属性数据是静态的，不会逐年变化。Soil properties at ~906k US bridge locations, queried from the NRCS Soil Data Access (SDA) REST API using the STATSGO2/SSURGO national database.

搜集汇总

数据集介绍

构建方式

该数据集聚焦于美国本土约90.6万座桥梁所在地的土壤特性，通过调用NRCS土壤数据访问（SDA）REST API，基于STATSGO2/SSURGO国家数据库的空间数据，采用点与多边形相交的空间查询方法（SDA_Get_Mukey_from_intersection_with_WktWgs84），为每一座桥梁点位置匹配对应的土壤地图单元键（mukey），进而提取该地图单元内主导土壤组分的理化属性。数据源的静态特性确保了信息的稳定性，ETL脚本进一步衍生出与冻胀敏感性相关的分类特征。

特点

该数据集的核心优势在于将桥梁位置与高分辨率土壤空间数据精准耦合，提供了涵盖腐蚀潜力、排水等级、水文分组及土壤质地等多维度的土壤属性。其中，表层土壤粉粒含量与水文分组的组合分析，能够有效评估桥梁基础的冻胀敏感性。值得注意的是，约30%的城区桥梁因属于“城市用地”而缺失土壤数据，但设计采用NaN值处理，便于与梯度提升树模型的无缝集成。

使用方法

使用者可直接加载数据集中的表格字段进行桥梁基础病害风险评估，例如利用腐蚀潜力和排水等级预测钢结构或混凝土构件的劣化速率。冻胀敏感性分类可作为桥梁维护决策的关键输入特征。对于缺失的城区桥梁数据，推荐采用XGBoost等能原生处理缺失值的机器学习模型，并结合配套的“bridgedeck-nbi”与“bridgedeck-elevation”数据集，构建综合性的桥梁健康评估系统。

背景与挑战

背景概述

桥梁基础设施的长期健康状况与下部支撑结构的土体特性密切相关，土壤的腐蚀性、排水能力和冻胀敏感性等参数直接影响桥梁的耐久性与维护策略。bridgedeck-statsgo数据集由相关研究团队构建，旨在填补桥梁工程与土壤科学之间系统化空间数据关联的空白。该数据集基于美国NRCS的STATSGO2/SSURGO国家土壤数据库，通过空间点面查询方法，整合了覆盖美国本土约90.6万个桥梁位置的土壤属性，包括腐蚀电位、排水等级、水文组以及表层粉粒含量等关键指标。这一数据集为大规模桥梁退化分析提供了可靠的地学背景支撑，在交通基础设施管理与土木工程研究领域展现出重要价值。

当前挑战

该数据集面临的挑战主要源于土壤信息与桥梁基础设施的空间匹配复杂性。约30%的城市桥梁位于人工填土或城市用地之上，此类区域缺乏可反映自然土层理化性质的土壤数据，导致无法直接获取腐蚀性或冻胀敏感性等核心参数。此外，尽管STATSGO2/SSURGO数据库具有较高空间分辨率，但点面查询方法在跨越土壤单元边界时可能引入定位误差，且土壤属性的静态化假设无法捕捉时间尺度上的物理化学变化。数据集构建过程中还需处理大规模空间请求的接口限制与数据清洗复杂性，同时确保衍生分类指标（如基于粉粒含量的冻胀敏感性判定）的普适性与科学性，这对后续建模的鲁棒性提出了更高要求。

常用场景

经典使用场景

桥梁基础设施的结构健康与服役寿命深受其下部土壤物理化学性质的影响，尤其是土壤的排水能力、腐蚀潜力及冻胀敏感性。bridgedeck-statsgo数据集将美国本土约90.6万座桥梁的精确地理坐标与NRCS STATSGO2/SSURGO国家土壤数据库进行空间叠置分析，为每座桥梁关联了详尽的土壤属性信息，包括钢与混凝土的腐蚀电位、排水等级、水文分组以及代表冻胀敏感性的表层粉粒含量。这一高度结构化的地理空间数据集，成为了将环境岩土因素纳入桥梁退化建模的关键纽带。

实际应用

在实际工程应用中，该数据集直接服务于美国国家桥梁检测体系（NBI）的管理与维护决策优化。交通管理部门可将其与桥梁结构健康数据（如bridgedeck-nbi）融合，构建基于土壤腐蚀等级的风险预警系统，优先对位于高腐蚀性土壤或强冻胀区域的桥梁制定更频繁的检测计划与防腐加固措施。进一步地，该数据集还可指导新建桥梁的选址论证与基础设计，通过规避不良土壤条件或选择相应的抗侵蚀建材，从源头提升基础设施的长期韧性与安全储备。

衍生相关工作

基于该土壤属性数据集，已有研究者将其与桥梁退化时序数据（如bridgedeck-nbi）及高程数据（如bridgedeck-elevation）进行多源融合，构建了考虑多因素交互作用的桥梁性能退化模型。相关工作包括利用梯度提升树（如XGBoost）解释土壤腐蚀潜力与交通荷载在桥梁劣化过程中的非线性耦合效应，以及开发可解释的机器学习框架来识别各土壤分类（如Mollisols与Alfisols）对桥面磨损速率的差异化影响。这些工作不仅验证了土壤属性在退化预测中的重要性，也开创了将土壤科学深度融入土木工程健康管理的研究范式。