Global soil erosion rate 2000-2020-0.5degree

We employed the Random Forest algorithm to integrate climatic and non-climatic drivers from 2000-2020 as explanatory variables. These drivers include global meteorological factors (precipitation, temperature, potential evapotranspiration, soil moisture), leaf area index, land cover, soil physicochemical properties (particle composition, pH), and topographic features (slope, elevation). We then generated a global ER gridded dataset with a spatial resolution of 0.5°×0.5°. The 10-fold cross-validation R² and root mean square error (RMSE) values of the RF model is 0.55 and 15 t ha^-1 yr^-1, respectively.

本研究采用随机森林（Random Forest）算法，将2000-2020年的气候与非气候驱动因子作为解释变量进行整合。此类驱动因子涵盖全球气象要素（降水量、气温、潜在蒸散发、土壤湿度）、叶面积指数、土地覆盖、土壤理化性质（颗粒组成、pH值）以及地形特征（坡度、海拔）。随后，本研究生成了空间分辨率为0.5°×0.5°的全球ER格点数据集。该随机森林模型的十折交叉验证决定系数（R²）与均方根误差（RMSE）分别为0.55与15 吨·公顷⁻¹·年⁻¹。

搜集汇总

背景与挑战

背景概述

该数据集是一个全球土壤侵蚀率网格化数据集，覆盖2000年至2020年，空间分辨率为0.5度。它采用随机森林算法整合了气候和非气候驱动因素，包括气象、植被、土地覆盖、土壤和地形变量，模型验证的R²为0.55，RMSE为15 t ha⁻¹ yr⁻¹，适用于全球尺度土壤侵蚀研究和分析。