Soil pH in H2O [-] for continental Europe at 30 m spatial resolution for period 2000-2020: Open Soil Data Cube for Europe

Predictions are based on the 3D Ensemble Machine Learning framework, as implemented in the R environment for statistical computing (Hengl &amp; MacMillan, 2019; Hengl, et al., 2021). For each pixel we provide prediction errors as 1 standard deviation in either log or the original variable scale. The short description of currently available soil properties: soil pH in H2O; Soil properties were predicted at fixed depths: Surface soil = s0..0cm,<br> Subsoil 1 = s30..30cm,<br> Subsoil 2 = s60..60cm,<br> Subsoil 3 = s100..100cm. To produce estimates for depth intervals e.g. 0–30 cm, 0–100 cm best use the trapezoidal rule formula. Periods: 2000 (2000–2003), 2004 (2004–2007), 2008 (2008–2011), 2012 (2012–2015), 2016 (2016–2019), 2020;本预测基于三维集成机器学习（3D Ensemble Machine Learning）框架，该框架实现在用于统计计算的R语言环境中（Hengl & MacMillan, 2019; Hengl等, 2021）。对每个像元，我们提供以对数尺度或原始变量尺度计算的1倍标准差形式的预测误差。当前可用土壤属性简要说明如下：水浸式土壤pH值（soil pH in H2O）。土壤属性按固定深度预测： 表层土壤 = s0..0cm， 亚表层土壤1 = s30..30cm， 亚表层土壤2 = s60..60cm， 亚表层土壤3 = s100..100cm。若需生成0–30 cm、0–100 cm等深度区间的估算值，建议采用梯形积分公式进行计算。时间周期涵盖：2000年（2000–2003年）、2004年（2004–2007年）、2008年（2008–2011年）、2012年（2012–2015年）、2016年（2016–2019年）及2020年。