Published October 16, 2020 | Version v1
Publication Metadata-only

iSDAsoil: soil sand content (USDA system) for Africa predicted at 30 m resolution at 0-20 and 20-50 cm depths

Creators

  • 1. ZeptoMetrix (United States)
  • 2. University of Belgrade
  • 3. Rothamsted Research
  • 4. World Agroforestry Centre

Description

iSDAsoil dataset soil sand content in % predicted at 30 m resolution for 0–20 and 20–50 cm depth intervals. Data has been projected in WGS84 coordinate system and compiled as COG. Predictions have been generated using multi-scale Ensemble Machine Learning with 250 m (MODIS, PROBA-V, climatic variables and similar) and 30 m (DTM derivatives, Landsat, Sentinel-2 and similar) resolution covariates. For model training we use a pan-African compilations of soil samples and profiles (iSDA points, AfSPDB, LandPKS, and other national and regional soil datasets). Cite as: Hengl, T., Miller, M.A.E., Križan, J. et al. African soil properties and nutrients mapped at 30 m spatial resolution using two-scale ensemble machine learning. Sci Rep 11, 6130 (2021). https://doi.org/10.1038/s41598-021-85639-y To open the maps in QGIS and/or directly compute with them, please use the Cloud-Optimized GeoTIFF version. Layer description: sol_sand_tot_psa_m_30m_*..*cm_2001..2017_v0.13_wgs84.tif = predicted soil sand content mean value, sol_sand_tot_psa_md_30m_*..*cm_2001..2017_v0.13_wgs84.tif = predicted soil sand content model (prediction) errors, Model errors were derived using bootstrapping: md is derived as standard deviation of individual learners from 5-fold cross-validation (using spatial blocking). The model 5-fold cross-validation (mlr::makeStackedLearner) for this variable indicates: 

Variable: sand_tot_psa R-square: 0.736 Fitted values sd: 22.8 RMSE: 13.7 Random forest model: Call: stats::lm(formula = f, data = d) Residuals: Min 1Q Median 3Q Max -80.626 -5.321 0.221 6.071 88.686 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 6.687471 24.022001 0.278 0.780714 regr.ranger 1.060521 0.003503 302.742 < 2e-16 *** regr.xgboost -0.018718 0.004910 -3.812 0.000138 *** regr.cubist 0.031749 0.003922 8.096 5.73e-16 *** regr.nnet -0.161127 0.422746 -0.381 0.703098 regr.cvglmnet -0.028217 0.004462 -6.323 2.57e-10 *** --- Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: 13.65 on 122261 degrees of freedom Multiple R-squared: 0.736, Adjusted R-squared: 0.736 F-statistic: 6.818e+04 on 5 and 122261 DF, p-value: < 2.2e-16
To submit an issue or request support please visit https://isda-africa.com/isdasoil

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

iSDAمحتوى مجموعة بيانات التربة من رمل التربة بنسبة ٪ متوقعة بدقة 30 مترًا لفترات عمق 0–20 و 20–50 سم. تم عرض البيانات في نظام إحداثيات WGS84 وتجميعها في COG. تم إنشاء التنبؤات باستخدام التعلم الآلي الجماعي متعدد المستويات مع 250 متر (MODIS، PROBA - V، المتغيرات المناخية وما شابه ذلك) و 30 متر (مشتقات DTM، Landsat، Sentinel -2 وما شابه ذلك) متغيرات مشتركة في الدقة. بالنسبة للتدريب النموذجي، نستخدم تجميعات لعموم إفريقيا لعينات التربة وملامحها (نقاط iSDA، و AfSPDB، و LandPKS، وغيرها من مجموعات بيانات التربة الوطنية والإقليمية). استشهد باسم: Hengl، T.، Miller، M.A.E.، Križan، J. et al. تم تعيين خصائص التربة والمغذيات الأفريقية بدقة مكانية تبلغ 30 مترًا باستخدام التعلم الآلي على نطاقين. Sci Rep 11, 6130 (2021). https://doi.org/10.1038/s41598-021-85639-y لفتح الخرائط في QGIS و/أو الحساب مباشرة معهم، يرجى استخدام إصدار GeoTIFF المحسن للسحابة. وصف الطبقة: sol_sand_tot_psa_m _30 m _*..*cm _2001.. 2017_v0.13_wgs84.tif = القيمة المتوسطة المتوقعة لمحتوى رمل التربة، sol_sand_tot_psa_md _30 m _*..*cm _2001.. 2017_v0.13_wgs84.tif = الأخطاء المتوقعة لنموذج محتوى رمل التربة (التنبؤ)، تم اشتقاق أخطاء النموذج باستخدام bootstrapping: يتم اشتقاق md كإنحراف معياري للمتعلمين الفرديين من 5 أضعاف التحقق المتبادل (باستخدام الحجب المكاني). يشير النموذج 5 أضعاف التحقق المتبادل (mlr:: makeStackedLearner) لهذا المتغير إلى: 
المتغير: sand_tot_psa R - square: 0.736 القيم المجهزة sd: 22.8 RMSE: 13.7 نموذج الغابة العشوائية: Call: stats::lm(formula = f, data = d) المتبقي: Min 1Q الوسيط 3Q Max -80.626 -5.321 0.221 6.071 88.686 المعاملات: تقدير Std. قيمة الخطأ t Pr (>| t|) (اعتراض) 6.687471 24.022001 0.278 0.780714 regr.ranger 1.060521 0.003503 302.742 < 2e -16 *** regr.xgboost -0.018718 0.004910 -3.812 0.000138 *** regr.cubist 0.031749 0.003922 8.096 5.73 e -16 *** regr.nnet -0.161127 0.422746 -0.381 0.703098 regr.cvglmnet -0.028217 0.004462 -6.323 2.57 e -10 ***- رموز التوقيع: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 الخطأ القياسي المتبقي: 13.65 على 122261 درجة من الحرية متعدد R - squared: 0.736، R - squared المعدل: 0.736 F - statistic: 6.818e +04 على 5 و 122261 DF، p - value: <
2.2e -16 لإرسال مشكلة أو طلب الدعم، يرجى زيارة https://isda-africa.com/isdasoil

Translated Description (French)

ensemble de données iSDAteneur en sable du sol en % prévue à une résolution de 30 m pour des intervalles de profondeur de 0 à 20 et de 20 à 50 cm. Les données ont été projetées dans le système de coordonnées WGS84 et compilées en tant que COG. Les prédictions ont été générées à l'aide de l'apprentissage automatique d'ensemble multi-échelle avec des covariables de résolution de 250 m (MODIS, PROBA-V, variables climatiques et similaires) et 30 m (dérivés DTM, Landsat, Sentinel-2 et similaires). Pour la formation au modèle, nous utilisons une compilation panafricaine d'échantillons et de profils de sol (points iSDA, AfSPDB, LandPKS et autres ensembles de données nationaux et régionaux sur les sols). Cite as : Hengl, T., Miller, M.A.E., Križan, J. et al. Propriétés et nutriments des sols africains cartographiés à une résolution spatiale de 30 m en utilisant l'apprentissage automatique à deux échelles. Sci Rep 11, 6130 (2021). https://doi.org/10.1038/s41598-021-85639-y Pour ouvrir les cartes dans QGIS et/ou les calculer directement, veuillez utiliser la version GeoTIFF optimisée pour le cloud. Description de la couche : sol_sand_tot_psa_m_30m_*..*cm_2001.. 2017_v0.13_wgs84.tif = valeur moyenne prédite de la teneur en sable du sol, sol_sand_tot_psa_md_30m_*..*cm_2001.. 2017_v0.13_wgs84.tif = erreurs prédites du modèle de teneur en sable du sol (prédiction), Les erreurs du modèle ont été dérivées en utilisant le bootstrapping : md est dérivé comme écart type des apprenants individuels à partir d'une validation croisée 5 fois (en utilisant le blocage spatial). Le modèle 5 fois de validation croisée (mlr : : makeStackedLearner) pour cette variable indique 
: Variable : sand_tot_psa R-square : 0.736 Valeurs ajustées sd : 22.8 RMSE : 13.7 Modèle de forêt aléatoire : Appel : stats : :lm(formule = f, données = d) Résidus : Min 1Q Médiane 3Q Max -80.626 -5.321 0.221 6.071 88.686 Coefficients : Estimation Std. Erreur t value Pr(>|t|) (Intercept) 6.687471 24.022001 0.278 0.780714 regr.ranger 1.060521 0.003503 302.742 < 2e-16 *** regr.xgboost -0.018718 0.004910 -3.812 0.000138 *** regr.cubist 0.031749 0.003922 8.096 5.73e-16 ** * regr.nnet -0.161127 0.422746 -0.381 0.703098 regr.cvglmnet -0.028217 0.004462 -6.323 2.57e-10 ** * --- Codes signif. : 0 '**' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Erreur type résiduelle : 13.65 sur 122261 degrés de liberté Multiple R-carré : 0.736, R-carré ajusté : 0.736 F-statistique : 6.818e+04 sur 5 et 122261 DF, p-value : < 2.2e-16
Pour soumettre un problème ou demander de l'aide, veuillez visiter https://isda-africa.com/isdasoil

Translated Description (Spanish)

iSDAconjunto de datos del suelo contenido de arena del suelo en % predicho a una resolución de 30 m para intervalos de profundidad de 0–20 y 20–50 cm. Los datos se han proyectado en el sistema de coordenadas WGS84 y se han compilado como COG. Las predicciones se han generado utilizando aprendizaje automático de conjunto multiescala con covariables de resolución de 250 m (MODIS, PROBA-V, variables climáticas y similares) y 30 m (derivados de DTM, Landsat, Sentinel-2 y similares). Para la capacitación de modelos utilizamos compilaciones panafricanas de muestras y perfiles de suelos (puntos iSDA, AfSPDB, LandPKS y otros conjuntos de datos de suelos nacionales y regionales). Citar como: Hengl, T., Miller, M.A.E., Križan, J. et al. Propiedades y nutrientes del suelo africano mapeados a una resolución espacial de 30 m utilizando aprendizaje automático conjunto a dos escalas. Sci Rep 11, 6130 (2021). https://doi.org/10.1038/s41598-021-85639-y Para abrir los mapas en QGIS y/o calcular directamente con ellos, utilice la versión GeoTIFF optimizada para la nube. Descripción de la capa: sol_sand_tot_psa_m_30m_*..*cm_2001.. 2017_v0.13_wgs84.tif = valor medio previsto del contenido de arena del suelo, sol_sand_tot_psa_md_30m_*..*cm_2001.. 2017_v0.13_wgs84.tif = errores previstos del modelo de contenido de arena del suelo (predicción), los errores del modelo se derivaron utilizando bootstrapping: md se deriva como desviación estándar de los alumnos individuales de la validación cruzada de 5 veces (utilizando el bloqueo espacial). El modelo de validación cruzada de 5 veces (mlr:: makeStackedLearner) para esta variable indica
: Variable: sand_tot_psa R-square: 0.736 Valores ajustados sd: 22.8 RMSE: 13.7 Modelo de bosque aleatorio: Call: stats::lm(formula = f, data = d) Residuos: Min 1Q Median 3Q Max -80.626 -5.321 0.221 6.071 88.686 Coeficientes: Estimate Std. Error t value Pr(>|t|) (Intercept) 6.687471 24.022001 0.278 0.780714 regr.ranger 1.060521 0.003503 302.742 < 2e-16 *** regr.xgboost -0.018718 0.004910 -3.812 0.000138 *** regr.cubist 0.031749 0.003922 8.096 5.73e-16 ** * regr.nnet -0.161127 0.422746 -0.381 0.703098 regr.cvglmnet -0.028217 0.004462 -6.323 2.57e-10 ** * --- Signif. codes: 0 '**' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Error estándar residual: 13.65 en 122261 grados de libertad Múltiple R-cuadrado: 0.736, R-cuadrado ajustado: 0.736 F-estadístico: 6.818e+04 en 5 y 122261 DF, valor de p: < 2.2e-16
Para enviar un problema o solicitar soporte, visite https://isda-africa.com/isdasoil

Additional details

Additional titles

Translated title (Arabic)
iSDAsoil: محتوى رمل التربة (نظام وزارة الزراعة الأمريكية) لأفريقيا متوقع بدقة 30 مترًا على عمق 0-20 و 20-50 سم
Translated title (French)
iSDAsol : teneur en sable du sol (système USDA) pour l'Afrique prévue à une résolution de 30 m à des profondeurs de 0 à 20 et de 20 à 50 cm
Translated title (Spanish)
iSDAsoil: contenido de arena del suelo (sistema USDA) para África previsto a una resolución de 30 m a profundidades de 0-20 y 20-50 cm

Identifiers

Other
https://openalex.org/W4393598110
DOI
10.5281/zenodo.4094607

Is supplement to
https://openalex.org/W3186982001 (Other)
https://openalex.org/W2324615561 (Other)
https://openalex.org/W2245170124 (Other)
https://openalex.org/W2137941439 (Other)
https://openalex.org/W2086120259 (Other)
https://openalex.org/W2076393078 (Other)
https://openalex.org/W2029513011 (Other)
https://openalex.org/W2004200960 (Other)
https://openalex.org/W1999891779 (Other)
https://openalex.org/W1984402782 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Kenya