1. 90米土壤质地栅格到底解决了什么问题
先聊一个我自己的真实遭遇。去年做全国尺度的生态模型参数准备时，我需要一套能支撑起子流域级别模拟的土壤质地数据。翻遍手头的公开数据源：全球的HWSD土壤数据库分辨率约1公里，一个县域研究区往往就落在几个像元里，土壤质地信息基本被压平了；SoilGrids虽然做到250米且包含多个深度层，但它的样本分布在不同区域差异很大，部分区域的验证样本稀疏，用起来心里没底。
当时我就意识到，做区域水文模拟、农业区划或耕地质量评价这类工作，缺的不是"有数据"，而是"有可信度、可复现的高分辨率数据"。这个场景下，一套基于实测剖面、空间覆盖均匀、分类体系国际通用的90米栅格数据就成了刚需。
为什么90米这个尺度特别关键？从我的使用体验来看，90米大致对应常见中分辨率遥感影像的像元尺寸。对于县域、流域乃至省级研究区，90米已经能保留坡面、河谷阶地、微地貌单元之间的质地差异。相比1公里数据，它在面积100平方公里左右的研究区里，精度提升是代际级别的——1公里数据做出来图几乎是一团色块，90米数据则能看到沟谷两侧砂性土和黏性土的清晰边界。
另一个核心点是USDA 12类质地分类。这套体系基于砂粒、粉粒、黏粒三组分的百分比组合，把土壤分成砂土、壤质砂土、砂质壤土、壤土、粉砂壤土、粉土、砂质黏壤土、黏壤土、粉砂质黏壤土、砂质黏土、粉砂质黏土、黏土12类。用过SWAT、HYDRUS、EPIC这些模型的朋友应该都不陌生，这些主流模型直接拿USDA质地类名做参数化，省去了一堆转换和映射的麻烦。相比之下，国标分类虽然在国内很成熟，但和国际模型的对接成本高不少。
至于"5000+实测剖面"这个数字，很多人可能没有直观概念。全国960万平方公里，5000多个剖面听起来不算多，但数字土壤制图的核心逻辑并不在于绝对数量，而在于样本在环境协变量空间里的覆盖度。只要这些剖面在地形、气候、母岩等维度上分布合理，配合随机森林这类空间预测模型，完全可以支撑90米分辨率的全国制图。换句话说，这套数据的组合逻辑是：实测剖面提供"真值锚点"，环境协变量提供"空间推理依据"，两者结合才能生成连续的、可用的高分辨率栅格。
2. 从实测剖面到栅格图：这套数据背后的技术路线
把一套数据用明白，不能只看成品，还得理解它的生产过程。这套数据走的正是当前数字土壤制图（Digital Soil Mapping, DSM）的主流范式：以土壤剖面实测数据为因变量，以一组环境协变量为自变量，训练机器学习模型，再对每个像元进行预测推理。
2.1 原始剖面数据为什么要做清洗和归一化
建模之前，原始剖面数据远不止5000个，通常会收集数万个记录。但历史数据来源复杂，坐标系混乱、深度分层不统一、字段缺失都是常事。我处理类似数据时，一般会做这几步：
- 剔除经纬度缺失、超出陆地范围、落在水体里的异常记录；
- 统一深度分层口径，至少保留能归入0-5cm、5-15cm、15-30cm、30-60cm、60-100cm这些标准深度段的剖面；
- 对砂粒、粉粒、黏粒比例做归一化处理，确保三者之和为100%，并剔除明显离群的异常值；
- 按空间位置和深度双重去重，防止同一剖面被多次计入。
这里特别要强调归一化这一步。实验室测得的颗粒组成，三种粒级加起来往往不是严格的100%，因为测量误差和筛分方法差异会导致系统性偏移。如果不做归一，后续建模时会出现一列特征之和大于100或者小于100的bug，非常影响模型训练稳定性。
2.2 为什么用机器学习空间预测而不是传统插值
早年做土壤制图，主流方法是反距离加权（IDW）、普通克里金（OK）这类纯空间插值。这类方法在样本密集区表现尚可，但样本一旦稀疏，插值结果就会出现"牛眼"效应，无样本区基本靠猜。全国尺度上剖面样本远谈不上密集，纯插值根本撑不起90米分辨率的制图需求。
现在的主流做法是基于scorpan-SSPE框架：土壤属性由气候、生物、地形、母岩、时间等环境因素共同决定，因此可以用实测点与这些环境协变量建立统计或机器学习模型，再把模型应用到整个预测空间。这套数据和这个思路一脉相承。
我常打一个比方：纯插值相当于只根据周围邻居的财富来猜我的收入，而机器学习空间预测则像是综合考虑我所在城市的GDP、行业、学历、年龄之后再做推断。后者显然在样本稀疏区域更靠谱，而且能给出变量重要性和不确定性估计，这对理解区域土壤规律极其有用。
2.3 协变量的选择：地形、气候、母岩、遥感缺一不可
做90米土壤质地预测，协变量分辨率至少要达到90米。常见的有几大类：
- 地形因子：高程（DEM）、坡度、坡向、地形湿度指数（TWI）、剖面曲率、平面曲率，这些通常从SRTM或更精细的DEM派生；
- 气候因子：年均温、年降水、季节温差等，通常以1公里起算再重采样到90米；
- 母岩与地质因子：岩性图、成土母质分类图是土壤质地空间分异的重要控制因素；
- 遥感因子：植被指数（NDVI）、地表反照率、夜间灯光等，反映地表覆盖和人类活动的影响。
模型算法方面，随机森林（RF）是当前数字土壤制图的事实标准。它对非线性关系拟合能力强，能自动处理变量交互，还能输出特征重要性排序。近几年的研究也在尝试梯度提升树、深度学习，但RF的可解释性、稳定性和易用性，目前仍然是项目落地时的首选。
我拿到这类数据时，通常会先翻看发布说明里有没有变量重要性报告。如果有，就能看出在这个区域，土壤质地空间分布到底主要受地形控制还是气候控制，这对做区域规律解读非常有价值。
2.4 模型验证：精度数字背后的套路
模型不是训练完就算完，质量的一半在验证。这套数据的生产流程一般会把剖面分成训练集和验证集，常见做法包括五折交叉验证、留一法，或者按空间区块划分验证集以避免空间自相关带来的精度虚高。
发布说明里通常会给这几类指标：
- 砂粒、粉粒、黏粒含量的R²和RMSE；
- 12个质地类别的总体分类精度和混淆矩阵；
- 不同深度层的精度对比，一般来说表层精度高于深层。
但我要提醒一句：数据自带的验证结果代表的是模型在自身样本条件下的表现，不等同于你研究区内的真实精度。我自己每次拿到这类数据集，都会额外做一件事——把手里自己掌握的实测剖面点，与栅格提取值做配对对比。这种第三方独立验证，往往比数据自身报告更有说服力，也是发论文时审稿人很看重的证据链。
3. 实操全流程：下载、投影、提取、统计到模型输入
理论部分聊完，直接上实操。这套数据以GeoTIFF格式分发，每一层对应一个属性（砂粒、粉粒、黏粒含量）或一个深度区间，也可能是USDA质地类别栅格。拿到文件之后，按下面的步骤走基本不会出问题。
3.1 坐标系和分辨率：WGS84下的"90米"到底怎么理解
先说一个最容易踩的坑。这套数据的坐标系通常为WGS84经纬度，但分辨率标注为90米。这里有一个本质矛盾：在经纬度坐标下，像元大小单位是度，不同纬度的实际地面距离各不相同。所谓"90米"通常是指在赤道附近或特定纬度下的近似换算值。在中国东北、新疆北部这样高纬度地区，一个0.00081度（约90米换算值）的像元，其东西向实际距离远小于90米，南北向近似不变。
如果你只是做低纬度研究区（如华南），直接用GCS_WGS_1984做简单统计影响不大；但如果研究区跨越较大纬度范围，或者要计算面积、做面积加权统计，强烈建议先转成Albers等积圆锥投影或UTM投影。中国区域通用的Albers参数是中央经线105°E、标准纬线25°N和47°N。转投影之后，面积统计结果才和行政区划面积对得上，否则面积偏差可能超过5%。
3.2 QGIS/ArcGIS里加载与可视化：先让图说话
拿到GeoTIFF后，QGIS直接拖拽加载，ArcGIS用"添加数据"也一样。我习惯的第一步不是提取数据，而是做符号化：给12个USDA质地类别分别分配一套色带，做成一个统一的图例。这样整个研究区的质地分异格局一眼就能看出来——砂土沿河道分布、黏土在低洼处富集、坡地以壤土为主，这些规律在90米尺度上非常清楚。
如果想把图做得更专业，可以叠加一座山体阴影作为底图，透明度调低，这样土壤质地和地形特征能很好地对应起来。论文插图这么做，审稿人看着也舒心。
3.3 分区统计的正确打开方式：避坑三连
做区域汇总时，比如计算某个流域的平均砂粒含量，最常用的是ArcGIS的Zonal Statistics或QGIS的分区统计插件。这里有几个坑值得单独拎出来说。
第一个坑：矢量边界和栅格的坐标系不一致。这是最常见、最致命的错误，结果会偏得离谱。我的习惯是在操作前，先查边界图层的投影信息，再查栅格元数据的坐标系，确认一致后再动手。
第二个坑：全国尺度的90米栅格，像元数量以亿为单位，直接对整个国家跑分区统计，卡死是常态。务必先按研究区边界裁剪，再在裁剪后的局部范围上做统计。涉及多个研究区时，用批处理脚本，不要手动一个个来。
第三个坑：面积加权平均不等于简单算术平均值。默认的"MEAN"统计是所有像元的等权平均，但如果像元大小本身不统一（WGS84下不同纬度像元面积不同），或者在坡度、山谷等复杂地形下有效像元分布不均，就需要用"Zonal Statistics as Table"按栅格值分组，再以面积为权重做二次加权计算。
3.4 转成SWAT等模型需要的连续变量栅格
很多模型需要的不是12类质地类别，而是三组分的连续百分比。以SWAT为例，它要求每个子流域输入表层0-30cm的砂粒、粉粒、黏粒含量百分比。操作路径如下：
- 分别加载砂粒含量、粉粒含量、黏粒含量三张栅格；
- 用所处分区的掩膜裁剪三张栅格；
- 对每个子流域做分区统计，先算每一组分在各子流域的平均值；
- 检查三组分平均值之和是否接近100，若不接近，按比例重新归一化；
- 将归一化后的三组分平均值映射到USDA质地三角图，得到子流域对应的质地类别。
如果模型只需要质地类别，也可以直接用质地类别栅格做分区统计里的"多数"（Majority）统计——每个子流域取像元数最多的类别作为主类别。这两种方案的差异在于前者能保留三组分的数值梯度，后者则会丢掉部分细节。能选连续变量方案时，优先用前者。
3.5 用Python批量提取栅格值
如果你习惯Python数据工作流，rasterio加geopandas的组合可以高效完成批量化提取。我常用的模板如下：
import rasterio import geopandas as gpd # 读取采样点矢量 pts = gpd.read_file("sampling_points.shp") # 读取砂粒含量栅格 with rasterio.open("sand_90m.tif") as src: # 统一坐标系 pts = pts.to_crs(src.crs) # 提取像元值 coords = [(x, y) for x, y in zip(pts.geometry.x, pts.geometry.y)] values = [val[0] for val in src.sample(coords)] pts["sand_pct"] = values pts.to_file("sampling_points_with_sand.shp")多边形范围的批量统计可以用mask函数配合rioxarray实现，这里不展开细说，后面有需要可以单独写一篇。
4. 我用这套数据做的两个项目：效果与教训
数据值不值，看实战。下面两个案例是我在真实项目中应用的记录，希望能帮你建立对这套数据的直观认知。
4.1 案例一：全国耕地质量区划中的县域排序变化
这个项目的目标是根据土壤属性对全国耕地进行质量分等。如果沿用1公里数据，县域尺度上每个县往往只有少数几个值，县与县之间的区分度很低，很难支撑县-市-省三级行政单元的空间差异化评价。换成90米数据后，每个县都能计算其内部真实质地构成，而不只是一个粗粝的平均值。
我的做法是：
- 按县域边界裁剪质地类别栅格；
- 用分区统计统计每个县的12类像元计数；
- 换算成面积占比；
- 将黏土、粉砂壤土、壤土等归类为"较优适耕类"；砂土、砂质壤土归类为"适耕性受限类"；其余为中类，再按面积占比计算综合指数。
结果发现，不少县域的排序发生了明显变化。尤其是南方丘陵区的县，1公里数据下看起来质地均匀，90米数据下则显露出山间谷地黏土富集、坡地砂砾质感强的复杂格局。这种变化直接影响了评价结果的高分档分布。
这个案例里最关键的一步，是先把分类栅格投影成Albers等积投影再做面积统计，否则面积占比失真，排序结果也会跟着出问题。
4.2 案例二：5000平方公里流域水文模型的参数重构建
第二个项目是给一个约5000平方公里的流域构建SWAT模型。SWAT的每个子流域都需要土壤砂粒、粉粒、黏粒含量作为参数。之前用1公里数据提取时，不少面积较小的子流域落在同一个像元里，参数完全相同，模型率定曲线很难看，空间差异性完全出不来。
我把90米的三组分连续栅格按子流域做面积加权平均，生成每个子流域独立的三组分值，再映射到USDA质地类别。替换后，子流域间的土壤参数梯度明显合理了，径流与产沙模拟在空间上也呈现出了差异化分布。模型率定期NSE提升了大约0.08到0.12，这个幅度在流域水文模拟中已经相当可观。
这次改进的核心不是说90米数据"更准"，而是它保留了子流域间的空间差异性，让模型参数从"均匀涂抹"变为"真实斑块"，模拟过程自然就合理了。
4.3 必须说的实话：这套数据的边界在哪里
既然推荐这套数据，也得把它的边界讲清楚。
90米分辨率是空间分辨率，不等于90米级别的实测精度。在做局部精细研究时，如果地形破碎或母岩复杂，预测值和真实值之间可能有不小的偏错。我的经验是，对重点区域一定要补测剖面，用实测值做局部校正，切不可直接把栅格值当作地面真值。
其次，这套数据本质上仍是模型预测结果，反映的是模型视角下全国土壤质地的空间分布最优估计。在科研论文方法部分，务必写清楚数据来源与版本，最好在验证部分补一句"经过独立样本验证"，这样审稿人才不会拿数据来源来挑战你。
最后，版本时效性也要关心。土壤质地虽是慢变变量，但数据生产的时间窗口不同，底层剖面数量和质量控制标准也不同。拿到数据先看文档里的版本说明和更新日期，不建议混用不同版本的图层。
5. 数据处理中常见的坑：排查链路复盘
下面按"症状-排查-解决"的链路，复盘几个我实际遇到的问题。这些坑不算刁钻，但踩中后排查起来可能很费时间。
5.1 坐标系不一致导致提取值全错
症状：从栅格里提取的土壤质地数值严重偏离常理，比如平原水稻土区域提取出砂土，或者某县域提取出极高黏土占比。
排查链路：
- 先看栅格图层的属性源，确认坐标系字符串；
- 再看矢量边界的投影信息，确认两者坐标系；
- 不一致就统一坐标系后重新提取。
这个坑最具迷惑性的地方在于：多数数据都标称WGS84，但如果某个栅格在某次中间处理时被转成了投影坐标系，而你忘了，后续提取就全错。我自己现在有个习惯：数据到位后第一件事，就是建立一个数据清单，逐条记录每个文件的坐标系、分辨率、时间版本、有效值范围。虽然后面看起来多花了几分钟，但省下的是后面几小时排错时间。
5.2 像元大小标注90米，面积统计却对不上
症状：用面积统计工具计算研究区总面积，结果和行政区划面积偏差明显，尤其在纬度跨度大的区域。
原因：这是WGS84坐标系下经纬度像元随纬度收缩所致。90米的标注本质上只是近似值，实际地面面积权重在不同纬度并不一致，直接做像元面积加总必然偏高或偏低。
解决：在Albers等积圆锥投影下重投影后再统计。全国尺度的面积占比计算必须这么做。我自己的对照组数据显示，不做这一步，部分省份面积偏差可达5%以上，对质地占比统计来说是致命误差。
5.3 大区域Zonal Statistics卡死
症状：对全国范围的栅格跑分区统计，几个小时转不完。
解决：
- 先按研究区边界裁剪栅格，大幅缩小像元数量；
- 在ArcGIS环境设置里开启并行处理；
- 仍不行就换QGIS或Python方案处理。
另外一个实用技巧是：先把浮点型栅格转成整型（比如把砂粒含量0到100的浮点值转成0到100的整数），文件体积变小，处理速度能提升不少。虽然丢失了小数位，但对统计意义影响极小。
5.4 12类质地类别归并策略不一致导致结论"打架"
症状：两篇文章用同一套数据，但土壤质地分区图看起来结论很不一样，一个区域一篇说是壤土为主，另一篇说是黏壤土为主。
原因：不同作者把12类归并为大类时，归并规则不一致。比如"砂质黏壤土"，有人划入壤土类，有人划入黏土类。
解决：做归并之前，先画出USDA土壤质地三角图，把12类边界搞清楚，再按研究目标制定归并方案。并在文章中明确写出归并规则。
我常用的归并方案是按主粒级划分：
- 粗质类：砂土、壤质砂土
- 中质类：砂质壤土、壤土、粉砂壤土、粉土
- 中细质类：砂质黏壤土、黏壤土、粉砂质黏壤土
- 细质类：砂质黏土、粉砂质黏土、黏土
这个方案适合多数水文模型参数化场景，但具体项目还是要结合目标调整，关键是规则透明、可复现。
6. 进阶玩法：多源融合与多深度配合
如果基础用法已经满足需求，下面这些进阶思路可以帮你的研究再多往前走一步。
6.1 高分辨率遥感协变量融合的局部修正
90米数据虽然比1公里精细得多，但在地块破碎区域仍可能出现错位或偏错。如果有高分辨率遥感影像或高精度DEM覆盖研究区，可以尝试构建局部修正模型。例如表层土壤水分、植被覆盖和质地之间存在相关性，用高分辨率地表温度、植被指数等数据做残差建模，再对90米栅格进行局部校正。不过这类方法研究属性强，需要严格的验证设计，不能直接套用生产。我也还在探索阶段，不敢说有什么成熟结论。
6.2 多深度层配合使用：不能只看表层
这套数据按标准深度分层提供，做根系过程模拟或深层水文过程时，必须把多层联合使用。0-30cm的质地影响根系分布和表径流，30-60cm影响中间侧向流和根系下扎，60-100cm则控制深层排水和地下水补给。我在跑生态系统模型时，把表层和深层质地分开输入，比只用表层效果好了不少——尤其在做干旱年份模拟时，深层的保水能力直接影响植被后期表现，只靠表层数据根本解释不了。
6.3 时间维度：静态栅格能否用于长时间序列
土壤质地本身是慢变变量，在十年到几十年的尺度内通常不会剧烈改变，静态栅格在多数研究里是可接受的。但如果研究尺度到百年、千年，风蚀、水蚀导致的表土粗化、黏粒淋洗迁移就不能忽略了。这种场景下，可以把这套数据作为初始条件，结合侵蚀模型做深度方向上逐时段的动态更新。至少目前我没看到这套数据有多时相版本，所以做极长尺度研究时，要么假定质地不变并明确说明，要么自行构建演化方案。
写在最后的几句体己话
从搜索数据到真正把90米土壤质地栅格用起来，我最大的体会是：高分辨率栅格的价值不仅在于数字上的精细，更在于它揭示了传统粗分辨率数据抹平的那些空间结构。土壤质地这东西，在1公里栅格里，大半个省就是一片色块；换算到90米分辨率，河谷两侧、坡顶和坡脚的差异仿佛从雾里显形。每一个做区域水文、生态模拟的人，都会珍惜这种细节。
如果你正准备在自己的项目里引入这套数据，我建议先下载研究区范围的影像，做一次可视化和简单统计试验，再决定是否正式纳入模型流程。这一步花不了多少时间，但能避免模型参数化阶段的大返工。另外，数据文档一定从头到尾读一遍，把坐标系、验证精度、深度定义、版本日期这些关键信息单独摘出来做成备忘。数据本身不会替你判断，真正决定研究质量的，依然是你对区域土壤形成规律的理解和对数据特性的把握。
最后再分享一个实用的收尾技巧：把你在研究区范围内抽样验证的结果，整理成小表格附在论文的支撑材料里，标注"独立验证样本，n=xx，R²=xx"。这比任何数据集的官方文档都更有说服力，也是提高论文可信度的一条经验捷径。希望这篇梳理能让你少走一些弯路。
