Aktualität der Bodendaten: Die Grundlage für die Harmonisierung von Bodendaten über die Zeit

Das nachhaltige Management von Bodenressourcen hängt von zuverlässigen Bodeninformationen ab, die oft aus 'historischen Bodendaten' oder einer Kombination aus alten und neuen Bodendaten stammen. Die Aufgabe, Bodendaten, die zu unterschiedlichen Zeiten gesammelt wurden, zu harmonisieren, bleibt jedoch in der Literatur weitgehend unerforscht. Um diese Herausforderung zu bewältigen, ist es erforderlich, die zeitliche Dimension in mathematische und statistische Modelle für raum-zeitliche Bodenstudien zu integrieren. Diese Studie zielte darauf ab, ein umfassendes Rahmenwerk zur Harmonisierung von Bodendaten über verschiedene Zeiträume zu schaffen. Wir bewerteten die Integration von historischen und aktuellen Bodendaten, die zwischen 4 und 48 Jahren alt sind, mithilfe einer Analyse der Aktualität von Bodendaten. Dazu führten wir ein Attribut 'Alter der Daten' ein, das den zeitlichen Unterschied zwischen den Jahren der Bodenschätzung und der Gegenwart (z. B. 2022) berechnet. Wir wendeten drei Modelle des maschinellen Lernens an - Entscheidungsbäume (DT), Random Forest (RF), Gradient Boosting (GBM) - auf einen Datensatz mit 6339 Standorten und 28.149 schichtharmonisierten Ebenen. Die Ergebnisse zeigten durchweg eine robuste Leistung über alle Modelle hinweg, wobei RF mit einem R-Quadrat-Wert von 0,99, RMSE von 1,41 und einer Übereinstimmung von 0,97 am besten abschnitt. Ebenso zeigten DT und GBM ebenfalls eine starke Vorhersagekraft. Umweltvariablen, die aus dem Gelände abgeleitet wurden, spielten eine wichtigere Rolle als Landnutzungs- und Landbedeckungsänderungen (LULC) bei der Vorhersage der Aktualität von Bodendaten. Während LULC-Änderungen eine Variabilität der Konzentration von organischem Kohlenstoff im Boden in verschiedenen Tiefen zeigten, war es ein weniger wichtiger Faktor. Anthropogene Faktoren wie LULC-Änderungen und der normalisierte Differenzvegetationsindex (NDVI) waren keine primären Determinanten der Aktualität von Bodendaten. Variationen in der Bodentiefe hatten keinen Einfluss auf die Vorhersage der Aktualität von Bodendaten. Diese Studie validierte, dass Gelände-abgeleitete Kovariaten, insbesondere Höhenfaktoren, die Qualität älterer Bodendaten effektiv erklären, wenn aktuelle Bodenattribute unter Verwendung des Konzepts der Aktualität von Bodendaten vorhergesagt werden. Dieser Ansatz hat das Potenzial, Echtzeitschätzungen, wie z. B. Kohlenstoffbilanzen, zu verbessern, und wir betonen seine Bedeutung in globalen Erdsystemmodellen.