7月5日，一篇名为《A review of the global soil property maps for Earth system models 》的综述发表在著名土壤学开放期刊《SOIL》，该期刊近来每年仅发表20余篇论文。该综述由中山大学陆气相互作用研究组（http://globalchange.bnu.edu.cn/）的戴永久教授、上官微副教授及合作者完成，旨在推动包括CMIP6在内的地球系统模式中的土壤信息的更新，并为土壤信息的发展和使用提供诸多建议和讨论。论文链接为https://www.soil-journal.net/5/137/2019/soil-5-137-2019.html。

       土壤资料广泛应用于各种地球科学领域。该文为地球系统模式对土壤属性图进行了综述，这也可以为土壤数据开发者和用户提供见解。旧的土壤数据集通常基于有限的观测结果，并具有各种不确定性。更新的综合性土壤数据现在已可供公众使用，并有助于相关研究。本综述对优质土壤资料进行了鉴定，并对如何改进和利用数据提出了建议。

土壤是地球系统过程的一个重要调节器，但仍然是地球系统模式中描述最缺乏的数据层之一。该综述从地球系统模式的角度对全球土壤性质图进行了综述调查。土壤属性包括土壤物理、化学和生物性质。这一工作能为土壤数据开发者和用户提供有关洞见。这些土壤数据集提供模型输入、初始变量和基准数据集。对于建模使用，数据集应该是在地理上连续，并且具有不确定性估计。地球系统模式中常用的土壤数据集通常基于有限的土壤剖面和具有各种不确定来源的粗分辨率土壤类型图。更新、更多的土壤信息需要纳入陆面模式。新一代土壤数据集通过数字土壤制图获得，具有丰富、协调和质量控制的土壤观测和环境协变量，这些数据集优于连接法（即基于分类传递规则的方法）获得的数据集。SoilGrids在全球土壤数据集中具有最高的精度和分辨率，而其他最近开发的数据集提供了有用的补充。下图展示了三个不同全球土壤数据集的土壤砂粒和粉粒含量，数据集间存在较大差别，这些差别必然导致模式模拟结果的不同。由于不存在普遍的土壤转换函数，它们的集合可能更适合为地球系统模式提供衍生土壤性质。模型使用需要土壤数据的聚合（升尺度），但可以通过在陆面模式中使用子网格方法来避免，同时会增加模型的复杂性。时间序列上的土壤制图仍然具有挑战性。需要对土壤数据的不确定性进行估计并在地球系统模式中予以考虑。

论文引用方式：

Dai, Y., Shangguan, W., Wei, N., Xin, Q., Yuan, H., Zhang, S., Liu, S., Lu, X., Wang, D., and Yan, F.: A review of the global soil property maps for Earth system models, SOIL, 5, 137-158, https://doi.org/10.5194/soil-5-137-2019, 2019.