ossl kellogg visnir soil all y — nirs4all-datasets

85,669

samples

1,076

wavelengths

sources

targets

metadata

NIR

family

Dataset property explorer

Mean profile risk0.75

Highest axisIntégrité · 1.00

Diagnostics8

Sources profiled1

Profile axes

Intégrité	1.00
Artefacts locaux	1.00
Bruit	0.00
Outliers PCA	1.00
Distance à la référence	1.00
Répétabilité	0.00
Baseline / forme	1.00
Structure multi-régimes	1.00

Diagnostic	Score	Force	Signaux	Interprétation probable
Erreur calibration / référence blancheX	0.88	forte	PCA Q 1.00, Mahalanobis / T2 1.00, Baseline/mean/area 1.00	Décalage systématique entre campagnes, instruments ou référence blanche.
Fond différentX	0.83	forte	PCA Q 1.00, Mahalanobis / T2 1.00, Baseline/mean/area 1.00	Effet systématique du support, blanc/noir, transflectance ou environnement de mesure.
Splice / raccord détecteursX	0.81	forte	PCA Q 1.00, Spike rate 1.00, RMS/SAM référence 1.00	Rupture aux jonctions de détecteurs, calibration locale ou sonde différente.
Spectre hors domaine valideX	0.74	forte	Mahalanobis / T2 1.00, RMS/SAM référence 1.00, Structure PCA 1.00	Variété, espèce, lot ou condition différente mais physiquement plausible.
Différence de sonde / géométrieX	0.72	forte	PCA Q 1.00, Mahalanobis / T2 1.00, Baseline/mean/area 1.00	Modification de l'illumination, collecte, angle ou distance sonde-échantillon.
Dataset multi-régimesX	0.72	forte	Structure PCA 1.00, RMS/SAM référence 1.00, PCA Q 1.00	Mélange de campagnes, opérateurs, lots, setups ou sous-populations spectrales.
Signature VERA25-likeX	0.72	moyenne	PCA Q 1.00, Mahalanobis / T2 1.00, Spike rate 1.00	Combinaison possible changement de sonde + splice, amplifiée par géométrie, fond ou calibration.
Erreur interpolation / rééchantillonnageX	0.68	moyenne	PCA Q 1.00, Spike rate 1.00, SNR normal/élevé 1.00	Artefacts numériques ou traitement spectral incorrect.

Spectral sources

recovered_spectra

X · NIR · unknown

Sampling

Wavelengths	1,076
Axis range	350–2,500 nm
Mean spacing	2 nm
Grid	uniform
Observations	85,669

Signal & quality

Value range	-0.00295 – 0.922
Mean range	0.0826 – 0.501
Mean level	0.392
Area	843.1
PTP	0.4186
Noise RMS	3.0196e-05
SNR	1.3e+04
SNR dB	8e+01 dB
Dynamic range	0.419
Saturated	0.0%
X-outliers	15,177

Integrity & artefacts

NaN ratio	76.95%
Inf count	0
Zero ratio	0.00%
Spike count	1,125,109
Spike rate	1.22%
Jump count	318,507
Jump rate	0.35%
Clip fraction	0.00%

Shape & reference

Baseline slope	0.30798
Curvature RMS	0.0010083
D1 RMS	0.0012564
RMS to mean	3.6303e-13
RMS p95	0.13491
SAM to mean	0
SAM p95	0.12177
Affine offset p95	0.11244
Affine gain p95 Δ	0.29532
Affine residual p95	0.034413
Xcorr lag p95	0

Outliers & repeatability

PCA Q p95/median	7.2e+03
Hotelling T2 p95/median	2.5e+04
Mahalanobis H p95/median	1.6e+02
Repeat groups	0

Dimensionality (PCA)

Effective rank	1.6
PCs → 95% var	2
PCs → 99% var	4
Top-10 cum. var	100.0%

Computed metric scores 29worst 1.00

Famille	Métrique calculée	Valeur	Score	Niveau	Interprétation dataset	Causes typiques	Calcul / scoring
Intégrité des données	`NaN ratio`integrity.nan_ratio	76.9%	1.00	fort	Spectre corrompu	Erreur acquisition/export	count(isnan(X)) / X.sizealert = min(1, nan_ratio / 0.05)
Intégrité des données	`Inf count`integrity.inf_count	0	0.00	faible	Normal	Calculs invalides	count(isinf(X))alert = min(1, inf_count / 1)
Intégrité des données	`Zero ratio`integrity.zero_ratio	0%	0.00	faible	Normal	Export, saturation	count(X == 0) / count(finite X)alert = min(1, zero_ratio / 0.05)
Amplitude globale	`Mean reflectance`amplitude.mean_reflectance	0.39198	1.00	fort	Valeur atypique: Trop clair / fond visible ou Trop sombre	Fond, géométrie	mean(X finite)alert reuses baseline/shape drift because absolute reflectance ranges are technology-dependent
Amplitude globale	`Area under curve`amplitude.area_under_curve	843.06	1.00	fort	Valeur atypique: Différence d'éclairement ou Normal	Distance sonde	trapezoid(mean_spectrum, spectral_axis)alert reuses baseline/shape drift because area scale depends on axis and units
Amplitude globale	`Peak-to-peak (PTP)`amplitude.peak_to_peak	0.41859	0.00	faible	Variabilité forte	Saturation	max(mean_spectrum) - min(mean_spectrum)alert increases when dynamic range is abnormally flat
Amplitude globale	`Variance`amplitude.variance	0.025642	0.00	faible	Normal ou hétérogène	Mauvais contact	var(X finite)alert increases when variance/dynamic range is abnormally flat
Bruit	`Noise RMS`noise.noise_rms	3.0196e-05	0.00	faible	Stable	Lampe, détecteur	median MAD(second derivative) * 1.4826 / sqrt(6)alert = noise_rms / signal_scale, saturated at 5%
Bruit	`SNR`noise.snr	12981	0.00	faible	Bon signal	Acquisition	mean(abs(X)) / noise_rmsalert decreases with SNR dB; >=40 dB is treated as low alert
Bruit	`Bandwise SNR`noise.bandwise_snr_min	16.1	0.31	faible	Zone fiable	Détecteur	min(abs(mean_spectrum) / local second-derivative noise)alert decreases with worst-band SNR dB; >=35 dB is treated as low alert
Artefacts locaux	`Spike count`artefacts.spike_count	1,125,109	1.00	fort	Artefacts	Cosmic rays, splice	count robust outliers in second derivativealert follows spike_rate, saturated at 1%
Artefacts locaux	`Spike rate`artefacts.spike_rate	1.22%	1.00	fort	Spectre suspect	Interpolation	spike_count / (n_samples * (n_features - 2))alert = min(1, spike_rate / 0.01)
Artefacts locaux	`Jump count`artefacts.jump_count	318,507	0.35	faible	Continu	Splice	count robust outliers in first derivativealert follows jump_rate, saturated at 1%
Artefacts locaux	`Jump rate`artefacts.jump_rate	0.346%	0.35	faible	Normal	Calibration	jump_count / (n_samples * (n_features - 1))alert = min(1, jump_rate / 0.01)
Artefacts locaux	`Clip fraction`artefacts.clip_fraction	9.41e-06%	0.00	faible	Normal	Détecteur saturé	fraction of finite cells equal to repeated min/max extremaalert = min(1, clip_fraction / 0.01)
Forme spectrale	`Baseline slope`shape.baseline_slope	0.30798	1.00	fort	Dérive	Éclairement	linear slope of mean_spectrum over normalized axisalert = abs(slope / signal_scale), saturated at 0.5
Forme spectrale	`Curvature RMS`shape.curvature_rms	0.0010083	0.24	faible	Lisse	Fond, splice	median RMS(second derivative per spectrum)alert = curvature_rms / signal_scale, saturated at 1%
Forme spectrale	`D1 RMS`shape.d1_rms	0.0012564	0.06	faible	Plat	Biologie ou artefact	median RMS(first derivative per spectrum)alert = d1_rms / signal_scale, saturated at 5%
Outliers multivariés	`PCA Q (SPE)`outliers.pca_q_ratio	7159.9	1.00	fort	Spectre atypique	Artefact, mélange	p95(Q/SPE residual) / median(Q/SPE residual)alert = min(1, pca_q_ratio / 8)
Outliers multivariés	`Hotelling T²`outliers.hotelling_t2_ratio	24611	1.00	fort	Extrême mais cohérent	Variabilité naturelle	p95(Hotelling T2) / median(Hotelling T2)alert = min(1, hotelling_t2_ratio / 8)
Outliers multivariés	`Mahalanobis H`outliers.mahalanobis_h_ratio	156.88	1.00	fort	Outlier global	Domaine différent	p95(sqrt(T2)) / median(sqrt(T2))alert = min(1, mahalanobis_h_ratio / 4)
Comparaison à référence	`RMS to mean spectrum`reference.rms_to_mean_spectrum_p95	0.13491	1.00	fort	Spectre différent	Domain shift	p95 RMS distance to dataset mean spectrumalert = RMS_p95 / signal_scale, saturated at 25%
Comparaison à référence	`Spectral Angle Mapper (SAM)`reference.sam_to_mean_spectrum_p95	0.12177	0.35	faible	Similaire	Fond, géométrie	p95 spectral angle to dataset mean spectrumalert = min(1, SAM_p95 / 0.35 rad)
Répétabilité	`RMS intra-ID`repeatability.rms_intra_id	—	0.00	faible	Stable	Positionnement	median RMS distance to repeated-sample centroidalert = RMS_intra_ID / signal_scale, saturated at 10%
Répétabilité	`SAM intra-ID`repeatability.sam_intra_id	—	0.00	faible	Stable	Acquisition	median SAM to repeated-sample centroidalert = min(1, SAM_intra_ID / 0.15 rad)
Répétabilité	`CV intra-ID`repeatability.cv_intra_id	—	0.00	faible	Stable	Opérateur	median within-ID band CValert = min(1, CV_intra_ID / 0.25)
Structure du dataset	`PCA score density`structure.pca_score_density	—	1.00	fort	Sous-populations	Lots différents	1 / median kNN distance in PCA score spacealert follows density_cv/profile structure complexity, not raw density alone
Structure du dataset	`Local Outlier Factor (LOF)`structure.local_outlier_factor_p95	—	—	non calculable	Pas assez d'information pour scorer cette métrique sur ce dataset.	Cas rares	p95 approximate LOF from PCA-score kNN distancesalert = min(1, max(0, LOF_p95 - 1) / 2)
Structure du dataset	`Isolation Forest score`structure.isolation_forest_score_p95	0.62492	1.00	fort	Spectre atypique	Diverses causes	p95 IsolationForest anomaly score on PCA scoresalert follows structure complexity; raw score is implementation-dependent

X-Y spectral correlation 17

Target	max \|r\|	axis @ max	mean \|r\|	\|r\| ≥ .5
bd_usda_a4_g_cm3	0.6	598	0.444	28.5%
c_tot_usda_a622_w_pct	0.645	586	0.428	34.0%
ca_ext_usda_a722_cmolc_kg	0.501	2,496	0.352	0.4%
caco3_usda_a54_w_pct	0.439	376	0.17	0.0%
cec_usda_a723_cmolc_kg	0.423	356	0.223	0.0%
clay_tot_usda_a334_w_pct	0.419	2,500	0.234	0.0%
ec_usda_a364_ds_m	0.314	370	0.136	0.0%
k_ext_usda_a725_cmolc_kg	0.315	370	0.0791	0.0%
mg_ext_usda_a724_cmolc_kg	0.407	382	0.153	0.0%
n_tot_usda_a623_w_pct	0.654	606	0.513	55.3%
na_ext_usda_a726_cmolc_kg	0.459	382	0.0721	0.0%
oc_usda_c729_w_pct	0.652	584	0.433	35.2%
ph_cacl2_usda_a481_index	0.598	1,906	0.398	28.0%
ph_h2o_usda_a268_index	0.561	1,906	0.372	9.7%
s_tot_usda_a624_w_pct	0.282	1,948	0.248	0.0%
sand_tot_usda_c60_w_pct	0.477	2,164	0.414	0.0%
silt_tot_usda_c62_w_pct	0.683	2,208	0.565	79.0%

Metric interpretation reference

Metric catalog 29

Famille	Métrique	Ce qu’elle détecte	Forte valeur =	Faible valeur =	Causes typiques	Calcul / score
Intégrité des données	`NaN ratio`	Données manquantes	Spectre corrompu	Spectre complet	Erreur acquisition/export	count(isnan(X)) / X.sizealert = min(1, nan_ratio / 0.05)
Intégrité des données	`Inf count`	Valeurs infinies	Corruption	Normal	Calculs invalides	count(isinf(X))alert = min(1, inf_count / 1)
Intégrité des données	`Zero ratio`	Colonnes ou cellules nulles	Spectre tronqué	Normal	Export, saturation	count(X == 0) / count(finite X)alert = min(1, zero_ratio / 0.05)
Amplitude globale	`Mean reflectance`	Niveau moyen	Trop clair / fond visible	Trop sombre	Fond, géométrie	mean(X finite)alert reuses baseline/shape drift because absolute reflectance ranges are technology-dependent
Amplitude globale	`Area under curve`	Intensité globale	Différence d'éclairement	Normal	Distance sonde	trapezoid(mean_spectrum, spectral_axis)alert reuses baseline/shape drift because area scale depends on axis and units
Amplitude globale	`Peak-to-peak (PTP)`	Dynamique	Variabilité forte	Spectre plat	Saturation	max(mean_spectrum) - min(mean_spectrum)alert increases when dynamic range is abnormally flat
Amplitude globale	`Variance`	Variabilité spectrale	Normal ou hétérogène	Spectre plat	Mauvais contact	var(X finite)alert increases when variance/dynamic range is abnormally flat
Bruit	`Noise RMS`	Bruit haute fréquence	Bruité	Stable	Lampe, détecteur	median MAD(second derivative) * 1.4826 / sqrt(6)alert = noise_rms / signal_scale, saturated at 5%
Bruit	`SNR`	Qualité signal	Bon signal	Mauvais signal	Acquisition	mean(abs(X)) / noise_rmsalert decreases with SNR dB; >=40 dB is treated as low alert
Bruit	`Bandwise SNR`	Bruit localisé	Zone fiable	Zone problématique	Détecteur	min(abs(mean_spectrum) / local second-derivative noise)alert decreases with worst-band SNR dB; >=35 dB is treated as low alert
Artefacts locaux	`Spike count`	Pics étroits	Artefacts	Spectre propre	Cosmic rays, splice	count robust outliers in second derivativealert follows spike_rate, saturated at 1%
Artefacts locaux	`Spike rate`	Densité de pics	Spectre suspect	Normal	Interpolation	spike_count / (n_samples * (n_features - 2))alert = min(1, spike_rate / 0.01)
Artefacts locaux	`Jump count`	Discontinuités	Raccord détecteur	Continu	Splice	count robust outliers in first derivativealert follows jump_rate, saturated at 1%
Artefacts locaux	`Jump rate`	Fréquence de sauts	Problème spectral	Normal	Calibration	jump_count / (n_samples * (n_features - 1))alert = min(1, jump_rate / 0.01)
Artefacts locaux	`Clip fraction`	Saturation	Clipping	Normal	Détecteur saturé	fraction of finite cells equal to repeated min/max extremaalert = min(1, clip_fraction / 0.01)
Forme spectrale	`Baseline slope`	Pente globale	Dérive	Stable	Éclairement	linear slope of mean_spectrum over normalized axisalert = abs(slope / signal_scale), saturated at 0.5
Forme spectrale	`Curvature RMS`	Courbure	Forme inhabituelle	Lisse	Fond, splice	median RMS(second derivative per spectrum)alert = curvature_rms / signal_scale, saturated at 1%
Forme spectrale	`D1 RMS`	Variabilité locale	Spectre structuré	Plat	Biologie ou artefact	median RMS(first derivative per spectrum)alert = d1_rms / signal_scale, saturated at 5%
Outliers multivariés	`PCA Q (SPE)`	Non expliqué par PCA	Spectre atypique	Conforme	Artefact, mélange	p95(Q/SPE residual) / median(Q/SPE residual)alert = min(1, pca_q_ratio / 8)
Outliers multivariés	`Hotelling T²`	Extrême dans PCA	Extrême mais cohérent	Central	Variabilité naturelle	p95(Hotelling T2) / median(Hotelling T2)alert = min(1, hotelling_t2_ratio / 8)
Outliers multivariés	`Mahalanobis H`	Distance au nuage	Outlier global	Population normale	Domaine différent	p95(sqrt(T2)) / median(sqrt(T2))alert = min(1, mahalanobis_h_ratio / 4)
Comparaison à référence	`RMS to mean spectrum`	Distance moyenne	Spectre différent	Typique	Domain shift	p95 RMS distance to dataset mean spectrumalert = RMS_p95 / signal_scale, saturated at 25%
Comparaison à référence	`Spectral Angle Mapper (SAM)`	Différence de forme	Forme différente	Similaire	Fond, géométrie	p95 spectral angle to dataset mean spectrumalert = min(1, SAM_p95 / 0.35 rad)
Répétabilité	`RMS intra-ID`	Reproductibilité	Mauvaise répétabilité	Stable	Positionnement	median RMS distance to repeated-sample centroidalert = RMS_intra_ID / signal_scale, saturated at 10%
Répétabilité	`SAM intra-ID`	Variation de forme	Instable	Stable	Acquisition	median SAM to repeated-sample centroidalert = min(1, SAM_intra_ID / 0.15 rad)
Répétabilité	`CV intra-ID`	Variabilité interne	Mauvais contrôle	Stable	Opérateur	median within-ID band CValert = min(1, CV_intra_ID / 0.25)
Structure du dataset	`PCA score density`	Clusters	Sous-populations	Homogène	Lots différents	1 / median kNN distance in PCA score spacealert follows density_cv/profile structure complexity, not raw density alone
Structure du dataset	`Local Outlier Factor (LOF)`	Anomalie locale	Spectre isolé	Population normale	Cas rares	p95 approximate LOF from PCA-score kNN distancesalert = min(1, max(0, LOF_p95 - 1) / 2)
Structure du dataset	`Isolation Forest score`	Anomalie globale	Spectre atypique	Normal	Diverses causes	p95 IsolationForest anomaly score on PCA scoresalert follows structure complexity; raw score is implementation-dependent

Technology-specific extensions

Technologie	Adaptations / métriques	Anomalies ciblées	Commentaire pratique
UV-Vis 300-1000 nm	Baseline, pente globale, dérive aux bords 300-350 et 900-1000; métriques par zones	Lumière parasite, mauvais blanc, saturation, faible signal aux extrémités	Les bords sont souvent instables; calculer aussi des scores edge/middle.
UV-Vis 300-1000 nm	Saturation / clipping proche absorbance max ou réflectance max	Signal écrêté	Très important si absorption forte.
UV-Vis 300-1000 nm	Red-edge, position de maximum, ratios de bandes si végétal	Décalage biologique ou artefact optique	Aide à distinguer changement réel et problème d'acquisition.
UV-Vis 300-1000 nm	Smoothness / roughness index	Bruit haute fréquence	Souvent plus informatif que le SNR seul.
MIR / ATR-FTIR	ATR contact quality index: intensité globale, aire totale, profondeur des bandes clés	Mauvais contact cristal-échantillon	Crucial: beaucoup d'anomalies viennent du contact ATR.
MIR / ATR-FTIR	CO2 / H2O atmospheric bands	Mauvaise correction atmosphérique	Pics parasites fréquents.
MIR / ATR-FTIR	Baseline curvature / rubber-band residual	Diffusion, contact, dérive baseline	Très utile avant PCA.
MIR / ATR-FTIR	Peak position shift	Mauvais alignement spectral / calibration	Important en FTIR car de petits shifts comptent.
MIR / ATR-FTIR	Band area ratios sur bandes connues	Spectre chimiquement incohérent	À adapter par matrice: polysaccharides, protéines, lipides, etc.
HS-MS	Total Ion Current (TIC), Base Peak Intensity (BPI)	Injection faible, ionisation instable	Équivalent MS du niveau global spectral.
HS-MS	Nombre de pics détectés	Spectre pauvre ou trop bruité	Trop peu = mauvais signal; trop = bruit/contamination.
HS-MS	Mass accuracy / m/z drift	Problème calibration masse	Fondamental en HRMS.
HS-MS	Retention time drift si LC/GC-MS	Dérive chromatographique	À suivre sur standards/QC pools.
HS-MS	Blank contamination score	Contaminants / carry-over	Comparer échantillons vs blancs.
HS-MS	Internal standard CV	Variabilité instrumentale	Très robuste si standards disponibles.
HS-MS	Missingness par feature	Instabilité de détection	Crucial pour filtrer les variables.
Avec répétitions	RMS intra-échantillon	Répétabilité globale	Applicable à toutes les technologies.
Avec répétitions	SAM / corrélation intra-échantillon	Répétabilité de forme	Très utile pour spectres.
Avec répétitions	CV intra-échantillon par bande / feature	Répétabilité locale	Détecte les zones instables.
Avec répétitions	ICC ou variance components	Part variance échantillon vs technique	Très utile si plusieurs répétitions par sample.
Avec répétitions	Distance au centroïde intra-ID	Répétition aberrante	Permet de flagger la mauvaise répétition plutôt que le sample entier.

Bug-hunting / supervised audits

Famille de bug potentiel	Méthodes à ajouter	Ce que ça détecte	État dans l’explorateur
Shift spectral global	Corrélation spectre moyen inter-dataset, DTW, cross-correlation, comparaison positions de pics	Décalage en longueur d'onde, mauvais alignement, interpolation différente	Partiellement calculé: cross-correlation lag et dispersion des positions de pics vs spectre moyen.
Baseline / offset / gain	Régression chaque spectre vs spectre moyen: x = a + b ref + residual; suivi de a, b, RMS résiduel	Offset additif, effet multiplicatif, dérive de baseline	Calculé dans reference.affine_*.
Mélange de lignes / mauvais appariement X-M-Y	Vérification index, hash des lignes, duplication ID, distance spectrale intra-ID, labels incohérents	Lignes mélangées, metadata mal alignées, Y attribué au mauvais spectre	Partiellement couvert par répétabilité intra-ID; checks index/hash à ajouter au pipeline canonical.
Fuite d'information / répétitions mal splitées	GroupKFold par sample_id vs StratifiedKFold random; audit des partitions par sample_id	Performance artificiellement bonne due aux répétitions	Nécessite splits et benchmark modèle; non calculé par la carte descriptive.
Label bugs	Échantillons proches en X mais Y différents, confident learning, erreurs systématiques FP/FN	Y inversés, erreurs de saisie, classes ambiguës	Nécessite Y et/ou modèle; recommandé pour l'explorateur supervisé.
Sous-domaines cachés	PCA/UMAP/t-SNE + clustering non supervisé + association avec dataset/Y/date/operator	Lots, campagnes, sondes, backgrounds non renseignés	Partiellement calculé par structure PCA/LOF; UMAP/t-SNE hors carte statique.
Artefacts localisés inconnus	Carte wavelength x dataset: différence moyenne, différence variance, KS par longueur d'onde	Régions spectrales anormales non anticipées	À calculer au niveau banque quand plusieurs datasets partagent un axe spectral.
Ruptures instrumentales	Discontinuités dans dérivées, changepoint detection	Splice, raccord détecteur, saut local non prévu	Calculé par jump/spike rates; changepoint plus avancé à ajouter.
Mélange / contamination spectrale	NMF / unmixing / reconstruction par convex hull	Composante externe: fond, plastique, sol	Non calculé automatiquement; nécessite hypothèses de composants ou grande bibliothèque.
Features instables mais prédictives	Importance modèle vs instabilité QC par variable	Modèle qui apprend un artefact plutôt qu'un signal biologique	Nécessite modèle supervisé; recommandé pour rapports de benchmark.

Variables

Targets 43

acidity_usda_a795_cmolc_kg

target · numeric

n / missing	85,669 / 57,221
Mean ± SD	15.35 ± 25.2
Median	7.455
Range	0 – 282.7
CV	1.64
Skew / kurtosis	4.1 / 20
Normal?	no

aggstb_usda_a1_w_pct

target · numeric

n / missing	85,669 / 82,452
Mean ± SD	37.04 ± 30.4
Median	28
Range	0 – 106
CV	0.82
Skew / kurtosis	0.51 / -1.1
Normal?	no

al_dith_usda_a65_w_pct

target · numeric

n / missing	85,669 / 54,846
Mean ± SD	0.1958 ± 0.312
Median	0.1074
Range	0 – 7.704
CV	1.6
Skew / kurtosis	7.1 / 97
Normal?	no

al_ext_usda_a1056_mg_kg

target · numeric

n / missing	85,669 / 84,203
Mean ± SD	900.5 ± 781
Median	767.6
Range	0 – 6748
CV	0.867
Skew / kurtosis	1.6 / 6
Normal?	no

al_ext_usda_a69_cmolc_kg

target · numeric

n / missing	85,669 / 71,508
Mean ± SD	2.33 ± 3.52
Median	1.059
Range	0 – 63.01
CV	1.51
Skew / kurtosis	4.1 / 31
Normal?	no

al_ox_usda_a59_w_pct

target · numeric

n / missing	85,669 / 57,670
Mean ± SD	0.2591 ± 0.5
Median	0.1213
Range	0 – 8.802
CV	1.93
Skew / kurtosis	6.9 / 70
Normal?	no

awc_33_1500kPa_usda_c80_w_frac

target · numeric

n / missing	85,669 / 69,747
Mean ± SD	0.1538 ± 0.0723
Median	0.1441
Range	0 – 0.784
CV	0.47
Skew / kurtosis	1.4 / 5
Normal?	no

bd_usda_a4_g_cm3

target · numeric

n / missing	85,669 / 36,164
Mean ± SD	1.161 ± 0.416
Median	1.272
Range	0.00877 – 8.102
CV	0.358
Skew / kurtosis	-0.93 / 2.1
Normal?	no

c_tot_usda_a622_w_pct

target · numeric

n / missing	85,669 / 0
Mean ± SD	6.762 ± 13
Median	1.538
Range	0 – 78.45
CV	1.93
Skew / kurtosis	2.5 / 5.1
Normal?	no

ca_ext_usda_a1059_mg_kg

target · numeric

n / missing	85,669 / 84,203
Mean ± SD	5392 ± 9.07e+03
Median	2056
Range	3.094 – 4.472e+04
CV	1.68
Skew / kurtosis	2.7 / 6.8
Normal?	no

ca_ext_usda_a722_cmolc_kg

target · numeric

n / missing	85,669 / 33,064
Mean ± SD	22.08 ± 32.6
Median	11.81
Range	0 – 410.4
CV	1.48
Skew / kurtosis	4.2 / 28
Normal?	no

caco3_usda_a54_w_pct

target · numeric

n / missing	85,669 / 52,831
Mean ± SD	6.961 ± 12.4
Median	0.8472
Range	8e-05 – 98.22
CV	1.79
Skew / kurtosis	3 / 12
Normal?	no

cec_usda_a723_cmolc_kg

target · numeric

n / missing	85,669 / 33,069
Mean ± SD	21.41 ± 23.6
Median	15.72
Range	0 – 584.6
CV	1.1
Skew / kurtosis	3.6 / 23
Normal?	no

cf_usda_c236_w_pct

target · numeric

n / missing	85,669 / 30,557
Mean ± SD	8.181 ± 16.6
Median	0.2201
Range	0 – 100
CV	2.03
Skew / kurtosis	2.6 / 6.3
Normal?	no

clay_tot_usda_a334_w_pct

target · numeric

n / missing	85,669 / 36,285
Mean ± SD	22.88 ± 16.1
Median	20.94
Range	0 – 96.14
CV	0.705
Skew / kurtosis	0.85 / 0.57
Normal?	no

cu_ext_usda_a1063_mg_kg

target · numeric

n / missing	85,669 / 84,203
Mean ± SD	2.529 ± 3.55
Median	1.701
Range	0 – 77.82
CV	1.4
Skew / kurtosis	8.2 / 1.4e+02
Normal?	no

ec_usda_a364_ds_m

target · numeric

n / missing	85,669 / 54,376
Mean ± SD	2.941 ± 12.3
Median	0.26
Range	0 – 313.1
CV	4.19
Skew / kurtosis	8.4 / 90
Normal?	no

efferv_usda_a479_class

target · categorical

n / missing	85,669 / 2,701
Classes	5
Balance (entropy)	0.72
Imbalance ratio	1e+01
Top class	none (51,856)

fe_dith_usda_a66_w_pct

target · numeric

n / missing	85,669 / 54,843
Mean ± SD	1.25 ± 1.6
Median	0.8239
Range	0 – 28.44
CV	1.28
Skew / kurtosis	4.5 / 37
Normal?	no

fe_ext_usda_a1064_mg_kg

target · numeric

n / missing	85,669 / 84,203
Mean ± SD	136.6 ± 153
Median	95.56
Range	0 – 2708
CV	1.12
Skew / kurtosis	6.4 / 80
Normal?	no

fe_ox_usda_a60_w_pct

target · numeric

n / missing	85,669 / 57,671
Mean ± SD	0.4203 ± 0.624
Median	0.2436
Range	0 – 22.27
CV	1.49
Skew / kurtosis	9.4 / 2.1e+02
Normal?	no

k_ext_usda_a1065_mg_kg

target · numeric

n / missing	85,669 / 84,203
Mean ± SD	187 ± 194
Median	141.4
Range	0 – 3051
CV	1.04
Skew / kurtosis	4.5 / 42
Normal?	no

k_ext_usda_a725_cmolc_kg

target · numeric

n / missing	85,669 / 33,066
Mean ± SD	0.6649 ± 1.04
Median	0.3659
Range	0 – 32.33
CV	1.56
Skew / kurtosis	6.8 / 1e+02
Normal?	no

mg_ext_usda_a1066_mg_kg

target · numeric

n / missing	85,669 / 84,203
Mean ± SD	485.5 ± 524
Median	324.7
Range	0 – 5609
CV	1.08
Skew / kurtosis	2.6 / 15
Normal?	no

mg_ext_usda_a724_cmolc_kg

target · numeric

n / missing	85,669 / 33,064
Mean ± SD	5.425 ± 8.36
Median	2.857
Range	0 – 172.6
CV	1.54
Skew / kurtosis	5.1 / 45
Normal?	no

mn_ext_usda_a1067_mg_kg

target · numeric

n / missing	85,669 / 84,203
Mean ± SD	74.21 ± 79.1
Median	49.77
Range	0 – 544.2
CV	1.07
Skew / kurtosis	2.1 / 6
Normal?	no

mn_ext_usda_a70_mg_kg

target · numeric

n / missing	85,669 / 71,511
Mean ± SD	14.39 ± 111
Median	1.028
Range	0 – 9787
CV	7.72
Skew / kurtosis	53 / 4.3e+03
Normal?	no

n_tot_usda_a623_w_pct

target · numeric

n / missing	85,669 / 1
Mean ± SD	0.347 ± 0.634
Median	0.121
Range	0 – 41.9
CV	1.83
Skew / kurtosis	11 / 5.3e+02
Normal?	no

na_ext_usda_a1068_mg_kg

target · numeric

n / missing	85,669 / 84,203
Mean ± SD	187.4 ± 779
Median	26.35
Range	0 – 1.521e+04
CV	4.16
Skew / kurtosis	9.9 / 1.3e+02
Normal?	no

na_ext_usda_a726_cmolc_kg

target · numeric

n / missing	85,669 / 33,066
Mean ± SD	3.913 ± 23.4
Median	0
Range	0 – 868.4
CV	5.97
Skew / kurtosis	12 / 2e+02
Normal?	no

oc_usda_c729_w_pct

target · numeric

n / missing	85,669 / 0
Mean ± SD	6.434 ± 13.1
Median	1.124
Range	0 – 78.45
CV	2.04
Skew / kurtosis	2.5 / 5.1
Normal?	no

p_ext_usda_a1070_mg_kg

target · numeric

n / missing	85,669 / 60,267
Mean ± SD	31.74 ± 162
Median	11.56
Range	0 – 2.443e+04
CV	5.09
Skew / kurtosis	1.4e+02 / 2e+04
Normal?	no

p_ext_usda_a270_mg_kg

target · numeric

n / missing	85,669 / 78,555
Mean ± SD	20.12 ± 45.8
Median	4.919
Range	0 – 1437
CV	2.28
Skew / kurtosis	10 / 2.1e+02
Normal?	no

p_ext_usda_a274_mg_kg

target · numeric

n / missing	85,669 / 70,446
Mean ± SD	13.79 ± 21.9
Median	5.784
Range	0 – 686.3
CV	1.59
Skew / kurtosis	6.5 / 1.2e+02
Normal?	no

ph_cacl2_usda_a481_index

target · numeric

n / missing	85,669 / 33,413
Mean ± SD	5.897 ± 1.38
Median	5.71
Range	2.14 – 10.68
CV	0.234
Skew / kurtosis	0.19 / -0.96
Normal?	no

ph_h2o_usda_a268_index

target · numeric

n / missing	85,669 / 33,491
Mean ± SD	6.4 ± 1.31
Median	6.27
Range	1.97 – 10.7
CV	0.205
Skew / kurtosis	0.081 / -0.82
Normal?	no

s_tot_usda_a624_w_pct

target · numeric

n / missing	85,669 / 3
Mean ± SD	0.1636 ± 0.974
Median	0.01417
Range	0 – 25.24
CV	5.95
Skew / kurtosis	13 / 2e+02
Normal?	no

sand_tot_usda_c60_w_pct

target · numeric

n / missing	85,669 / 36,276
Mean ± SD	38.06 ± 29
Median	32.4
Range	0.1 – 100
CV	0.761
Skew / kurtosis	0.5 / -0.96
Normal?	no

silt_tot_usda_c62_w_pct

target · numeric

n / missing	85,669 / 36,275
Mean ± SD	39.06 ± 20.4
Median	39.3
Range	0 – 94.5
CV	0.521
Skew / kurtosis	0.0021 / -0.79
Normal?	no

wr_10kPa_usda_a414_w_pct

target · numeric

n / missing	85,669 / 82,636
Mean ± SD	31.96 ± 27.9
Median	28.73
Range	0.6781 – 540
CV	0.873
Skew / kurtosis	6.8 / 77
Normal?	no

wr_1500kPa_usda_a417_w_pct

target · numeric

n / missing	85,669 / 45,973
Mean ± SD	14.74 ± 16.3
Median	11.51
Range	0.02004 – 244.2
CV	1.11
Skew / kurtosis	4.5 / 28
Normal?	no

wr_33kPa_usda_a415_w_pct

target · numeric

n / missing	85,669 / 67,408
Mean ± SD	26.8 ± 28.6
Median	23.54
Range	0.2564 – 2125
CV	1.07
Skew / kurtosis	27 / 1.7e+03
Normal?	no

zn_ext_usda_a1073_mg_kg

target · numeric

n / missing	85,669 / 84,203
Mean ± SD	2.345 ± 9.1
Median	0.9044
Range	0 – 314.7
CV	3.88
Skew / kurtosis	28 / 9.5e+02
Normal?	no

Metadata 9

ID_sample

metadata · categorical

n / missing	85,669 / 0
Classes	85,669
Balance (entropy)	1
Imbalance ratio	1
Top class	28a0c9c0d533319c0bf38f2abb3eca72 (1)

scan_local_id

metadata · categorical

n / missing	85,669 / 0
Classes	85,669
Balance (entropy)	1
Imbalance ratio	1
Top class	100533XS (1)

upper_depth_cm

metadata · numeric

n / missing	85,669 / 415
Mean ± SD	33.25 ± 44.2
Median	17
Range	0 – 1,148
CV	1.33
Skew / kurtosis	3.6 / 42
Normal?	no

lower_depth_cm

metadata · numeric

n / missing	85,669 / 3,010
Mean ± SD	56.24 ± 54.8
Median	40
Range	0 – 1,219
CV	0.975
Skew / kurtosis	2.5 / 22
Normal?	no

texture_class

metadata · categorical

n / missing	85,669 / 52,368
Classes	992
Balance (entropy)	0.55
Imbalance ratio	4,675
Top class	Silt loam (4,675)

pedon_taxa

metadata · categorical

n / missing	85,669 / 49,742
Classes	3,354
Balance (entropy)	0.93
Imbalance ratio	256
Top class	Mixed, thermic Lamellic Ustipsamment (256)

horizon_designation

metadata · categorical

n / missing	85,669 / 17,549
Classes	2,752
Balance (entropy)	0.61
Imbalance ratio	5,969
Top class	A (5,969)

raw_label

metadata · categorical

n / missing	85,669 / 0
Classes	15,326
Balance (entropy)	0.87
Imbalance ratio	392
Top class	0.1 (392)

reference_value

metadata · numeric

n / missing	85,669 / 0
Mean ± SD	6.434 ± 13.1
Median	1.124
Range	0 – 78.45
CV	2.04
Skew / kurtosis	2.5 / 5.1
Normal?	no

Constant metadata 19

SpectralRep1
datasetOSSL snapshot v1.2
collection_nameossl_visnir
dataset_codeKSSL.SSL
dataset_titleKellogg Soil Survey Laboratory database
dataset_ownerUSDA, Soil and Plant Science Division, National Soil Survey Center
dataset_slugKSSL.SSL
task_typeregression
trait_headeroc_usda_c729_w_pct
trait_header_originaloc_usda.c729_w.pct
spectral_kindvisnir
scan_model_nameASD Labspec 2500
scan_model_codeASD_Labspec_2500
scan_opticsASD MugLight
scan_preparationSieved <2 mm
country_iso3166USA
feature_count_per_dimension1,076
dimensions1D
wavelength_noteossl_visnir_350_2500_nm_step_2

13 variable(s) omitted (no recorded values).

Alignment

Alignment level	observation
Sample id available	no
Samples	85,669
Observations (total)	85,669
Reps per sample	min 1 · mean 1 · max 1

Splits

original	all: 85,669 documented · not applied

Provenance & citation

Contributor	NIRS DB
Origin · url [open]	https://storage.googleapis.com/soilspec4gg-public/ossl_soillab_L1_v1.2.csv.gz
Origin · url [open]	https://storage.googleapis.com/soilspec4gg-public/ossl_visnir_L0_v1.2.csv.gz
Origin · url [open]	https://storage.googleapis.com/soilspec4gg-public/ossl_soilsite_L0_v1.2.csv.gz
Origin · script [manual]	source_to_standard.py — standardization script (maintainer-only)

Governance & integrity

Tier	private
License	LicenseRef-not-cleared
Permitted use	Research and benchmarking; private use only.
Access policy	Manual download / private-use-only per source.
Redistribution	Recovered from local initial-source exports; rights not cleared for redistribution.
Content version	1.0.0
Schema / protocol	2.0
Content hash	`c857c70182fcfa21…`
Processing hash	`17054ad7e45f3ff9…`
Metadata hash	`f1f9b6ab70224d7a…`

Load this dataset

# pip install nirs4all-datasets
from nirs4all_datasets import get

# private dataset — export requires a Dataverse token
ds = get("ossl_kellogg_visnir_soil_all_y", token="…")
X, y = ds.x(), ds.y()
print(X.shape, y.shape)

Metadata downloads are available for public datasets only. The dataset bytes are never served here — fetch them from the origin / DOI above.