Data för: Konsekvenser av marktäckeklassificering för övervakning av kol i marken – jämförelse mellan LUCAS och svenska markinventeringar Data for: Implications of land cover classification on soil carbon monitoring – comparing LUCAS and Swedish soil inventories 2025-364-1 SLU.ekol.2026.4.2.IÄ-2 https://doi.org/10.5878/8vhz-5314 Swedish National Data Service Svensk nationell datatjänst Landing page Data för: Konsekvenser av marktäckeklassificering för övervakning av kol i marken – jämförelse mellan LUCAS och svenska markinventeringar Data for: Implications of land cover classification on soil carbon monitoring – comparing LUCAS and Swedish soil inventories 2025-364-1 SLU.ekol.2026.4.2.IÄ-2 https://doi.org/10.5878/8vhz-5314 10.1111/ejss.70369 Lang, Rong Lang, Rong Bolinder, Martin A. Bolinder, Martin A. Wetterlind, Johanna Wetterlind, Johanna Sjöstedt, Carin Sjöstedt, Carin Karltun, Erik Karltun, Erik Lundblad, Mattias Lundblad, Mattias Meurer, Katharina H. E. Meurer, Katharina H. E. Herrmann, Anke M. Herrmann, Anke M. Kätterer, Thomas Kätterer, Thomas 4.5.17-05890/2024 4.5.17-05890/2024 2022-00214_Formas 2022-00214_Formas 2022-00307_Formas 2022-00307_Formas Swedish National Data Service Svensk nationell datatjänst Landing page comparison jämförelse soil carbon inventory environmental monitoring miljöövervakning Land cover Landtäcke land cover land use Environment Miljö The dataset contains two data files (LUCAS_BlockParcel_compiled_F.tsv and InventoriesSE_F.tsv) underlying the manuscript comparing the Land Use/Land Cover Area Frame Survey (LUCAS) and the Swedish national soil inventory on agricultural soils. Both data files are compiled files: LUCAS_BlockParcel_compiled_F.tsv is based on LUCAS and the Swedish Land Parcel Identification System (LPIS), while InventoriesSE_F.tsv is based on the Swedish crop and soil inventory on arable land (SLU environmental monitoring and assessment; agricultural landscapes programme) and the Swedish forest inventory (SLU environmental monitoring and assessment; forests programme), which covers semi-natural grassland. LUCAS_BlockParcel_compiled_F.tsv: 93 columns, 188 rows Raw LUCAS land cover and 0-20 cm topsoil dataset for the years 2009, 2015 and 2018 were obtained from the European Soil Data Centre. We filtered the dataset to include only sampling points classified as cropland or grassland in the Land Cover column, resulting in 187 resampled locations in Sweden. Agricultural blocks and parcel database are obtained from Block and parcel database were downloaded from the Swedish Board of Agriculture (https://jordbruksverket.se/e-tjanster-databaser-och-appar/e-tjanster-och-databaser-stod/kartor-och-gis, accessed in July 2025). We created LUCAS soil sampling points layers using GPS coordinates and projected to SWEREF99 TM to do spatial join with block and parcel database. The geospatial block database (jordbruksblock) delineates farmers’ agricultural blocks based on land types (ägoslag), while the parcel database (jordbruksskifte or skifte) further divides the blocks into parcels that contain attributes of crop type, growing area and type of support, etc. (Widén-Nilsson et al., 2025). Because the routine for updating the block database and the year it represents changed in 2009, the block from the following year should be used to match the crop data for 2009 onward, and any unmatched records should subsequently be matched with the block dataset from the same year (Widén-Nilsson et al., 2025). Thus, we spatially joined LUCAS sampling points from 2009, 2015, and 2018 with the block database to obtain land type attributes. Before 2012, the parcel database had very limited spatial coverage of agricultural land. However, crop information for parcels applying for support was available as text files. These files could be matched with the block database using the block ID to identify which crops were grown within each block. Crop data were added as follows: for 2009, we extracted all parcels associated with each LUCAS sampling location using Block IDs and calculated the crop composition per block based on cultivated area; for 2015 and 2018, crop type attributes were added directly via spatial join with the parcel database. The geodesic distances for the same point between sampling rounds were calculated. Spatial data processing was conducted in ArcGIS Pro with arcpy. Changes in soil organic carbon (SOC) content between sampling year 2009, 2015 and 2018 were calculated. InventoriesSE_F.tsv: 25 columns, 1734 rows The Swedish Soil and Crop Inventory on arable land began its second sampling cycle (2001-2007) with the recording of precise geographic coordinates, and a decade later (2011-2017), the same locations were resampled for 0-20 cm soil depth, resulting in 1,821 revisited sampling points. The Swedish Semi-Natural Grassland Inventory sampled soil at 0-10 cm depth, with 63 revisited sampling points available during the two similar inventory periods (2003-2009 and 2013-2019). To enable a direct comparison of SOC change estimates focusing on mineral soils, we further excluded sampling points located on organic soils, with high carbonate content (SOC > 16%, CaCO3 > 5%) and those missing particle size data from the two national inventories. SOC was reported as a percentage of soil mass, and changes in SOC were expressed as the absolute difference in percentage throughout this study. Data has been generated as part of SLU's environmental monitoring and assessment from the Soil and Crop Inventory (Agricultural Lanscapes) and the Swedish Forest Soil Inventory (Forest Landscapes) programs. Datasetet innehåller två datafiler (LUCAS_BlockParcel_compiled_F.tsv och InventoriesSE_F.tsv) som ligger till grund för manuskriptet som jämför Land Use/Land Cover Area Frame Survey (LUCAS) och den svenska nationella markinventeringen på jordbruksmark. Båda datafilerna är kompilerade filer: LUCAS_BlockParcel_compiled_F.tsv bygger på LUCAS och det svenska systemet för identifiering av fastighetsenheter (LPIS), medan InventoriesSE_F.tsv bygger på den svenska Mark- och grödoinventeringen på åkermark (SLU miljöanalys; program jordbrukslandskap) samt den svenska skogsinventeringen (SLU miljöanalys; program skog), som omfattar halvnaturliga gräsmarker. LUCAS_BlockParcel_compiled_F.tsv: 93 kolumner, 188 rader Rådata från LUCAS för marktäcke och 0–20 cm matjord för åren 2009, 2015 och 2018 erhölls från European Soil Data Centre. Vi filtrerade datasetet för att endast inkludera provtagningspunkter klassificerade som åkermark eller gräsmark i kolumnen Land Cover, vilket resulterade i 187 återbesökta provtagningsplatser i Sverige. Jordbruksblock och skiften hämtades från Block- och skiftesdatabasen som laddades ner från Jordbruksverket (https://jordbruksverket.se/e-tjanster-databaser-och-appar/e-tjanster-och-databaser-stod/kartor-och-gis, hämtad i juli 2025). Vi skapade ett LUCAS jordprovtagningspunktslager med hjälp av GPS-koordinater och projicerade det till SWEREF99 TM för att göra en spatial sammanfogning med block- och skiftesdatabasen. Den geospatiala blockdatabasen (jordbruksblock) avgränsar lantbrukarnas jordbruksblock baserat på marktyper (ägoslag), medan skiftesdatabasen (jordbruksskifte eller skifte) vidare delar upp blocken i skiften som innehåller attribut för grödtyp, odlingsområde och typ av stöd, etc. (Widén-Nilsson et al., 2025). Eftersom rutinen för att uppdatera blockdatabasen och det år den representerar ändrades 2009, bör blocket från efterföljande år användas för att matcha gröddata för 2009 och framåt, och eventuella omatchade dataposter bör därefter matchas med blockdatasetet från samma år (Widén-Nilsson et al., 2025). Därför sammanfogade vi spatialt LUCAS provtagningspunkter från 2009, 2015 och 2018 med blockdatabasen för att bestämma ägoslag. Före 2012 hade skiftesdatabasen mycket begränsad spatial täckning av jordbruksmark. Information om grödor för skiften som lantbrukarna ansökte om stöd för var dock tillgänglig som textfiler. Dessa filer kunde matchas med blockdatabasen med hjälp av block-ID för att identifiera vilka grödor som odlades inom varje block. Data för grödor lades till enligt följande: för 2009 extraherade vi alla skiften som var associerade med varje provtagningsplats i LUCAS med hjälp av block-ID och beräknade grödornas sammansättning för varje block baserat på odlad areal; för 2015 och 2018 lades en attribut för grödtyp till direkt via en spatial sammanfogning med skiftesdatabasen. De geodetiska avstånden för samma punkt mellan omdreven beräknades. Spatial databehandling utfördes i ArcGIS Pro med paketet arcpy. Förändringar i matjordens kolkoncentrationer mellan provtagningsåren 2009, 2015 och 2018 beräknades. InventoriesSE_F.tsv: 25 kolumner, 1734 rader Den svenska Mark- och grödoinventeringen på åkermark började att registrera exakta geografiska koordinater i det andra omdrevet (2001-2007), och ett decennium senare (2011-2017) togs prover på samma platser för 0-20 cm matjord, vilket resulterade i 1 821 återbesökta provtagningspunkter. Den svenska Markinventeringen (skogsmark) omfattar naturbetesmarker, som analyserar jordprover för 0-10 cm djup; 63 återbesökta provtagningspunkter är tillgängliga under de två liknande inventeringsperioderna (2003-2009 och 2013-2019). För att möjliggöra en direkt jämförelse av förändringar i kolkoncentrationer i enbart mineraljordar uteslöt vi också från båda inventeringarna provtagningspunkterna på organogena jordar eller de med hög karbonathalt (kolhalt > 16 %, CaCO3 > 5 %), samt de som saknade data för textur. Kolhalten rapporterades i viktprocent av jordmassan, och förändringar i kolkoncentrationer uttrycktes som den absoluta skillnaden i procentenheter genom hela studien. Data har genererats som en del av SLU:s miljöövervakning och bedömning från Mark- och grödoinventeringen (Jordbrukslandskap) och svenska Markinventeringen (skogsmark) (Skogslandskap). 2001 2019 Sweden Sverige OtherOther ÖvrigtÖvrigt Numeric Text Geospatial We filtered the LUCAS dataset to sampling points classified as cropland or grassland, yielding 187 resampled locations in Sweden, and retrieved land type and crop type from LPIS. We further excluded data points on organic soils (SOC>16%), high carbonates content (CaCO3>5%) or missing particle size data across LUCAS and Swedish national soil inventories to focus on SOC change in mineral soils of agricultural land in Sweden. LUCAS dataset were obtained from were obtained from the European Soil Data Centre (https://esdac.jrc.ec.europa.eu/projects/lucas, see Tóth et al. (2013) for detailed survey methodology) , LPIS was obtained from the Swedish Board of Agriculture (https://jordbruksverket.se/e-tjanster-databaser-och-appar/e-tjanster-och-databaser-stod/kartor-och-gis) and Swedish national soil inventories were acquired from the data host at SLU (https://www.slu.se/en/about-slu/organisation/departments/soil-environment/environmental-monitoring/).We filtered the LUCAS dataset to sampling points classified as cropland or grassland, yielding 187 resampled locations in Sweden, and retrieved land type and crop type from LPIS. We further excluded data points on organic soils (SOC>16%), high carbonates content (CaCO3>5%) or missing particle size data across LUCAS and Swedish national soil inventories to focus on SOC change in mineral soils of agricultural land in Sweden. LUCAS dataset were obtained from were obtained from the European Soil Data Centre (https://esdac.jrc.ec.europa.eu/projects/lucas, see Tóth et al. (2013) for detailed survey methodology) , LPIS was obtained from the Swedish Board of Agriculture (https://jordbruksverket.se/e-tjanster-databaser-och-appar/e-tjanster-och-databaser-stod/kartor-och-gis) and Swedish national soil inventories were acquired from the data host at SLU (https://www.slu.se/en/about-slu/organisation/departments/soil-environment/environmental-monitoring/). OtherOther ÖvrigtÖvrigt We compiled and analyzed the LUCAS soil, Swedish LPIS and national soil inventories in this study. We added land type and crop type to LUCAS resampled points by spatial join the LPIS.We compiled and analyzed the LUCAS soil, Swedish LPIS and national soil inventories in this study. We added land type and crop type to LUCAS resampled points by spatial join the LPIS. Compilation/SynthesisCompilation/Synthesis Kompilering/SyntesKompilering/Syntes Access to data through SND. Data are freely accessible. Åtkomst till data via SND. Data är fritt tillgängliga. openAccess