一个精心挑选的实验数据集，包含了基于生物聚合物的双添加剂稳定技术在细粒土壤上的UCS和CBR结果 作者：Abolfazl Baghbani、Delaram Bahrampour、Ahmad Moballegh 和 Firas Daghistani

《Data》：A Curated Experimental Dataset of UCS and CBR Results from Biopolymer-Based Two-Additive Stabilisation Studies on Fine-Grained Soils Abolfazl Baghbani, Delaram Bahrampour, Ahmad Moballegh and Firas Daghistani

　　摘要：关于土壤稳定化的已发表实验室数据非常丰富，但这些数据在不同研究之间仍然分散，且由于报告格式不一致、测试条件多样以及元数据不完整，往往难以重复使用。本文介绍了一个经过精心整理的实验数据集，该数据集来自20项关于细粒土壤的研究，包含560条记录，其中397条是无侧限抗压强度（UCS）结果，163条是加州承载比（CBR）结果。该数据集的特点是包含了基于生物聚合物的双添加剂稳定化框架的实验室研究，同时有意保留了在同一实验项目中报告的未经处理和单一添加剂的对比记录。这种设计是数据集的一个关键特点，因为它能够在可追溯的研究背景下分析土壤的基线行为、单一添加剂的效果以及复合添加剂的效果。在所包含的研究中，处理系统涵盖了多种生物聚合物和木质素相关材料，如黄原胶、瓜尔胶、壳聚糖、木质素磺酸钠和电解质木质素稳定剂，以及水泥、石灰、粉煤灰、磨细的高炉矿渣、稻壳灰、玻璃粉、混凝土废弃物、纳米添加剂和天然或合成纤维等辅助添加剂。除了UCS和CBR结果外，数据集还保留了进行有意义二次利用所需的关键背景变量，包括土壤分类、粒径分布、阿特伯格限值、压实性能、固化时间、添加剂类型和用量以及来源级别的可追溯性。数据以结构化的Excel工作簿形式提供，包括两个专门的结果表格（CBR_clean和UCS_clean）和四个支持文档表格（StudyInventory、DataDictionary、VocabularyMap和QC_Log）。保留了记录级别的标识符、DOI链接的来源字段、推断的固化标志和合格的成果描述符，以支持审计性、选择性过滤和可复制的再利用。该数据集为稳定化策略的比较评估、路面和路基工程设计研究、元分析以及岩土工程中的机器学习应用提供了实用的基础。

数据集链接：https://doi.org/10.5281/zenodo.19242690
数据集许可：CC-BY 3.0

1. 摘要
大多数已发表的土壤稳定化实验数据集主要集中在使用单一添加剂的土壤上，而能够捕捉双添加剂或混合稳定化系统行为的结构化数据集仍然很少。这代表了一个重要的空白，因为越来越多的研究正在探索组合处理框架，以通过互补或潜在的协同效应来提高工程性能。在这种情况下，生物聚合物由于其生物基来源、相对于许多传统粘合剂的较低环境负担以及改善问题土壤的机械和水力性能的能力而成为一类有前景的可持续土壤稳定剂。因此，基于生物聚合物的稳定化在岩土工程和路面工程中越来越受到关注，特别是在开发低碳和更环保的地面改进策略方面。然而，关于基于生物聚合物的稳定化系统的实验证据，尤其是涉及双添加剂组合的数据，仍然分散在各个单独的出版物中，很少以适合系统比较、结构化再利用或数据驱动建模的格式进行组织。

在稳定化土壤研究中报告的最重要的工程响应变量之一是无侧限抗压强度（UCS）和加州承载比（CBR）。UCS广泛用于量化处理后土壤的强度发展、刚度改善和整体机械性能的提升，而CBR是衡量承载能力和路面应用中路基适用性的关键指标。尽管这些指标很重要，但基于生物聚合物的双添加剂系统的UCS和CBR结果仍然分散，这限制了跨研究的比较，并使得难以分析处理响应如何随土壤类型、添加剂组合、用量、固化时间、含水量-密度条件和测试条件而变化。为了解决这一空白，本文提出了一个包含560条记录的精心整理的实验数据集，这些记录来自20项已发表的实验室研究，其中397条是UCS记录，163条是CBR记录。该数据集基于围绕细粒土壤的生物聚合物双添加剂稳定化框架设计的实验室研究进行定义。重要的是，数据集还保留了在同一实验项目中报告的未经处理的对照组和单一添加剂的对比记录。这一特点使其能够在可追溯的实验背景下比较土壤的基线行为、单一添加剂的效果以及复合添加剂的效果，而不仅仅是限制再利用于双重处理的样本。

在所包含的研究中，数据集涵盖了使用黄原胶、瓜尔胶、壳聚糖、木质素磺酸钠和电解质木质素稳定剂等生物聚合物和木质素相关剂处理的多种细粒、高塑性及膨胀性土壤，以及水泥、石灰、粉煤灰、磨细的高炉矿渣、稻壳灰、玻璃粉、混凝土废弃物、纳米添加剂和天然或合成纤维等辅助添加剂。除了两个目标结果外，数据集还保留了一整套用于有意义二次分析和预测建模的输入变量，包括土壤组成和分类（例如沙子、粉砂和粘土成分、USCS等级、阿特伯格限值、比重和粒径描述符）、与压实相关的属性（例如未经处理和处理后土壤的最佳含水量和最大干密度）、混合物描述符（例如添加剂类型、比重、用量、相关纤维长度以及处理后混合物的密度/含水量变量），以及固化 and 来源可追溯性信息。数据以结构化的Excel工作簿形式提供，包括两个专门的结果表格（CBR_clean和UCS_clean）和四个支持文档表格（StudyInventory、DataDictionary、VocabularyMap和QC_Log）。保留了记录级别的标识符、DOI链接的参考字段、推断的固化标志和合格的测试条件描述符，以支持审计性、选择性过滤和可复制的再利用。该数据集为稳定化策略的比较评估、路面和路基工程设计研究、元分析以及岩土工程中的机器学习应用提供了实用的基础。

**研究背景**
本研究中的数据集汇编了报告细粒和膨胀性土壤无侧限抗压强度（UCS）和加州承载比（CBR）结果的已发表实验室研究。其范围是在研究层面定义的，而不是在单个记录层面：只包含了围绕生物聚合物双添加剂稳定化框架设计的实验项目，同时有意保留了这些研究中报告的未经处理和单一添加剂的对比记录。这一设计是数据集的一个关键特点，因为它能够在可追溯的实验背景下检查土壤的基线行为、单一添加剂的效果以及复合添加剂的效果。

UCS和CBR是土壤稳定化研究中报告最广泛的工程性能指标之一[1]。UCS通常用于评估处理后土壤在轴向压缩下的强度发展，而CBR则用于评估路面应用的承载能力和路基适用性[2,3]。由于这两个指标在广泛的实验室稳定化研究中被反复报告，当与土壤塑性、压实状态、添加剂用量和固化时间等支持描述符一起解释时，它们为跨研究比较提供了实用的基础。
当前数据集包括的各种土壤类型包括CL、CH、OH和ML土壤，以及粘土质粉砂、黑棉土、高岭土基土壤、膨润土-高岭土混合物、碳质泥岩、软粘土以及其他由作者报告的特定现场膨胀性路基材料。总共，当前版本汇集了来自20项已发表研究的560条记录，包括397条UCS记录和163条CBR记录。

基础文献的一个重要优势是它代表的稳定化系统的多样性。第一组主要研究集中在基于瓜尔胶的系统上，包括瓜尔胶-粉煤灰[4]、瓜尔胶-水化石灰用于改善软粘土或膨胀性粘土[5,6,7]，以及旨在提高强度和增强性能的瓜尔胶-棕榈纤维系统[8,9]。数据集中的其他基于瓜尔胶的混合系统包括瓜尔胶-聚丙烯纤维-黄原胶框架[10]、水泥-壳聚糖-瓜尔胶系统[11]和粉煤灰-瓜尔胶-红粘土混合物[12]。第二组主要研究基于黄原胶的系统，在汇编的文献中占有很大比例。这些包括黄原胶-石灰稳定化，例如关于减少石灰需求和环境暴露下耐久性的研究[13,14]、黄原胶-粉煤灰系统[15]、用于膨胀性路基土壤的黄原胶-稻壳灰组合[16]，以及黄原胶与天然或合成纤维（如羊毛纤维或聚丙烯纤维）的组合，以改善强度和耐久性，包括抗冻融性[17,18]。数据集还包括一个关于混凝土废弃物的黄原胶研究框架。第三组代表基于木质素和木质素磺酸盐的系统，这些系统在基于生物聚合物的稳定化和传统粘合剂的低碳替代品之间提供了重要的桥梁。这些包括用于黑棉土的电解质木质素稳定剂-粉煤灰系统[19]、木质素-水泥混合物[20]、玻璃粉-木质素磺酸盐组合[21]和磨细的高炉矿渣-木质素系统[22]。这些研究将数据集的范围扩展到不仅仅是单一生物聚合物-土壤相互作用，还包括涉及工业副产品和废物衍生材料的更广泛的混合稳定化策略。第四组规模较小但分析上很重要，包括用于CBR改进的壳聚糖与纳米石灰和纳米二氧化硅的先进混合系统[23]，以及其他涉及纤维增强、辅助胶凝材料或废物衍生添加剂的多组分系统。这些研究通过捕捉不仅仅是二元添加剂组合，还包括更复杂的稳定化框架（其中生物聚合物作为更复杂处理系统的一个组成部分），增加了数据集的异质性和实际价值。

值得注意的是，不应将工作簿解释为仅包含同时使用两种添加剂的样本。选择标准基于整个研究框架，而不是要求每行都代表双重剂量的混合物。在许多符合条件的研究中，同时报告了未经处理的对照组样本和单一添加剂案例，并有意保留了这些记录。这是一个优势而不是限制，因为它允许在研究内部直接比较未经处理、单一添加剂和复合添加剂条件，并支持对基线行为、单一添加剂贡献和潜在的协同或互补处理效果的更严格评估。

来源研究还涵盖了各种实验目的和实验室条件。一些研究旨在直接比较基于生物聚合物和传统稳定化策略，例如瓜尔胶-石灰、黄原胶-石灰、木质素-水泥或粉煤灰-生物聚合物组合。其他研究则检查了在受控实验室条件下纤维增强的生物聚合物处理土壤或更复杂的混合系统，以改善强度、延展性或耐久性。一些研究进一步报告了在不同固化时间下的UCS或CBR结果，固化时间大约从0到365天不等，并在湿-干循环、冻融效应或延长固化等环境暴露条件下进行测试，从而捕捉了即时处理性能和随时间变化的行为。

尽管许多研究报告了诸如粒径分布、阿特伯格限值、最佳含水量和最大干密度等支持描述符，但这些变量的完整性和格式在文献中并不统一。在许多情况下，原始论文的主要重点是机械性能，而支持性元数据是根据特定实验目的选择性地报告的。术语、添加剂表示法、固化描述和报告风格的差异导致了证据基础的碎片化，这使得数据难以直接重复使用。这种异质性是需要结构化、标准化和可追溯数据集的主要原因之一。因此，当前的数据集并不是为了替代原始实验研究，而是将它们的可重复使用数值内容整合到一个通过研究标识符和来源参考链接的一致和可审计的结构中。通过保留结果值以及土壤特征、与压实相关的变量、添加剂类型和用量、固化信息和来源级别的可追溯性，数据集为基于生物聚合物的双添加剂稳定化研究的比较评估、二次统计分析、面向路面的评估以及未来的机器学习应用提供了透明基础。

从机制角度来看，保留添加剂家族和土壤特征描述符也很重要。稳定化土壤的性能不仅仅受添加剂用量的影响，还受到粘合剂化学性质、土壤矿物学、粒径分布、塑性、固化条件和含水量-密度状态的相互作用的影响。最近关于聚合物稳定化粘土的机制研究表明，粘合剂-组分比例（例如渣/粉煤灰系统中初始CaO/Al2O3和SiO2/Al2O3比例）可以显著影响强度发展、水稳定性、反应产物和稳定化机制。其他近期工作进一步表明，粘土矿物学可以控制聚合物稳定化废粘土的强度行为和微观机制。尽管当前的工作手册并不局限于土聚合物系统，但这些研究展示了与混合土壤稳定化相关的更广泛原理：添加剂家族和土壤 characterization 是具有机制意义的变量，而不仅仅是简单的标签。因此，数据集保留了标准化的添加剂家族描述符以及土壤分类、粒径分布、阿特伯格界限（Atterberg limits）、压实变量、固化信息以及源级别可追溯性，以支持更深入的比较、子组分析和未来的建模。

2. 数据描述
数据集以单个 Excel 工作手册的形式提供，包含六个工作表：两个经过清洗的特定结果数据表（CBR_clean 和 UCS_clean）以及四个支持文档表（StudyInventory、DataDictionary、VocabularyMap 和 QC_Log）。目前版本共包含来自 20 项已发表实验室研究的 560 条记录，其中包括 163 条加州承载比（CBR）记录和 397 条无限制抗压强度（UCS）记录。CBR_clean 或 UCS_clean 中的每一行代表一个实验记录，该记录由特定的土壤、处理条件、固化时间和从原始来源提取的机械结果定义。通过 record_id、study_id 和 source_doi 等字段保持了记录级别的可追溯性，使每个观测值都能追溯到其对应的研究。

工作手册主要是按工程结果组织，而不是按来源研究组织。这种结构是有意为之，因为 CBR 和 UCS 代表不同的响应类型，以不同的单位报告，并且需要部分不同的测试条件元数据。同时，这两个清洗后的表格保留了一个共同的描述框架，支持跨结果的统一过滤和比较重用。共享字段包括源可追溯性元数据、土壤描述符、与压实相关的变量、添加剂信息和固化描述符。这种设计允许用户独立分析一个结果，或者构建跨两个结果的对齐子集，而无需强制将不直接可比的变量合并在一起。

工作手册的一个显著特点是它围绕旨在研究基于生物聚合物的双添加剂稳定化系统的实验室研究构建。然而，不应将工作手册理解为仅包含双剂量样本的集合。如果符合条件的原始研究在同一实验计划中报告了未经处理的对照样本或单一添加剂案例，这些记录也被有意保留。这是数据集的一个关键设计优势，因为它可以在可追溯的实验背景下，支持对未经处理、单一添加剂和组合添加剂条件下的基线行为、单独添加剂贡献和组合处理效果的分析。

在需要正确下游解释的情况下，保留了特定结果的变量。CBR_clean 表格存储 cbr_value_pct 以及 cbr_condition、cbr_penetration_mm 和 cbr.qualifier 等 CBR 特定描述符。UCS_clean 表格将 ucs_kPa 作为主要结果存储，并在来源明确报告的情况下，还包括额外的混合状态或不确定性相关字段。保留这些特定结果变量可以提高数据表的复用性，使其准备好进行分析，同时避免在非等效的工程响应之间进行人为的统一处理。

根据表 1，为了支持解释和可重复的重用，工作手册还包含四个文档表。StudyInventory 概述了包含的研究及其数据集级别的元数据。DataDictionary 定义了变量、单位、数据类型、代表值和缺失值约定。VocabularyMap 将原始添加剂名称转换为标准化术语和添加剂家族分组。QC_Log 保留了数据准备过程中引入的行级更正、检查和质量标志的审计追踪。这些表格共同使数据集具有可追溯性、可解释性和可重用性，而不仅仅是机器可读的。

表 1. 工作手册的结构和内容。为了提高研究间的一致性和可审计性，协调工作有意识地限于必要的操作。在必要时标准化了单位，但数值结果保留了来源报告的形式。添加剂术语进行了交叉映射，同时保留了原始来源的措辞。固化时间既以数值字段（curing_days）的形式存储，也以原始的叙述性描述（curing_notes）的形式存储；当需要从来源措辞中解释数值固化持续时间时，会明确标记为 curing_inferred。通过结合使用 cbr_value_pct 和 cbr.qualifier，保留了被审查的 CBR 值（如阈值风格报告）。这些选择是为了让用户可以根据给定研究的目标保留、排除或分别分析合格和推断的案例。

数据集是有意设计成异构的，因为它整合了来自多个独立研究的实验证据，这些研究使用了不同的材料、报告优先级和实验室框架。结果变量在设计上是完整的，而支持变量根据原始出版物中的报告内容显示出不同的可用性水平。这种模式应被视为基础文献的特性，而不是工作手册本身的缺陷。因此，在进行比较统计、面向路面的分析、元分析或机器学习应用之前，最好将数据集视为按结果类型、固化方案、浸泡条件、土壤类别、添加剂家族和处理配置明确子集化的协调和可追溯的辅助资源。收集和检查步骤在图 1 中概述。

图 1. 数据收集、协调和质量控制工作流程。在所有包含的研究中，实验目标材料都是土壤样本；诸如粉煤灰、玻璃粉、炉渣、纤维和混凝土废物等材料被视为稳定剂或补充添加剂，而不是主要土壤。

经过策划的工作手册包含了来自 20 项已发表研究的 560 条可追溯记录，这些记录分为两个清洗后的结果表格和四个支持文档表格，涵盖了 UCS 和 CBR 数据的完整结果，并且关键土壤、固化、压实、添加剂剂量和测试条件变量在包含的研究中通常具有很高的可用性（表 2、表 3 和表 4）。

表 2. 数据集的总体组成。
表 3. 清洗后的表格中选定变量的可用性。
表 4. 包含的研究和数据集组成。

图 2 和图 3 中的分组小提琴图（violin plots）提供了编译数据集在主要岩土工程和处理相关参数上的分布特征的全面视觉总结。总体而言，这些图表显示了土壤性质的显著变异性，包括粒径分布（沙子、淤泥、粘土）、阿特伯格界限（LL、PL、PI）和压实特性（OMC 和 MDD）。一些参数表现出相对紧凑和对称的分布，表明研究间的报告是一致的，而其他参数则显示出更广泛的范围和明显的偏度，反映了土壤类型和测试条件的异质性。值得注意的是，粒径和塑性相关参数的分布表明数据集主要代表具有不同塑性程度的细粒土壤，这与许多稳定化研究的重点一致。

图 2. CBR 数据集中连续变量的小提琴图（CBR_clean）。
图 3. UCS 数据集中连续变量的小提琴图（UCS_clean）。

相比之下，结果变量和处理相关参数，特别是无限制抗压强度（UCS）、加州承载比（CBR）、添加剂剂量和固化时间，显示出明显的偏度和长尾分布。这种行为突显了处理类型、剂量和固化条件对机械性能的强烈影响，以及来源研究中实验设计的多样性。对于高度偏态的变量使用对数缩放进一步强调了观察值的广泛范围，在某些情况下跨越了多个数量级。总的来说，这些图形洞察加强了数据集的异质性，并突出了在进行比较分析、预测建模或元分析解释时应用适当过滤和分组策略的重要性。

2.1. 从数据集中获得的探索性见解
本节提供了编译数据集的简要描述性概述，旨在在重用之前说明其内部结构、范围和异质性。不尝试进行推断分析、假设检验或因果解释，以符合数据描述文章的范围。

从高层次来看，数据集包含来自 20 项已发表研究的 560 条记录，其中 397 条是 UCS 记录，163 条是 CBR 记录。记录在不同研究中的分布不均，少数来源研究贡献了相对较大的观察数量，而其他一些研究仅贡献了较小的子集。此外，结果覆盖范围也是不对称的：UCS 记录分布在 19 项研究中，而 CBR 记录仅来自 10 项研究。如图 4 所示，这种不平衡是数据集的一个重要结构特征，在构建用于比较或数据驱动分析的子集时应予以考虑。

图 4. 每项来源研究贡献的记录数量，分为 CBR 和 UCS 结果。

编译的结果值覆盖了广泛的数值范围。UCS 值从 76 到 13,302.4 kPa，中位数为 440 kPa；CBR 值从 1.0% 到 122.3% 不等，中位数为 11.9%。在这两种情况下，分布都较宽且呈右偏态，高值观测的数量相对较少，延伸了分布的上尾部分。这些广泛的范围反映了基础文献的多样性，包括土壤类型、添加剂系统、剂量、压实状态和测试协议的差异。因此，结果分布应被视为数据集广度的证据，而不是直接指示稳定剂性能的指标。

固化时间是数据集中最明显的组织特征之一。UCS 记录集中在常见的实验室固化时间间隔，特别是 7 天、14 天和 28 天，而 CBR 记录最常在 0 天、1 天、7 天和 28 天报告。这种聚集表明文献主要集中在标准的短期固化里程碑上，而长期观察相对较少。从描述上讲，较高的 UCS 值更常出现在较长的固化时间内，尤其是在 14 天和 28 天的组中，但在每个固化间隔内仍存在显著的分散。这种模式表明固化时间是重用的重要分组变量，同时也突出了其他交互因素的影响，这些因素在来源研究中有所不同。

数据集还显示出测试条件和变量完整性的明显差异。对于 CBR 来说，既有浸泡过的也有未浸泡过的记录，其中 77 条是未浸泡过的记录，62 条是浸泡过的记录，还有 24 条没有明确报告浸泡状态的记录。浸泡过的子集倾向于占据较低的数值范围，这与实验室预期一致，但这种差异在不同研究中的程度各不相同。这种变化可能反映了样本制备、固化方案、浸泡程序和报告细节的差异。因此，浸泡过的和未浸泡过的 CBR 记录应被视为不同的分析子集，而不是不加区分地合并。

从元数据的角度来看，与某些其他支持描述符相比，塑性相关变量报告得更加一致。液限、塑性限和塑性指数在两个清洗后的表格中都有相对较高的覆盖率，而粒径分布和一些处理状态变量的可用性则不太均匀。实际而言，这意味着根据塑性对数据集进行过滤或分层比基于完整级配或混合状态信息构建子集更为直接。因此，图 5 和图 6 中显示的可用性模式为识别适合广泛二次分析的变量和可能需要更特定于研究的子集提供了有用的指导。

图 5. CBR_clean 和 UCS_clean 表格中选定变量的百分比可用性。
图 6. 清洗后表格中选定变量的研究级可用性热图。缺失块表示来源研究之间报告重点的差异，而不是在编译过程中引入的错误。

记录在不同研究中的不均匀分布对二次统计分析和机器学习重用也有重要的方法论影响。由于同一研究中的多个记录通常共享相同的土壤来源、样本制备方法、压实程序、固化环境和报告假设，它们不应总是被视为完全独立的观测值。如果将所有行不加区分地合并，贡献大量记录的研究可能会主导模型训练或描述性趋势，而较小的研究可能影响有限。这可能会导致伪重复的风险，即看似样本量因同一实验计划中的多个相关观察而膨胀。在预测建模中，如果同一来源研究的记录同时出现在训练集和测试集中，记录级别的随机训练-测试分割也可能导致过于乐观的性能估计。因此，鼓励用户应用考虑研究情况的验证策略，例如按 study_id 分组训练-测试分割、留一法验证（leave-one-study-out validation）或在适当的情况下使用混合/分层建模方法。

数据集在稳定剂表示方面也存在组成上的不平衡。基于生物聚合物的系统占了相当大的比例，特别是那些涉及瓜尔胶、黄原胶、木质素基稳定剂和电解质木质素稳定剂配方的系统。其次要添加剂如水泥、粉煤灰、聚丙烯纤维和消石灰在选定的研究中也有良好的代表，但在所有稳定剂家族中的覆盖并不平衡。这种不平衡并不是汇编过程本身的限制；相反，它反映了现有文献的当前重点。尽管如此，这意味着在治疗类别之间进行探索性比较时应谨慎行事，并使用明确的研究意识过滤方法。总体而言，这些描述性观察结果强化了数据集的三个主要特征：广泛的结果变异性、不均衡的研究级代表性以及对环境变量的非均匀报告。这些特征共同使得该数据集具有二次使用的价值，但同时也强调了在进行比较统计、预测建模或元分析解释之前，根据结果类型、固化时间、测试条件、土壤塑性和稳定剂家族进行仔细子集划分的重要性。

探索性图表不仅旨在直观地总结数据集，还旨在指导负责任的再利用。图4显示，不同来源研究的记录贡献并不均衡，这意味着代表性较高的研究可能会不成比例地影响汇总的描述性统计或预测模型。图5和图6进一步表明，工作簿中变量的可用性并不均匀；相反，缺失数据是按结果类型和来源研究进行分类的。这表明用户应有意选择分析子集，而不是在未经检查哪些研究和稳定剂系统仍未被包含的情况下应用自动完整案例过滤。图7和图8通过显示塑性和固化变量的广泛可用性，而分级、压实和某些特定结果的描述符更为有限，进一步强调了这一点。最后，图9和图10通过展示随着对变量要求逐渐增加，记录保留量如何减少，量化了这些可用性模式的实际影响。这些图表共同支持本节的主要再利用建议：在尝试统计建模或元分析之前，应根据结果类型、研究ID、固化时间、土壤特征、测试条件和稳定剂家族对数据集进行过滤。

图7. CBR_clean和UCSClean表格中关键变量的覆盖情况。与塑性相关的变量和固化变量的可用性相对较高，而与分级相关的某些特定结果的元数据报告则不那么均匀。

图8. (a) CBR_clean和(b) UCS_clean表格中的研究级变量可用性。可用性按来源研究分组，表明缺失数据是按照报告惯例组织的，而不是随机分布在记录中的。

图9. 在代表性再利用场景下的完整案例保留情况。随着对变量要求的逐渐增加，记录保留量下降，这说明了样本大小与背景完整性之间的权衡。

图10. 清洁后表格中按变量组划分的覆盖情况。塑性和固化提供了最广泛的分析覆盖范围，而需要完整分级和压实描述符的子集则更为有限，尤其是对于UCS而言。

2.2. 数据覆盖率和缺失性评估
为了支持透明、可重复且具有研究意识的可再利用性，本节检查了汇编工作簿中的数据覆盖率和缺失性。由于数据集整合了来自20个独立实验室研究的记录，因此报告完整性的差异是预期的。因此，缺失值应主要被视为来源研究文档实践、实验范围和报告优先级的反映，而不是在提取或整理过程中引入的人工误差。

在最顶层，主要工程结果的覆盖率是按设计要求完全覆盖的。CBR_clean中保留的所有163行都包含了CBR结果，UCS_clean中保留的所有397行都包含了UCS结果。此外，包括record_id、study_id和source_doi在内的核心可追溯字段在两个清理后的表格中都是完整的。这是工作簿的一个重要结构优势，因为它确保每个结果观察都可以被审计，并可以追溯到其来源研究。

一旦考虑了支持性描述符，覆盖率就变得更加多样化。如图7所示，与塑性相关的变量是工作簿中最一致报告的上下文字段之一。液限在所有CBR记录中可用，而在93.5%的UCS记录中可用；塑性限和塑性指数分别在92.6%和87.7%的CBR记录以及87.4%和85.4%的UCS记录中可用。这些相对较高的可用性水平意味着可以在数据集的很大一部分上进行基于塑性的过滤、分组和比较建模，而不会导致严重的数据丢失。

相比之下，与分级相关的描述符的可用性较低且不均匀。沙子、粉砂和粘土的比例在65.0–77.3%的CBR记录和55.7–58.9%的UCS记录中可用，这表明需要完整粒径组成的分析比仅基于塑性的分析更为严格。这一区别在方法论上很重要：它表明，通常可以构建基于塑性的子集，而基于分级的分析通常需要更细致的过滤，可能会过度代表某些研究。

与压实相关的变量也显示出类似的不均匀模式，但在两个清理后的表格之间存在明显的不对称性。在CBR_clean中，未经处理的最佳含水量和未经处理的最大干密度在所有记录中都是完整的，而在UCS_clean中，这两个变量仅在70.3%的行中可用。这种差异并非随机产生的。相反，它反映了基础文献的报告重点，即以路面为导向的研究比以强度为导向的稳定化研究更一致地报告压实状态变量。从再利用的角度来看，这意味着可以定义出几乎不损失数据的基于压实的CBR分析，而一旦需要未经处理的压实描述符，相应的UCS子集就会变得更为狭窄。

固化信息是工作簿中保存最好的上下文维度之一。97.5%的CBR记录和100%的UCS记录中都有数值化的固化时间，使得固化成为下游分析中最稳健的分组变量之一。此外，工作簿通过curing_inferred标志明确区分了直接报告的数值化固化值和解释后的固化值。这种区分提高了透明度，并为用户提供了一种实用的方式来构建包含性数据集或排除解释后时间信息的更严格子集。对于时间依赖的比较、预测建模和分组描述性分析来说，这是数据集的一个主要优势。

与处理相关的描述符也具有信息价值，尽管并不完全完整。77.9%的CBR记录和95.5%的UCS记录报告了主要添加剂的剂量，这支持了基于处理的过滤，适用于大多数以强度为导向的分析以及相当一部分以路面为导向的分析。然而，一些研究中更详细的处理元数据仍然不完整，这意味着需要同时具备完整添加剂特性、分级和压实信息的分析将必然在更有限的子集上操作。这种权衡在来自文献的工程数据集中是典型的，应被视为设计上的限制而非缺陷。

特定结果的元数据在完整性方面显示出更明显的差异。在CBR表格中，cbr_condition在85.3%的记录中可用，而cbr_penetration_mm仅在38.7%的记录中可用。这种对比表明，CBR测试状态的广泛分类通常是可行的，但特定于穿透程度的标准化则受到更多限制。工作簿还通过cbr_qualifier明确保留了合格的CBR报告，而不是将这些情况标准化。这些选择更倾向于透明度和分析灵活性，而不是人为的完整性，并允许用户根据给定研究的目的保留、排除或单独检查合格的记录。

重要的是，缺失数据在工作簿中并不是随机分布的。相反，可用性按研究强烈聚集，形成了相对完整和相对稀疏的报告块。这种模式在图6和图8所示的研究级热图中可见。一些来源研究提供了广泛的土壤特征以及固化、压实和处理细节，而其他研究则主要关注报告主要的机械结果。这种由研究结构化的缺失性有两个含义。首先，完整案例过滤可能会不成比例地偏爱某些来源研究，从而改变数据集的有效组成。其次，用户应避免假设所有变量在所有研究中都同样可再利用，即使总体数据集级别的百分比看起来是可以接受的。

因为缺失数据是按来源研究组织的，而不是在单个记录中随机分布的，完整案例过滤可能会引入组成偏差，同时减少样本大小。报告分级、压实或处理元数据更完整的研究可能在过滤后的子集中被过度代表，而元数据较少的研究可能会被部分或完全排除。因此，完整案例子集可能不再保留与整个工作簿相同的土壤类别、稳定剂家族、地理区域或实验框架的平衡。例如，要求完整的分级和压实信息可能会不成比例地偏爱那些报告了详细岩土特征的研究，而排除那些主要关注机械结果的研究。因此，用户在过滤后应重新评估保留的子集组成，包括研究ID、土壤分类、稳定剂家族和来源地理信息，然后再得出比较结论或训练预测模型。

当比较代表性的再利用场景时，这些可用性模式的实际后果就变得更加清晰。图9显示，仅结果子的集完整案例保留量保持最大，但随着所需上下文变量的增加而逐渐减少。当使用结果、固化、塑性和主要添加剂剂量定义核心建模子集时，65.6%的CBR记录和80.9%的UCS记录仍然可用。当添加未经处理的压实变量时，CBR的保留量保持不变，但UCS的保留量下降到57.7%。在一个更严格的扩展地质技术子集中，还需要完整的沙子–粉砂–粘土数据，CBR的保留量进一步下降到42.9%，UCS的保留量下降到28.0%。这些减少并不表明数据质量差。相反，它们量化了变量丰富性和样本大小之间的权衡，并帮助用户选择适合其分析目标的子集。

这种权衡也可以在变量组层面观察到。如图10所示，塑性和固化构成了两个清理后表格中最广泛可再利用的上下文维度，而需要完整分级和综合压实加处理的子集则更为严格，尤其是在UCS中。这使得数据集特别适用于围绕结果、固化和塑性构建的分析，同时表明在明确意识到结果减少的情况下，应使用更雄心勃勃的地质技术特征集。

总体而言，覆盖率和缺失模式并没有削弱数据集的价值；相反，它们定义了工作簿可以最有效再利用的条件。可以使用完整的结果表格进行广泛的描述性和比较分析。基于塑性的和基于固化的过滤适用于大部分记录。相比之下，需要同时具备分级、压实和详细处理元数据完整性的分析必须依赖于更狭窄、更具选择性的子集。对于CBR特定的应用，尽可能应分别处理浸泡过的和未浸泡过的记录，特别是因为部分数据集中的浸泡条件报告不完整。从这个意义上说，明确记录覆盖率和缺失情况不仅具有补充性；它是责任性地再利用工作簿在比较研究、路面评估、元分析和机器学习工作流程中的核心。

2.3. 实际应用
汇编的数据集在岩土工程、路面工程和关于稳定土壤的数据驱动研究中具有实际价值，因为它将结果变量与进行有意义的二次分析所需的上下文描述符结合起来。通过整合UCS和CBR结果以及土壤分类、塑性、分级相关属性、固化信息、添加剂描述符和来源级可追溯性，工作簿支持工程解释和计算再利用。其主要优势不仅在于编译的记录数量，还在于记录被组织成分析就绪的结果表格，并有文档层支持，从而保持了可解释性、可审计性和可重复性。

一个直接的应用是对土壤稳定策略的比较评估。因为工作簿保留了标准化的女土类型、固化时间、添加剂身份和处理配置的描述符，它允许用户比较基于生物聚合物的系统、传统粘合剂、工业副产品和混合处理框架的广泛性能模式。重要的是，该数据集对于具有研究意识的比赛尤其有价值，因为它保留了未经处理的对照组、单一添加剂案例和在符合条件的两种添加剂研究框架内的组合添加剂案例。这使得可以以比从分散的出版物中手动提取个别结果时更加结构化和可追溯的方式检查基线行为、单独的添加剂效应和组合处理响应。

第二个主要应用是预测建模和机器学习研究。工作簿包含了目标结果以及多个候选预测因子，包括Atterberg极限、与分级相关的描述符、未经处理的压实参数、固化时间和添加剂剂量字段。因此，它可以支持UCS或CBR的回归建模、面向分类的工作流程，以及旨在识别土壤属性、处理组成和固化条件对工程性能相对影响的可解释或混合机器学习研究。由于覆盖模式和合格案例得到了明确记录，因此可以透明地定义建模子集并一致地重现，这对于以基准为导向的研究和比较不同的建模流程特别有价值。

数据集也与路面和路基工程有直接的相关性，特别是通过CBR记录。该工具可用于研究在不同处理过的细粒土中，与轴承性能相关的性能如何随土壤塑性、浸泡条件、固化时间和稳定剂用量而变化。虽然该工作手册并不旨在替代针对具体项目的实验室测试或设计标准，但它可以为初步的基准测试、基于文献的背景设定以及以敏感性为导向的评估提供有用的证据基础。在实际应用中，它可以帮助研究人员和从业者在设计新的实验或现场方案之前，识别常见的处理组合、合理的CBR范围以及典型的固化窗口。另一个重要作用是证据综合和元分析研究。由于不同研究在术语、报告风格和变量完整性方面存在差异，土壤稳定化的文献往往难以直接重复使用。通过将记录整合到统一的结果表中，并辅以研究清单、数据字典、词汇映射和质量控制日志，当前的工作手册大大减少了结构化二次分析所需的工作量。因此，它能够支持比较性回顾、基于研究的汇总评估、报告实践的评估，以及根据数据集映射出在不同处理方法、土壤类别和工程结果中的证据集中或稀疏区域。

此外，该工作手册对实验规划和报告改进也具有实际价值。因为它明确了数据覆盖模式、缺失结构以及常用的变量，可以帮助未来的研究人员识别文献中一致存在的描述符以及经常被忽略的描述符。这可以通过鼓励更全面地报告土壤特性、压实状态、固化条件、添加剂用量和测试条件元数据来改进新的实验室研究设计。从这个意义上说，该数据集不仅可作为二次分析的资源，还可作为提高未来稳定化研究可比性和可重复性的参考框架。另一个应用领域是教育和可复制研究培训。该工作手册提供了一个实际的例子，展示了如何识别、筛选、提取、协调、质量检查并记录来自文献的工程数据，同时保留原始上下文。因此，它可以作为学生在地质工程技术中进行数据管理、证据综合和数据驱动工作流程时的教学资源。

为了更直接地支持这些应用，表5总结了常见复用场景下的代表性子集定义。例如，包括用于机器学习工作流程的通用子集和高质量子集、用于时间依赖性强度分析的固化控制子集、用于面向路面的CBR评估的条件特定子集，以及用于元分析和可追溯性关注的基于研究的子集。这些推荐的子集定义的目的不是强制采用单一的分析路径，而是为用户提供与工作手册中观察到的数据覆盖和缺失结构相一致的实用起点。总体而言，当通过明确的、基于研究的子集定义来使用数据集时，其价值最大。其实际贡献在于使分散的实验室证据能够透明地用于比较工程分析、预测建模、路面评估、证据综合和方法论开发，同时保留可重复解释所需的文档记录。

基于数据可用性和缺失模式的观察结果，可以定义几个具有实际意义的数据子集以支持常见的复用场景。表5为典型应用提供了推荐的过滤策略，引导用户使用与特定分析或工程需求相匹配的数据集子集。

尽管编制的工作手册为二次分析提供了结构化且可重复使用的资源，但在解释或复用数据集时应注意几个限制。这些限制主要源于文献衍生数据的性质，而不是源于数据管理过程本身。首先，由于数据集结合了来自不同实验计划、土壤类型、稳定剂系统、固化制度和报告惯例的独立研究的记录，因此不应将其解释为来自单一标准化测试活动。试样制备、压实方案、固化环境、浸泡程序、添加剂混合方法及一般实验室实践的差异都可能影响报告的UCS和CBR值。这种异质性是数据集的实际价值之一，因为它涵盖了更广泛的研究证据，但也限制了所有记录之间的直接一对一比较，除非应用了适当的过滤措施。其次，不同研究和结果类型的变量覆盖不均匀。一些描述符（如液限、与塑性相关的字段和固化时间）相对报告得较多，而其他描述符（包括详细的粒级组成、处理状态下的压实变量、贯入深度或某些混合描述符）在大量记录中缺失。因此，需要多个预测因子的分析必须依赖于规模较小的完整案例子集，这可能不如完整的数据集具有代表性。这并不表示数据管理质量差，而是反映了来源文献的报告惯例。第三，数据集在组成上不平衡。UCS记录的数量多于CBR记录，且某些来源研究的贡献远大于其他研究。此外，某些土壤类别、添加剂家族和处理组合的表达更为突出。因此，不应将数据集解释为覆盖了所有文献中报道的稳定土壤系统的统一或无偏见的范围。工作手册中的主导模式可能部分反映了可用出版证据的集中，而不是所有可能材料和处理策略的完整多样性。第四，工作手册的范围受到原始研究报告选择的限制。只有那些在已发表的来源中可获得的变量才能被提取、协调并保留。因此，重要的背景细节可能缺失或记录不全，包括详细的固化环境、试样尺寸、混合能量、环境控制、矿物组成或其他特定于实验室的程序细节。此外，同一个名义变量在所有研究中的实际含义可能并不完全相同，因为作者可能使用了不同的方法、阈值或报告惯例。协调性提高了可比性，但不能完全消除来源层面的不一致性。第五，工作手册中的一小部分内容依赖于解释性或非标准的来源报告。一些数值是从图表中得出的，而不是直接从文本或表格中提取的，某些上下文字段需要在存储之前进行文字解释。这些情况通过文档字段和质量控制标志（如curing_inferred、cbr.qualifier和行级QC注释）进行了透明处理，但仍相对于直接表格化的数值引入了一定程度的不确定性。进行高度敏感的定量分析的用户可能希望在稳定性检查期间排除这些推导或标记的案例。第六，工作手册适用于比较性、探索性和预测性复用，但不适合得出关于稳定剂效果的严格因果结论。由于编译的记录来自多个因素同时变化的独立研究，UCS或CBR的差异不能自动归因于单一变量（如添加剂用量、土壤类别或固化时间）。因此，任何对处理效果的解释都应具体针对子集，并考虑研究背景。第七，当前版本专注于两个机械结果（UCS和CBR）及其相关的土壤、处理和压实描述符。它没有涵盖稳定土壤工程中所有潜在相关的性能指标，如渗透性、韧性模量、胀缩行为、耐久性指数、微观结构观察、化学机制或长期现场性能。因此，应将工作手册理解为针对选定机械结果的专项资源，而不是所有处理土壤相关性能维度的综合性存储库。

最后，像许多文献衍生数据集一样，工作手册也可能反映出出版和可用性的偏见。报告更清晰、来源材料更易获取或处理效果更显著的研究更有可能被发表并可供提取。编译的记录还受到文献搜索范围和原始出版物可访问性的限制。因此，不应将数据集解释为所有稳定实验的统计上无偏见的样本。另一个限制是，正式的测试标准标识符（如ASTM、AASHTO或IS方法）在来源研究中的报告不够一致，无法作为统一元数据字段纳入当前工作手册。尽管在可用情况下保留了一些测试条件描述符，但采用的标准或研究特定的测试程序的差异可能导致研究间的变异性，在定义比较子集时应予以考虑。一些结果值是从已发表的图表中数字化的，而不是直接从表格或文本中转录的。尽管提取过程是保守且可追踪的，但从图表中得出的数值仍可能带有轻微的不确定性。当前工作手册中没有包含区分数字化和直接提取值的专用记录级元数据标志，这将是未来数据集更新的有用补充。

总的来说，这些限制并未降低数据集的实用性，但确实定义了其复用的条件。在经过结果类型、固化制度、浸泡条件、变量完整性、土壤类别和处理家族的仔细过滤后，工作手册最适合用于透明的二次分析。这样使用它可以为比较评估、预测建模和证据综合提供实质性价值，同时仍与其文献来源的局限性保持一致。

该数据集来源于报告未处理和稳定土壤的无侧限抗压强度（UCS）、加州承载比（CBR）或两者兼具的已发表实验研究。工作流程的主要目标是将分散的实验室证据转化为结构化、可重复使用且可追踪的工作手册，同时尽可能保留原始报告的上下文，并最小化对源数据的解释性修改。当前版本包含了来自20个来源研究的560条文献衍生记录，其中包括397条UCS记录和163条CBR记录。方法工作流程包括五个主要阶段：来源识别、资格筛选、记录级提取、协调和标准化以及带有工作手册组装的质量控制。

通过针对地质工程、建筑材料和土壤稳定化研究的主要学术数据库（包括Scopus、Web of Science Core Collection和Google Scholar）进行结构化搜索，确定了来源研究。搜索旨在识别报告细粒土或膨胀土在二元、混合或二元添加剂稳定框架下处理后的UCS和/或CBR结果的实验室研究。搜索策略结合了与土壤稳定化、目标工程结果、土壤类型和感兴趣的添加剂系统相关的术语。代表性的搜索字符串包括组合（“soil stabilization” OR “soil stabilisation” OR “ground improvement”）、（“unconfined compressive strength” OR UCS OR “California Bearing Ratio” OR CBR）和（“biopolymer” OR lignin OR “xanthan gum” OR “guar gum” OR chitosan OR “lignosulfonate”），以及土壤描述符（如“fine-grained soil” OR clay OR “expansive soil”）。还使用了额外的搜索变体来捕获数据库语法支持的二元、混合、组合或二元添加剂处理系统的相关研究。必要时，调整了拼写变体和特定添加剂的关键词以匹配所查询数据库的索引结构。为了提高覆盖范围，还对相关研究的参考列表进行了逐项检查。对于关键论文，还进行了前向引用验证，以找出潜在符合条件的相关研究。

研究只有在满足以下操作标准时被视为合格：首先，该研究必须报告关于细粒土、粘土质土、粉质土或其他塑性土壤的基于实验室的实验；其次，该研究必须报告至少一个可提取的目标机械结果，即无侧限抗压强度（UCS）、加州承载比（CBR）或两者兼具；第三，每个可提取的结果必须能够清晰地与定义的土壤类型、处理条件、固化时间和测试情境相关联，以便进行结构化的行级提取；第四，该研究必须围绕生物聚合物/木质素相关的混合稳定框架设计。在这个数据集中，这被操作性地定义为至少包含一种生物聚合物或木质素相关稳定剂（如黄原胶、瓜尔胶、壳聚糖、木质素、 lignosulfonate或电解质木质素稳定剂）以及至少一种辅助稳定剂的实验计划。辅助添加剂包括但不限于石灰、消石灰、水泥、粉煤灰、磨碎的高炉矿渣、稻壳灰、玻璃粉、混凝土废弃物、纳米石灰/纳米硅、天然纤维或合成纤维。资格评估是在研究框架层面进行的，而不是在单个记录层面。因此，如果一个研究的实验设计包括了涉及上述材料框架的组合或混合稳定案例，则该研究被视为合格。一旦一项研究被确定为符合条件的，同一实验计划中的未经处理的对照组和单一添加剂对比组的记录也会被保留，前提是这些记录可以追溯到相同的土壤和测试环境，并且能够支持研究内部基线行为的比较、孤立添加剂效应的评估以及组合处理效果的分析。不符合条件的研究包括：综述文章、未报告可提取的USC或CBR数值的研究、缺乏足够的上下文信息以进行可靠的行级数据提取的研究、关注细粒土壤或膨胀土壤以外土壤系统的研究、未包含与生物聚合物/木质素相关混合稳定化机制的研究，以及已经包含在更完整来源中的重复数据。在发现重复的数据集时，会保留提供最完整和可追溯实验信息的来源。

在数据复制处理方面，采取了两个级别的措施：首先，当同一出版物从多个搜索来源中被检索到时，会移除数据库级别的重复记录。这些记录是通过DOI、文章标题、作者列表、出版年份以及期刊或会议来源来识别的。其次，在全文评估过程中会检查潜在的内容级别重复情况，例如同一土壤、添加剂组合、固化时间、实验计划或数值USC/CBR值是否出现在多篇出版物中。如果发现重复，会保留报告最完整和可追溯的出版物。优先选择那些提供更清晰的数值结果、更完整的土壤和处理元数据、明确的固化及测试条件信息以及更强来源可追溯性的来源，以避免对同一实验结果重复计数。当无法以足够的信心排除重复时，会保守地审查记录，并且只有在它们能够通过土壤来源、处理条件、测试环境或结果值明确区分的情况下才会被保留。

**3.3 筛选和选择工作流程**
为了提高透明度和可审计性，添加了一个PRISMA风格的筛选流程图（图11）。通过Scopus、Web of Science Core Collection和Google Scholar的数据库搜索，共识别出74条记录。去除18条重复记录后，剩余56条记录根据标题和摘要的内容与实验室土壤稳定化、USC和/或CBR结果以及与生物聚合物/木质素相关的双添加剂研究框架的相关性进行了筛选。其中24条记录在标题/摘要阶段被排除，因为它们不符合数据集的主题或结果范围。图11展示了用于构建数据集的来源研究的识别、筛选、资格评估和最终纳入的过程。剩下的32篇全文文章根据预定义的资格标准进行了评估。在此阶段，又有12篇文章被排除，原因包括：缺乏可提取的数值USC或CBR数据（n=4）、提供的上下文细节不足以进行可靠的行级数据提取（n=3）、不在定义的与生物聚合物/木质素相关的双添加剂框架范围内（n=4），或者与更完整的来源重复/重叠（n=1）。这一筛选过程最终确定了包含在整理数据集中的20项研究。

当在标题和摘要筛选阶段相关性仍不确定时，会在做出最终决定前审查全文。只有当至少有一条结果记录能够明确地关联到特定的土壤类型、处理条件、固化时间和适合结构化提取的测试环境时，才会保留相关研究。对于那些记录模糊或文档说明不足、无法确保行级可追溯性的研究，会采取保守的处理方式予以排除。

筛选、提取和整合工作由一名审稿人完成，随后在最终确定工作簿前再次进行核对。对于不确定的情况会采取保守的处理方式，对于不明确的数值则会直接排除，而不是进行推断。

**3.4 记录级数据提取**
清理后的数据集中的每一行代表一个实验记录，包括特定的土壤、处理条件、固化时间或测试时间以及报告的机械结果。数据提取采用了两种互补的方法：直接从表格和文本中转录数据，以及将仅以图形形式存在的数值数字化。对于直接报告的数值、数值结果、分类描述符和相关来源文字，将其转录到结构化字段中。提取工作是在记录级别进行的，以便每个保留的观测结果都能与特定的来源研究、处理环境和结果类型相关联。只有当支持性描述符（包括土壤特性、压实变量、添加剂种类和剂量、固化信息以及测试条件元数据）被明确报告或能够清晰地与相关实验条件关联时，才会被提取。对于基于图表的结果，只有在相关USC或CBR值无法在表格或文本中找到时才会进行数字化处理。使用的是来源图表的最高质量版本，尽可能优先选择出版商提供的PDF格式图表而非压缩图像格式。在提取之前，会使用已发布的坐标轴刻度和刻度线对图表进行校准。线性坐标轴直接校准，而对数坐标轴则根据显示的刻度进行解释。处理序列是根据来源文本中的图例、标记样式、颜色、线型和图例说明来识别的。然后手动提取每个绘制点，并将其与相应的土壤、添加剂组合、剂量、固化时间和测试条件关联起来。只有通过绘制数据点明确表示的数值才会被提取，不进行插值、外推、平滑处理、曲线拟合或重采样。如果一个绘制点在视觉上重叠、模糊、分辨率过低或无法明确关联到特定的处理序列或坐标轴值，则会被排除。数字化后的数值会与图表轴的限制、单位、图例以及来源文章中报告的任何相关数值进行核对。如有必要，会在工作簿组装过程中对单位进行标准化处理，但提取的数值本身保持不变。

**图示来源的记录通过相关研究标识符和来源引用进行保留**。图示提取过程中产生的额外不确定性在数据集的限制和质量控制文档中进行了说明。在整个过程中采用了保守的提取方法：如果某个数值、标签或处理条件无法以足够的信心与明确的记录关联，则不会被添加到清理后的表格中。如果在存储到结构化字段之前需要对来源文字进行有限的解释，会明确记录下来，而不会默默地融入数据集中。

**3.5 统一和标准化**
提取后的记录仅在必要时进行统一处理，以便支持不同研究之间的一致解释和可重复使用。根据需要，对单位进行标准化处理，同时保持来源报告的数值形式。由于USC和CBR代表不同的工程响应，需要不同的上下文字段，因此将结果数据分为两个表格：CBR_clean和UCS_clean，同时保留两者之间的共同描述性框架。共享的字段包括记录级标识符、来源可追溯性元数据、土壤描述符、压实相关变量、添加剂信息和固化描述符。在CBR_clean中，保留了cbr_value_pct等结果特定字段，以及cbr_condition、cbr_penetration_mm和cbr.qualifier等描述符。在UCS_clean中，主要结果以ucs_kpa的形式存储，并附带额外的来源衍生混合或不确定性字段。添加剂术语通过控制标准化进行统一，而不是完全替换原始来源的文字。原始添加剂名称被映射到VocabularyMap表格中的标准术语和添加剂家族分组中，同时保留了原始来源的上下文。这种方法支持跨研究的一致分组，而不会抹去特定来源的命名。

在清理过程中特别注意保留可能丢失的报告惯例。例如，像“<1%”这样的被审查的CBR值通过将数值部分存储在cbr_value_pct中，将审查标记单独存储在cbr.qualifier中来保留。同样，固化时间既以数值字段（curing_days）的形式存储，也以原始的叙述描述（curing_notes）的形式存储。当需要从来源文字中解释数值固化值时，使用curing_inferred进行明确标记，以便用户根据具体分析需求选择是否包含这类数据。

**3.6 质量控制、可追溯性和工作簿组装**
质量控制贯穿整个编译过程。初步检查关注转录准确性、数字化一致性、单位标准化以及结果值与相关元数据的对齐情况。后续检查用于识别不合理的数值、不一致的分类标签、重复记录以及在手动编译过程中引入的格式问题。一旦发现明显不一致之处，会采取保守的纠正措施并进行记录，而不是默默地覆盖。这些记录和质量控制日志（QC_Log）被保存在工作簿中，以便未来的用户可以回顾整理历史、重现过滤决策，并在需要更严格子集时排除标记的记录。可追溯性被视为工作流程的核心设计原则。每条记录都通过study_id与其父来源研究关联起来，来源级别的引用信息通过source_doi和相关引用元数据保留下来，使用户能够将每个观测结果追溯到原始出版物，包括从数字化图表中得出的记录。

最终的数据集以单个Excel工作簿的形式分发，包含六个工作表：CBR_clean、UCS_clean、StudyInventory、DataDictionary、VocabularyMap和QC_Log。两个清理后的结果工作表分别包含行级的CBR和UCS记录。StudyInventory提供研究级别的汇总和上下文元数据。DataDictionary定义变量、单位、数据类型和示例值。VocabularyMap记录了原始添加剂名称及相关术语的统一情况。QC_Log记录了整理过程中进行的质量控制行动、检查和审计笔记。将清理后的结果工作表与文档层分开是为了让用户可以直接使用准备好的分析表格，同时保留解释、选择性过滤和可重复使用所需的元数据。

**3.7 方法的范围**
上述工作流程旨在以透明和可重用的形式保存已发表的实验室证据，而不是重新解释原始实验。因此，这些方法强调结构化的来源识别、分阶段的资格筛选、可追溯的记录提取、有限的标准化和记录在案的质量控制。它们并不试图在所有包含的研究中强制实施完全的实验一致性。因此，最终的工作簿应被视为适合用于比较分析、预测建模、元分析、以路面为导向的评估和以工程为重点的证据综合的统一二次数据集，前提是用户应用适当的子集定义和研究相关的解释。其实际价值在于使分散的实验室数据具有可审计性和可重复使用性，同时不掩盖基础来源文献的异质性。

**4. 用户注意事项**
用户应将此工作簿视为由多个独立实验研究整理而成的统一二次数据集，而不是视为一个内部一致的单次测试活动。这些记录适用于比较分析、探索性评估、预测建模和证据综合，但在重复使用前应仔细筛选。特别是，应根据结果类型（CBR_clean与UCS_clean）进行分离，并根据固化时间、浸泡条件、变量完整性、土壤类别、添加剂家族和处理配置进一步筛选。这两个清理后的工作表是分析的主要入口点。CBR_clean更适合用于与耐久性相关的和以路面为导向的应用，而UCS_clean更适合用于基于强度的稳定性能分析。这些工作表应与StudyInventory、DataDictionary、VocabularyMap和QC_Log中的支持文档一起解释。DataDictionary提供字段定义和单位，VocabularyMap解释术语的统一情况，StudyInventory总结来源研究的上下文，QC_Log记录整理过程中应用的行级检查和标记。用户应密切关注那些保留了特定来源报告惯例的字段。例如，经过审查的CBR（压缩系数）值通过使用`cbr_value_pct`和`cbr_qualifier`来表示；而从叙述性来源描述中解读的固化 duration（固化时间）被明确标记为`curing_inferred`。这些字段是故意保留的，以便用户可以自主决定这些案例是否应被纳入敏感性分析、建模流程或严格的完整案例子集中。由于工作簿中的变量覆盖范围不均匀，用户在进行统计比较或预测建模之前应明确定义他们的分析子集。对于广泛的探索性工作，使用包含所有结果的完整表格可能是合适的；而对于更受限的分析（如同时使用塑性、压实度和级配变量进行建模），则可能需要更窄的完整案例子集。因此，覆盖范围和缺失信息汇总不仅作为描述性结果，也作为子集设计的实用指南。

对于CBR特定的重复使用，浸水和未浸水的记录不应随意合并，因为它们代表的是截然不同的测试条件。同样，除非分析目标明确需要这种整合，并且预测因子结构得到了妥善处理，否则用户应避免将UCS（未加固土壤）和CBR记录合并到同一个建模表中。此外，由于该工作簿是根据基于两种添加剂的稳定化学研究编制的，用户可能希望根据分析目的明确区分未处理对照组、单一添加剂处理案例和复合添加剂处理案例。

该工作簿旨在支持可重复的工作流程。建议用户在处理过程中保留原始标识符（如`record_id`和`study_id`），以便将分析结果追溯到原始文献。在发布衍生分析时，报告子集定义、排除的标志或变量以及下载后应用的任何额外预处理步骤是个好习惯，这将提高透明度并使后续比较更有意义。最后，该数据集应作为辅助证据资源使用，而不是替代项目特定的实验室测试、工程判断或设计验证。其主要优势在于能够在透明和有文档记录的条件下实现分散发布的证据的结构化重复使用。当结合适当的过滤和研究意识的解释时，它可以为比较地质工程研究、路面评估、预测建模和方法开发提供巨大的价值。

**数据集使用者的结论性说明**
本文介绍了一个经过精心策划的UCS（未加固土壤）和CBR（压缩系数）结果实验数据集，这些数据来自20项已发表的实验室研究，共计560条可追溯的记录，这些记录被组织在一个结构化的六页工作簿中。该数据集的一个关键贡献是它围绕基于生物聚合物的两种添加剂稳定化学研究展开，而不仅限于复合添加剂处理样本。通过有意保留同一实验计划中的未处理和单一添加剂处理对照记录，该工作簿能够在一致且可审核的比较框架内研究基线土壤行为、单一添加剂效应以及复合添加剂效应。

除了结果值本身，该工作簿还保留了二次使用所需的上下文变量，包括土壤描述符、与压实相关的信息、添加剂类型和剂量、固化数据以及来源级别的可追溯性。将`CBR_clean`和`UCS_clean`与支持文档分开设计是为了平衡分析准备程度与可解释性和可审核性。因此，在用户定义适当的子集并以研究意识的方式解释记录的情况下，该数据集可以支持稳定化学策略的比较评估、路面和路基评估、二次统计分析、元分析和机器学习工作流程。

同时，应对该数据集进行适当的谨慎解释。它反映了现有文献的结构和局限性，包括研究间的代表性不均、研究特有的缺失数据、报告实践的多样性以及重复级别不确定性信息的不完整性。因此，记录数量不应被解读为完全独立测试样本的数量。随意合并所有记录可能会过度重视某些研究的结果，引入伪重复性，或者在训练和测试子集中都包含同一研究的记录时产生过于乐观的模型性能。因此，负责任的重复使用应涉及根据结果类型、`study_id`、固化时间、土壤特性、测试条件和稳定剂家族进行明确过滤，并在尝试预测建模时进行研究意识验证。

该数据集的实际价值在于能够在保持原始研究结构和局限性的同时，使分散的实验室证据可重复使用。在这方面，该工作簿充当了个别实验论文与更广泛的基于证据的分析之间的透明桥梁。未来的扩展可以通过纳入额外的来源研究、扩展到其他工程结果或深化耐久性、微观结构或环境响应变量的覆盖范围来扩展数据集。即使在当前形式下，该资源也为基于生物聚合物的两种添加剂研究框架内稳定细粒土壤的可重复二次分析提供了有用的基础。

**补充材料**
以下支持信息可在以下链接下载：
https://www.mdpi.com/article/10.3390/data11050109/s1