
- در دسترس بودن مجموعه دادهها
- 2001-01-01T00:00:00Z–2017-01-01T00:00:00Z
- تولیدکننده مجموعه داده
- ایسدا
- برچسبها
- چگالی ظاهری
توضیحات
چگالی ظاهری، کسر کمتر از ۲ میلیمتر در اعماق ۰-۲۰ سانتیمتری و ۲۰-۵۰ سانتیمتری خاک، میانگین و انحراف معیار پیشبینیشده.
مقادیر پیکسلی باید با x/100 به عقب تبدیل شوند.
در مناطقی با جنگلهای انبوه (عموماً در آفریقای مرکزی)، دقت مدل پایین است و بنابراین ممکن است آثاری مانند نواربندی (نواربندی) دیده شود.
پیشبینیهای خواص خاک توسط شرکت Innovative Solutions for Decision Agriculture Ltd. (iSDA) در اندازه پیکسل 30 متر با استفاده از یادگیری ماشینی همراه با دادههای سنجش از دور و یک مجموعه آموزشی شامل بیش از 100000 نمونه خاک تجزیه و تحلیل شده انجام شد.
اطلاعات بیشتر را میتوانید در بخش سوالات متداول و مستندات اطلاعات فنی بیابید. برای ارسال مشکل یا درخواست پشتیبانی، لطفاً از سایت iSDAsoil دیدن کنید.
باندها
اندازه پیکسل
۳۰ متر
باندها
| نام | واحدها | حداقل | مکس | اندازه پیکسل | توضیحات |
|---|---|---|---|---|---|
mean_0_20 | گرم بر سانتیمتر^۳ | ۴۴ | ۱۹۷ | متر | چگالی ظاهری، کسر کمتر از ۲ میلیمتر، میانگین پیشبینیشده در عمق ۰ تا ۲۰ سانتیمتر |
mean_20_50 | گرم بر سانتیمتر^۳ | ۴۴ | ۱۹۶ | متر | چگالی ظاهری، کسر کمتر از ۲ میلیمتر، میانگین پیشبینیشده در عمق ۲۰ تا ۵۰ سانتیمتر |
stdev_0_20 | گرم بر سانتیمتر^۳ | 0 | ۹۲ | متر | چگالی ظاهری، کسر کمتر از ۲ میلیمتر، انحراف معیار در عمق ۰ تا ۲۰ سانتیمتر |
stdev_20_50 | گرم بر سانتیمتر^۳ | 0 | ۹۲ | متر | چگالی ظاهری، کسر کمتر از ۲ میلیمتر، انحراف معیار در عمق ۲۰ تا ۵۰ سانتیمتر |
شرایط استفاده
شرایط استفاده
نقل قولها
هنگل، تی.، میلر، امایای، کریژان، جی. و همکاران. نقشهبرداری از خواص و مواد مغذی خاک آفریقا با وضوح مکانی 30 متر با استفاده از یادگیری ماشینی گروهی دو مقیاسی. Sci Rep 11، 6130 (2021). doi:10.1038/s41598-021-85639-y
با موتور زمین کاوش کنید
ویرایشگر کد (جاوااسکریپت)
var mean_0_20 = '<RasterSymbolizer>' + '<ColorMap type="ramp">' + '<ColorMapEntry color="#00204D" label="0.8-1.05" opacity="1" quantity="105"/>' + '<ColorMapEntry color="#002D6C" label="1.05-1.19" opacity="1" quantity="119"/>' + '<ColorMapEntry color="#16396D" label="1.19-1.23" opacity="1" quantity="123"/>' + '<ColorMapEntry color="#36476B" label="1.23-1.25" opacity="1" quantity="125"/>' + '<ColorMapEntry color="#4B546C" label="1.25-1.28" opacity="1" quantity="128"/>' + '<ColorMapEntry color="#5C616E" label="1.28-1.31" opacity="1" quantity="131"/>' + '<ColorMapEntry color="#6C6E72" label="1.31-1.34" opacity="1" quantity="134"/>' + '<ColorMapEntry color="#7C7B78" label="1.34-1.36" opacity="1" quantity="136"/>' + '<ColorMapEntry color="#8E8A79" label="1.36-1.38" opacity="1" quantity="138"/>' + '<ColorMapEntry color="#A09877" label="1.38-1.41" opacity="1" quantity="141"/>' + '<ColorMapEntry color="#B3A772" label="1.41-1.43" opacity="1" quantity="143"/>' + '<ColorMapEntry color="#C6B66B" label="1.43-1.45" opacity="1" quantity="145"/>' + '<ColorMapEntry color="#DBC761" label="1.45-1.48" opacity="1" quantity="148"/>' + '<ColorMapEntry color="#F0D852" label="1.48-1.51" opacity="1" quantity="151"/>' + '<ColorMapEntry color="#FFEA46" label="1.51-1.85" opacity="1" quantity="154"/>' + '</ColorMap>' + '<ContrastEnhancement/>' + '</RasterSymbolizer>'; var mean_20_50 = '<RasterSymbolizer>' + '<ColorMap type="ramp">' + '<ColorMapEntry color="#00204D" label="0.8-1.05" opacity="1" quantity="105"/>' + '<ColorMapEntry color="#002D6C" label="1.05-1.19" opacity="1" quantity="119"/>' + '<ColorMapEntry color="#16396D" label="1.19-1.23" opacity="1" quantity="123"/>' + '<ColorMapEntry color="#36476B" label="1.23-1.25" opacity="1" quantity="125"/>' + '<ColorMapEntry color="#4B546C" label="1.25-1.28" opacity="1" quantity="128"/>' + '<ColorMapEntry color="#5C616E" label="1.28-1.31" opacity="1" quantity="131"/>' + '<ColorMapEntry color="#6C6E72" label="1.31-1.34" opacity="1" quantity="134"/>' + '<ColorMapEntry color="#7C7B78" label="1.34-1.36" opacity="1" quantity="136"/>' + '<ColorMapEntry color="#8E8A79" label="1.36-1.38" opacity="1" quantity="138"/>' + '<ColorMapEntry color="#A09877" label="1.38-1.41" opacity="1" quantity="141"/>' + '<ColorMapEntry color="#B3A772" label="1.41-1.43" opacity="1" quantity="143"/>' + '<ColorMapEntry color="#C6B66B" label="1.43-1.45" opacity="1" quantity="145"/>' + '<ColorMapEntry color="#DBC761" label="1.45-1.48" opacity="1" quantity="148"/>' + '<ColorMapEntry color="#F0D852" label="1.48-1.51" opacity="1" quantity="151"/>' + '<ColorMapEntry color="#FFEA46" label="1.51-1.85" opacity="1" quantity="154"/>' + '</ColorMap>' + '<ContrastEnhancement/>' + '</RasterSymbolizer>'; var stdev_0_20 = '<RasterSymbolizer>' + '<ColorMap type="ramp">' + '<ColorMapEntry color="#fde725" label="low" opacity="1" quantity="2"/>' + '<ColorMapEntry color="#5dc962" label=" " opacity="1" quantity="4"/>' + '<ColorMapEntry color="#20908d" label=" " opacity="1" quantity="5"/>' + '<ColorMapEntry color="#3a528b" label=" " opacity="1" quantity="7"/>' + '<ColorMapEntry color="#440154" label="high" opacity="1" quantity="9"/>' + '</ColorMap>' + '<ContrastEnhancement/>' + '</RasterSymbolizer>'; var stdev_20_50 = '<RasterSymbolizer>' + '<ColorMap type="ramp">' + '<ColorMapEntry color="#fde725" label="low" opacity="1" quantity="2"/>' + '<ColorMapEntry color="#5dc962" label=" " opacity="1" quantity="4"/>' + '<ColorMapEntry color="#20908d" label=" " opacity="1" quantity="5"/>' + '<ColorMapEntry color="#3a528b" label=" " opacity="1" quantity="7"/>' + '<ColorMapEntry color="#440154" label="high" opacity="1" quantity="9"/>' + '</ColorMap>' + '<ContrastEnhancement/>' + '</RasterSymbolizer>'; var raw = ee.Image("ISDASOIL/Africa/v1/bulk_density"); Map.addLayer( raw.select(0).sldStyle(mean_0_20), {}, "Bulk density, mean visualization, 0-20 cm"); Map.addLayer( raw.select(1).sldStyle(mean_20_50), {}, "Bulk density, mean visualization, 20-50 cm"); Map.addLayer( raw.select(2).sldStyle(stdev_0_20), {}, "Bulk density, stdev visualization, 0-20 cm"); Map.addLayer( raw.select(3).sldStyle(stdev_20_50), {}, "Bulk density, stdev visualization, 20-50 cm"); var converted = raw.divide(100); var visualization = {min: 1, max: 1.5}; Map.setCenter(25, -3, 2); Map.addLayer(converted.select(0), visualization, "Bulk density, mean, 0-20 cm");