‫Google برای ترجمه محتوا به زبان ترجیحی شما از فناوری هوشواره استفاده می‌کند. ترجمه‌های هوشواره‌ای ممکن است اشتباه داشته باشند.

iSDAsoil Clay Content

دردسترس بودن مجموعه داده: 2001-01-01T00:00:00Z–2017-01-01T00:00:00Z
تولیدکننده مجموعه داده: iSDA

برچسب‌ها: africa clay isda soil

شرح

محتوای خاک رس در عمق خاک ۰ تا ۲۰ سانتی‌متر و ۲۰ تا ۵۰ سانتی‌متر،\nمیانگین پیش‌بینی‌شده و انحراف معیار. در مناطق جنگلی انبوه (عموماً در افریقای مرکزی)، دقت مدل پایین است و بنابراین ممکن است آثار مصنوعی مانند نواربندی (راه‌راه شدن) دیده شود.

پیش‌بینی‌های ویژگی خاک توسط Innovative Solutions for Decision Agriculture Ltd. (iSDA) در اندازه پیکسل ۳۰ متر بااستفاده از یادگیری ماشین همراه با داده‌های سنجش از دور و مجموعه آموزشی بیش‌از ۱۰۰٬۰۰۰ نمونه خاک تجزیه‌وتحلیل‌شده انجام شده است.

اطلاعات بیشتر را می‌توانید در پرسشگان و اسناد اطلاعات فنی پیدا کنید. برای ارسال مشکل یا درخواست پشتیبانی، لطفاً به سایت iSDAsoil مراجعه کنید.

باند

باند

اندازه پیکسل: ۳۰ متر (همه باندها)

نام	واحدها	Max	اندازه پیکسل	شرح
`mean_0_20`	٪	84	‫۳۰ متر	محتوای خاک رس، میانگین پیش‌بینی‌شده در عمق ۰ تا ۲۰ سانتی‌متری
`mean_20_50`	٪	78	‫۳۰ متر	محتوای خاک رس، میانگین پیش‌بینی‌شده در عمق ۲۰ تا ۵۰ سانتی‌متری
`stdev_0_20`	٪	۹۰	‫۳۰ متر	محتوای خاک رس، انحراف معیار در عمق ۰ تا ۲۰ سانتی‌متری
`stdev_20_50`	٪	۹۰	‫۳۰ متر	محتوای خاک رس، انحراف معیار در عمق ۲۰ تا ۵۰ سانتی‌متری

شرایط استفاده

شرایط استفاده

CC-BY-4.0

نقل‌قول‌ها

Hengl, T.,‎ Miller, M.A.E., Kri&zcaron;an, J., et al. African soil properties and nutrients mapped at 30 m spatial resolution using two-scale ensemble machine learning. Sci Rep 11, 6130 (2021). doi:10.1038/s41598-021-85639-y

کاوش با Earth Engine

ویرایشگر کد (جاوا اسکریپت)

var mean_0_20 =
'<RasterSymbolizer>' +
 '<ColorMap type="ramp">' +
  '<ColorMapEntry color="#00204D" label="0-8" opacity="1" quantity="8"/>' +
  '<ColorMapEntry color="#002D6C" label="8-14" opacity="1" quantity="14"/>' +
  '<ColorMapEntry color="#16396D" label="14-17" opacity="1" quantity="17"/>' +
  '<ColorMapEntry color="#36476B" label="17-19" opacity="1" quantity="19"/>' +
  '<ColorMapEntry color="#4B546C" label="19-21" opacity="1" quantity="21"/>' +
  '<ColorMapEntry color="#5C616E" label="21-22" opacity="1" quantity="22"/>' +
  '<ColorMapEntry color="#6C6E72" label="22-24" opacity="1" quantity="24"/>' +
  '<ColorMapEntry color="#7C7B78" label="24-25" opacity="1" quantity="25"/>' +
  '<ColorMapEntry color="#8E8A79" label="25-26" opacity="1" quantity="26"/>' +
  '<ColorMapEntry color="#A09877" label="26-28" opacity="1" quantity="28"/>' +
  '<ColorMapEntry color="#B3A772" label="28-30" opacity="1" quantity="30"/>' +
  '<ColorMapEntry color="#C6B66B" label="30-31" opacity="1" quantity="31"/>' +
  '<ColorMapEntry color="#DBC761" label="31-33" opacity="1" quantity="33"/>' +
  '<ColorMapEntry color="#F0D852" label="33-36" opacity="1" quantity="36"/>' +
  '<ColorMapEntry color="#FFEA46" label="36-70" opacity="1" quantity="40"/>' +
 '</ColorMap>' +
 '<ContrastEnhancement/>' +
'</RasterSymbolizer>';

var mean_20_50 =
'<RasterSymbolizer>' +
 '<ColorMap type="ramp">' +
  '<ColorMapEntry color="#00204D" label="0-8" opacity="1" quantity="8"/>' +
  '<ColorMapEntry color="#002D6C" label="8-14" opacity="1" quantity="14"/>' +
  '<ColorMapEntry color="#16396D" label="14-17" opacity="1" quantity="17"/>' +
  '<ColorMapEntry color="#36476B" label="17-19" opacity="1" quantity="19"/>' +
  '<ColorMapEntry color="#4B546C" label="19-21" opacity="1" quantity="21"/>' +
  '<ColorMapEntry color="#5C616E" label="21-22" opacity="1" quantity="22"/>' +
  '<ColorMapEntry color="#6C6E72" label="22-24" opacity="1" quantity="24"/>' +
  '<ColorMapEntry color="#7C7B78" label="24-25" opacity="1" quantity="25"/>' +
  '<ColorMapEntry color="#8E8A79" label="25-26" opacity="1" quantity="26"/>' +
  '<ColorMapEntry color="#A09877" label="26-28" opacity="1" quantity="28"/>' +
  '<ColorMapEntry color="#B3A772" label="28-30" opacity="1" quantity="30"/>' +
  '<ColorMapEntry color="#C6B66B" label="30-31" opacity="1" quantity="31"/>' +
  '<ColorMapEntry color="#DBC761" label="31-33" opacity="1" quantity="33"/>' +
  '<ColorMapEntry color="#F0D852" label="33-36" opacity="1" quantity="36"/>' +
  '<ColorMapEntry color="#FFEA46" label="36-70" opacity="1" quantity="40"/>' +
 '</ColorMap>' +
 '<ContrastEnhancement/>' +
'</RasterSymbolizer>';

var stdev_0_20 =
'<RasterSymbolizer>' +
 '<ColorMap type="ramp">' +
  '<ColorMapEntry color="#fde725" label="low" opacity="1" quantity="1"/>' +
  '<ColorMapEntry color="#5dc962" label=" " opacity="1" quantity="2"/>' +
  '<ColorMapEntry color="#20908d" label=" " opacity="1" quantity="3"/>' +
  '<ColorMapEntry color="#3a528b" label=" " opacity="1" quantity="4"/>' +
  '<ColorMapEntry color="#440154" label="high" opacity="1" quantity="6"/>' +
 '</ColorMap>' +
 '<ContrastEnhancement/>' +
'</RasterSymbolizer>';

var stdev_20_50 =
'<RasterSymbolizer>' +
 '<ColorMap type="ramp">' +
  '<ColorMapEntry color="#fde725" label="low" opacity="1" quantity="1"/>' +
  '<ColorMapEntry color="#5dc962" label=" " opacity="1" quantity="2"/>' +
  '<ColorMapEntry color="#20908d" label=" " opacity="1" quantity="3"/>' +
  '<ColorMapEntry color="#3a528b" label=" " opacity="1" quantity="4"/>' +
  '<ColorMapEntry color="#440154" label="high" opacity="1" quantity="6"/>' +
 '</ColorMap>' +
 '<ContrastEnhancement/>' +
'</RasterSymbolizer>';

var raw = ee.Image("ISDASOIL/Africa/v1/clay_content");
Map.addLayer(
    raw.select(0).sldStyle(mean_0_20), {},
    "Clay content, mean visualization, 0-20 cm");
Map.addLayer(
    raw.select(1).sldStyle(mean_20_50), {},
    "Clay content, mean visualization, 20-50 cm");
Map.addLayer(
    raw.select(2).sldStyle(stdev_0_20), {},
    "Clay content, stdev visualization, 0-20 cm");
Map.addLayer(
    raw.select(3).sldStyle(stdev_20_50), {},
    "Clay content, stdev visualization, 20-50 cm");

var converted = raw.divide(10).exp().subtract(1);

var visualization = {min: 0, max: 50};

Map.setCenter(25, -3, 2);

Map.addLayer(converted.select(0), visualization, "Clay content, mean, 0-20 cm");

باز کردن در «ویرایشگر کد»

محتوای رسی iSDAsoil

محتوای خاک رس در عمق خاک ۰ تا ۲۰ سانتی‌متر و ۲۰ تا ۵۰ سانتی‌متر،\nمیانگین پیش‌بینی‌شده و انحراف معیار. در مناطق جنگلی انبوه (عموماً در آفریقای مرکزی)، دقت مدل پایین است و بنابراین ممکن است آثار مصنوعی مانند نواربندی (راه‌راه شدن) دیده شود. پیش‌بینی‌های ویژگی خاک توسط Innovative Solutions for Decision Agriculture Ltd. …

ISDASOIL/Africa/v1/clay_content, africa,clay,isda,soil

2001-01-01T00:00:00Z/2017-01-01T00:00:00Z

-35.22 -31.46 37.98 57.08

Google Earth Engine

https://developers.google.com/earth-engine/datasets

iSDAsoil Clay Content با مجموعه‌ها، منظم بمانید ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.