iSDAsoil Extractable Iron

資料集開放期間

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

資料集產生者

iSDA

Earth Engine 程式碼片段

ee.Image("ISDASOIL/Africa/v1/iron_extractable")

標記

非洲 ISDA 土壤

鐵

說明

土壤深度 0-20 公分和 20-50 公分的可萃取鐵含量、預測平均值和標準差。

像素值必須使用 exp(x/10)-1 進行反向轉換。

在叢林茂密的區域 (通常位於中非)，模型準確度較低，因此可能會出現帶狀 (條紋) 等構件。

土壤性質預測是由 Innovative Solutions for Decision Agriculture Ltd. (iSDA) 進行，採用機器學習技術搭配遙測資料，以及超過 10 萬個分析土壤樣本的訓練集，以 30 公尺的像素大小進行預測。

詳情請參閱常見問題和技術資訊說明文件。如要提交問題或要求支援，請造訪iSDAsoil 網站。

頻帶

波段

像素大小：30 公尺 (所有頻帶)

名稱	單位	最小值	最大值	像素大小	說明
mean_0_20	ppm	0	62	30 公尺	可萃取鐵，預測平均深度為 0 到 20 公分
mean_20_50	ppm	0	47	30 公尺	可萃取鐵的預測平均值 (深度 20 至 50 公分)
stdev_0_20	ppm	0	39	30 公尺	可萃取鐵，0 到 20 公分深度的標準差
stdev_20_50	ppm	0	39	30 公尺	鐵，可萃取，20-50 公分深度的標準差

使用條款

使用條款

CC-BY-4.0

參考資料

參考資料：

• Hengl, T.、Miller, M.A.E.、Križan, J. 等人。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

使用 Earth Engine 探索

重要事項： Earth Engine 平台可對地理空間資料集進行 PB 等級的科學分析和圖表/影像作業，適合用於促進公共福祉，或供企業和政府使用。 Earth Engine 可免費用於研究、教育和非營利用途。如有意使用，請申請 Earth Engine 權限。

程式碼編輯器 (JavaScript)

var mean_0_20 =
'<RasterSymbolizer>' +
 '<ColorMap type="ramp">' +
  '<ColorMapEntry color="#0D0887" label="0-6.4" opacity="1" quantity="20"/>' +
  '<ColorMapEntry color="#350498" label="6.4-13.9" opacity="1" quantity="27"/>' +
  '<ColorMapEntry color="#5402A3" label="13.9-29" opacity="1" quantity="34"/>' +
  '<ColorMapEntry color="#7000A8" label="29-35.6" opacity="1" quantity="36"/>' +
  '<ColorMapEntry color="#8B0AA5" label="35.6-43.7" opacity="1" quantity="38"/>' +
  '<ColorMapEntry color="#A31E9A" label="43.7-48.4" opacity="1" quantity="39"/>' +
  '<ColorMapEntry color="#B93289" label="48.4-53.6" opacity="1" quantity="40"/>' +
  '<ColorMapEntry color="#CC4678" label="53.6-59.3" opacity="1" quantity="41"/>' +
  '<ColorMapEntry color="#DB5C68" label="59.3-65.7" opacity="1" quantity="42"/>' +
  '<ColorMapEntry color="#E97158" label="65.7-72.7" opacity="1" quantity="43"/>' +
  '<ColorMapEntry color="#F48849" label="72.7-80.5" opacity="1" quantity="44"/>' +
  '<ColorMapEntry color="#FBA139" label="80.5-89" opacity="1" quantity="45"/>' +
  '<ColorMapEntry color="#FEBC2A" label="89-98.5" opacity="1" quantity="46"/>' +
  '<ColorMapEntry color="#FADA24" label="98.5-108.9" opacity="1" quantity="47"/>' +
  '<ColorMapEntry color="#F0F921" label="108.9-1200" opacity="1" quantity="48"/>' +
 '</ColorMap>' +
 '<ContrastEnhancement/>' +
'</RasterSymbolizer>';

var mean_20_50 =
'<RasterSymbolizer>' +
 '<ColorMap type="ramp">' +
  '<ColorMapEntry color="#0D0887" label="0-6.4" opacity="1" quantity="20"/>' +
  '<ColorMapEntry color="#350498" label="6.4-13.9" opacity="1" quantity="27"/>' +
  '<ColorMapEntry color="#5402A3" label="13.9-29" opacity="1" quantity="34"/>' +
  '<ColorMapEntry color="#7000A8" label="29-35.6" opacity="1" quantity="36"/>' +
  '<ColorMapEntry color="#8B0AA5" label="35.6-43.7" opacity="1" quantity="38"/>' +
  '<ColorMapEntry color="#A31E9A" label="43.7-48.4" opacity="1" quantity="39"/>' +
  '<ColorMapEntry color="#B93289" label="48.4-53.6" opacity="1" quantity="40"/>' +
  '<ColorMapEntry color="#CC4678" label="53.6-59.3" opacity="1" quantity="41"/>' +
  '<ColorMapEntry color="#DB5C68" label="59.3-65.7" opacity="1" quantity="42"/>' +
  '<ColorMapEntry color="#E97158" label="65.7-72.7" opacity="1" quantity="43"/>' +
  '<ColorMapEntry color="#F48849" label="72.7-80.5" opacity="1" quantity="44"/>' +
  '<ColorMapEntry color="#FBA139" label="80.5-89" opacity="1" quantity="45"/>' +
  '<ColorMapEntry color="#FEBC2A" label="89-98.5" opacity="1" quantity="46"/>' +
  '<ColorMapEntry color="#FADA24" label="98.5-108.9" opacity="1" quantity="47"/>' +
  '<ColorMapEntry color="#F0F921" label="108.9-1200" opacity="1" quantity="48"/>' +
 '</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/iron_extractable");
Map.addLayer(
    raw.select(0).sldStyle(mean_0_20), {},
    "Iron, extractable, mean visualization, 0-20 cm");
Map.addLayer(
    raw.select(1).sldStyle(mean_20_50), {},
    "Iron, extractable, mean visualization, 20-50 cm");
Map.addLayer(
    raw.select(2).sldStyle(stdev_0_20), {},
    "Iron, extractable, stdev visualization, 0-20 cm");
Map.addLayer(
    raw.select(3).sldStyle(stdev_20_50), {},
    "Iron, extractable, stdev visualization, 20-50 cm");

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

var visualization = {min: 0, max: 140};

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

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

在程式碼編輯器開啟

iSDAsoil Extractable Iron

土壤深度 0-20 公分和 20-50 公分的可萃取鐵含量、預測平均值和標準差。像素值必須使用 exp(x/10)-1 進行反向轉換。在叢林茂密的地區 (通常是中非)，模型準確度較低，因此可能會出現條紋等影像瑕疵。土壤屬性預測結果為…

ISDASOIL/Africa/v1/iron_extractable, africa,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