
- Dostępność zbioru danych
- 2001-01-01T00:00:00Z–2017-01-01T00:00:00Z
- Dostawca zbioru danych
- iSDA
- Tagi
Opis
pH na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe.
Wartości pikseli muszą zostać przekształcone z powrotem za pomocą funkcji x/10
.
Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą być widoczne artefakty, takie jak pasy.
Prognozy dotyczące właściwości gleby zostały opracowane przez firmę Innovative Solutions for Decision Agriculture Ltd. (iSDA) w rozdzielczości 30 m na piksel przy użyciu uczenia maszynowego w połączeniu z danymi teledetekcyjnymi i zbiorem treningowym zawierającym ponad 100 tys. przeanalizowanych próbek gleby.
Więcej informacji znajdziesz w najczęstszych pytaniach i dokumentacji z informacjami technicznymi. Aby zgłosić problem lub poprosić o pomoc, wejdź na stronę iSDAsoil.
Pasma
Rozmiar piksela
30 metrów
Pasma
Nazwa | Minimum | Maks. | Rozmiar piksela | Opis |
---|---|---|---|---|
mean_0_20 |
35 | 103 | metry | pH, prognozowana średnia na głębokości 0–20 cm |
mean_20_50 |
35 | 102 | metry | pH, prognozowana średnia na głębokości 20–50 cm |
stdev_0_20 |
0 | 18 | metry | pH, odchylenie standardowe na głębokości 0–20 cm |
stdev_20_50 |
0 | 18 | metry | pH, odchylenie standardowe na głębokości 20–50 cm |
Warunki korzystania z usługi
Warunki korzystania z usługi
Cytaty
Hengl, T., Miller, M.A.E., Križan, J. i in. 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
Odkrywanie za pomocą Earth Engine
Edytor kodu (JavaScript)
var mean_0_20 = '<RasterSymbolizer>' + '<ColorMap type="ramp">' + '<ColorMapEntry color="#CC0000" label="3.5-4.6" opacity="1" quantity="46"/>' + '<ColorMapEntry color="#FF0000" label="4.6-4.9" opacity="1" quantity="49"/>' + '<ColorMapEntry color="#FF5500" label="4.9-5.2" opacity="1" quantity="52"/>' + '<ColorMapEntry color="#FFAA00" label="5.2-5.4" opacity="1" quantity="54"/>' + '<ColorMapEntry color="#FFFF00" label="5.4-5.5" opacity="1" quantity="55"/>' + '<ColorMapEntry color="#D4FF2B" label="5.5-5.6" opacity="1" quantity="56"/>' + '<ColorMapEntry color="#AAFF55" label="5.6-5.7" opacity="1" quantity="57"/>' + '<ColorMapEntry color="#80FF80" label="5.7-5.9" opacity="1" quantity="59"/>' + '<ColorMapEntry color="#55FFAA" label="5.9-6" opacity="1" quantity="60"/>' + '<ColorMapEntry color="#2BFFD5" label="6-6.2" opacity="1" quantity="62"/>' + '<ColorMapEntry color="#00FFFF" label="6.2-6.3" opacity="1" quantity="63"/>' + '<ColorMapEntry color="#00AAFF" label="6.3-6.6" opacity="1" quantity="66"/>' + '<ColorMapEntry color="#0055FF" label="6.6-6.8" opacity="1" quantity="68"/>' + '<ColorMapEntry color="#0000FF" label="6.8-7.1" opacity="1" quantity="71"/>' + '<ColorMapEntry color="#0000CC" label="7.1-10.5" opacity="1" quantity="76"/>' + '</ColorMap>' + '<ContrastEnhancement/>' + '</RasterSymbolizer>'; var mean_20_50 = '<RasterSymbolizer>' + '<ColorMap type="ramp">' + '<ColorMapEntry color="#CC0000" label="3.5-4.6" opacity="1" quantity="46"/>' + '<ColorMapEntry color="#FF0000" label="4.6-4.9" opacity="1" quantity="49"/>' + '<ColorMapEntry color="#FF5500" label="4.9-5.2" opacity="1" quantity="52"/>' + '<ColorMapEntry color="#FFAA00" label="5.2-5.4" opacity="1" quantity="54"/>' + '<ColorMapEntry color="#FFFF00" label="5.4-5.5" opacity="1" quantity="55"/>' + '<ColorMapEntry color="#D4FF2B" label="5.5-5.6" opacity="1" quantity="56"/>' + '<ColorMapEntry color="#AAFF55" label="5.6-5.7" opacity="1" quantity="57"/>' + '<ColorMapEntry color="#80FF80" label="5.7-5.9" opacity="1" quantity="59"/>' + '<ColorMapEntry color="#55FFAA" label="5.9-6" opacity="1" quantity="60"/>' + '<ColorMapEntry color="#2BFFD5" label="6-6.2" opacity="1" quantity="62"/>' + '<ColorMapEntry color="#00FFFF" label="6.2-6.3" opacity="1" quantity="63"/>' + '<ColorMapEntry color="#00AAFF" label="6.3-6.6" opacity="1" quantity="66"/>' + '<ColorMapEntry color="#0055FF" label="6.6-6.8" opacity="1" quantity="68"/>' + '<ColorMapEntry color="#0000FF" label="6.8-7.1" opacity="1" quantity="71"/>' + '<ColorMapEntry color="#0000CC" label="7.1-10.5" opacity="1" quantity="76"/>' + '</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="5"/>' + '</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="5"/>' + '</ColorMap>' + '<ContrastEnhancement/>' + '</RasterSymbolizer>'; var raw = ee.Image("ISDASOIL/Africa/v1/ph"); Map.addLayer( raw.select(0).sldStyle(mean_0_20), {}, "ph, mean visualization, 0-20 cm"); Map.addLayer( raw.select(1).sldStyle(mean_20_50), {}, "ph, mean visualization, 20-50 cm"); Map.addLayer( raw.select(2).sldStyle(stdev_0_20), {}, "ph, stdev visualization, 0-20 cm"); Map.addLayer( raw.select(3).sldStyle(stdev_20_50), {}, "ph, stdev visualization, 20-50 cm"); var converted = raw.divide(10); var visualization = {min: 4, max: 8}; Map.setCenter(25, -3, 2); Map.addLayer(converted.select(0), visualization, "ph, mean, 0-20 cm");