- دردسترس بودن مجموعه داده
- 2001-01-01T00:00:00Z–2017-01-01T00:00:00Z
- تولیدکننده مجموعه داده
- iSDA
- برچسبها
شرح
محتوای ماسه 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 | دقیقه | Max | اندازه پیکسل | شرح |
|---|---|---|---|---|---|
mean_0_20 |
٪ | 2 | 94 | ۳۰ متر | محتوای ماسه، میانگین پیشبینیشده در عمق ۰ تا ۲۰ سانتیمتری |
mean_20_50 |
٪ | 2 | ۹۵ | ۳۰ متر | محتوای ماسه، میانگین پیشبینیشده در عمق ۲۰ تا ۵۰ سانتیمتری |
stdev_0_20 |
٪ | 0 | 144 | ۳۰ متر | محتوای ماسه، انحراف معیار در عمق ۰ تا ۲۰ سانتیمتری |
stdev_20_50 |
٪ | 0 | ۱۴۳ | ۳۰ متر | محتوای ماسه، انحراف معیار در عمق ۲۰ تا ۵۰ سانتیمتری |
شرایط استفاده
شرایط استفاده
نقلقولها
Hengl, T., Miller, M.A.E., Križan, 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="0-31" opacity="1" quantity="31"/>' + '<ColorMapEntry color="#002D6C" label="31-39" opacity="1" quantity="39"/>' + '<ColorMapEntry color="#16396D" label="39-43" opacity="1" quantity="43"/>' + '<ColorMapEntry color="#36476B" label="43-46" opacity="1" quantity="46"/>' + '<ColorMapEntry color="#4B546C" label="46-49" opacity="1" quantity="49"/>' + '<ColorMapEntry color="#5C616E" label="49-52" opacity="1" quantity="52"/>' + '<ColorMapEntry color="#6C6E72" label="52-54" opacity="1" quantity="54"/>' + '<ColorMapEntry color="#7C7B78" label="54-56" opacity="1" quantity="56"/>' + '<ColorMapEntry color="#8E8A79" label="56-58" opacity="1" quantity="58"/>' + '<ColorMapEntry color="#A09877" label="58-60" opacity="1" quantity="60"/>' + '<ColorMapEntry color="#B3A772" label="60-63" opacity="1" quantity="63"/>' + '<ColorMapEntry color="#C6B66B" label="63-65" opacity="1" quantity="65"/>' + '<ColorMapEntry color="#DBC761" label="65-68" opacity="1" quantity="68"/>' + '<ColorMapEntry color="#F0D852" label="68-71" opacity="1" quantity="71"/>' + '<ColorMapEntry color="#FFEA46" label="71-100" opacity="1" quantity="75"/>' + '</ColorMap>' + '<ContrastEnhancement/>' + '</RasterSymbolizer>'; var mean_20_50 = '<RasterSymbolizer>' + '<ColorMap type="ramp">' + '<ColorMapEntry color="#00204D" label="0-31" opacity="1" quantity="31"/>' + '<ColorMapEntry color="#002D6C" label="31-39" opacity="1" quantity="39"/>' + '<ColorMapEntry color="#16396D" label="39-43" opacity="1" quantity="43"/>' + '<ColorMapEntry color="#36476B" label="43-46" opacity="1" quantity="46"/>' + '<ColorMapEntry color="#4B546C" label="46-49" opacity="1" quantity="49"/>' + '<ColorMapEntry color="#5C616E" label="49-52" opacity="1" quantity="52"/>' + '<ColorMapEntry color="#6C6E72" label="52-54" opacity="1" quantity="54"/>' + '<ColorMapEntry color="#7C7B78" label="54-56" opacity="1" quantity="56"/>' + '<ColorMapEntry color="#8E8A79" label="56-58" opacity="1" quantity="58"/>' + '<ColorMapEntry color="#A09877" label="58-60" opacity="1" quantity="60"/>' + '<ColorMapEntry color="#B3A772" label="60-63" opacity="1" quantity="63"/>' + '<ColorMapEntry color="#C6B66B" label="63-65" opacity="1" quantity="65"/>' + '<ColorMapEntry color="#DBC761" label="65-68" opacity="1" quantity="68"/>' + '<ColorMapEntry color="#F0D852" label="68-71" opacity="1" quantity="71"/>' + '<ColorMapEntry color="#FFEA46" label="71-100" opacity="1" quantity="75"/>' + '</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="3"/>' + '<ColorMapEntry color="#20908d" label=" " opacity="1" quantity="4"/>' + '<ColorMapEntry color="#3a528b" label=" " opacity="1" quantity="6"/>' + '<ColorMapEntry color="#440154" label="high" opacity="1" quantity="7"/>' + '</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="3"/>' + '<ColorMapEntry color="#20908d" label=" " opacity="1" quantity="4"/>' + '<ColorMapEntry color="#3a528b" label=" " opacity="1" quantity="6"/>' + '<ColorMapEntry color="#440154" label="high" opacity="1" quantity="7"/>' + '</ColorMap>' + '<ContrastEnhancement/>' + '</RasterSymbolizer>'; var raw = ee.Image("ISDASOIL/Africa/v1/sand_content"); Map.addLayer( raw.select(0).sldStyle(mean_0_20), {}, "Sand content, mean visualization, 0-20 cm"); Map.addLayer( raw.select(1).sldStyle(mean_20_50), {}, "Sand content, mean visualization, 20-50 cm"); Map.addLayer( raw.select(2).sldStyle(stdev_0_20), {}, "Sand content, stdev visualization, 0-20 cm"); Map.addLayer( raw.select(3).sldStyle(stdev_20_50), {}, "Sand content, stdev visualization, 20-50 cm"); var converted = raw.divide(10).exp().subtract(1); var visualization = {min: 0, max: 3000}; Map.setCenter(25, -3, 2); Map.addLayer(converted.select(0), visualization, "Sand content, mean, 0-20 cm");