
- در دسترس بودن مجموعه دادهها
- 2001-01-01T00:00:00Z–2017-01-01T00:00:00Z
- تولیدکننده مجموعه داده
- موتور جستجوی گوگل ارث iSDA
- برچسبها
توضیحات
میزان شن در عمق خاک ۰-۲۰ سانتیمتر و ۲۰-۵۰ سانتیمتر، میانگین و انحراف معیار پیشبینیشده. در مناطقی با جنگلهای متراکم (عموماً در آفریقای مرکزی)، دقت مدل پایین است و بنابراین ممکن است آثاری مانند نواری شدن (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 | % | ۲ | ۹۴ | متر | میانگین پیشبینیشدهی محتوای شن در عمق ۰ تا ۲۰ سانتیمتر |
mean_20_50 | % | ۲ | ۹۵ | متر | میانگین پیشبینیشدهی محتوای شن در عمق ۲۰ تا ۵۰ سانتیمتر |
stdev_0_20 | % | 0 | ۱۴۴ | متر | میزان شن، انحراف معیار در عمق ۰ تا ۲۰ سانتیمتر |
stdev_20_50 | % | 0 | ۱۴۳ | متر | انحراف معیار میزان شن 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="0-31" 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");