iSDAsoil Silt Content

ISDASOIL/آفریقا/v1/silt_content
در دسترس بودن مجموعه داده‌ها
2001-01-01T00:00:00Z–2017-01-01T00:00:00Z
تولیدکننده مجموعه داده
قطعه کد موتور زمین
ee.Image("ISDASOIL/Africa/v1/silt_content")
برچسب‌ها
خاک ایزدا آفریقا ، گل و لای

توضیحات

میزان سیلت در اعماق خاک 0-20 سانتی‌متر و 20-50 سانتی‌متر، میانگین و انحراف معیار پیش‌بینی‌شده.

مقادیر پیکسل باید با exp(x/10)-1 به عقب تبدیل شوند.

در مناطقی با جنگل‌های انبوه (عموماً در آفریقای مرکزی)، دقت مدل پایین است و بنابراین ممکن است آثاری مانند نواربندی (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 % ۱ ۶۱ متر

میانگین پیش‌بینی‌شده‌ی محتوای گل و لای در عمق ۰ تا ۲۰ سانتی‌متر

mean_20_50 % 0 ۶۲ متر

میانگین پیش‌بینی‌شده‌ی محتوای گل و لای در عمق ۲۰ تا ۵۰ سانتی‌متر

stdev_0_20 % 0 ۳۸ متر

انحراف معیار محتوای گل و لای در عمق ۰ تا ۲۰ سانتی‌متر

stdev_20_50 % 0 ۳۸ متر

انحراف معیار میزان گل و لای در عمق ۲۰ تا ۵۰ سانتی‌متر

شرایط استفاده

شرایط استفاده

CC-BY-4.0

نقل قول‌ها

نقل قول ها:

  • 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="0-7" opacity="1" quantity="7"/>' +
  '<ColorMapEntry color="#002D6C" label="7-9" opacity="1" quantity="9"/>' +
  '<ColorMapEntry color="#16396D" label="9-10" opacity="1" quantity="10"/>' +
  '<ColorMapEntry color="#36476B" label="10-11" opacity="1" quantity="11"/>' +
  '<ColorMapEntry color="#4B546C" label="11-12" opacity="1" quantity="12"/>' +
  '<ColorMapEntry color="#5C616E" label="12-13" opacity="1" quantity="13"/>' +
  '<ColorMapEntry color="#6C6E72" label="13-14" opacity="1" quantity="14"/>' +
  '<ColorMapEntry color="#7C7B78" label="14-15" opacity="1" quantity="15"/>' +
  '<ColorMapEntry color="#8E8A79" label="15-16" opacity="1" quantity="16"/>' +
  '<ColorMapEntry color="#A09877" label="16-17" opacity="1" quantity="17"/>' +
  '<ColorMapEntry color="#B3A772" label="17-18" opacity="1" quantity="18"/>' +
  '<ColorMapEntry color="#C6B66B" label="18-19" opacity="1" quantity="19"/>' +
  '<ColorMapEntry color="#DBC761" label="19-20" opacity="1" quantity="20"/>' +
  '<ColorMapEntry color="#F0D852" label="20-22" opacity="1" quantity="22"/>' +
  '<ColorMapEntry color="#FFEA46" label="22-70" opacity="1" quantity="24"/>' +
 '</ColorMap>' +
 '<ContrastEnhancement/>' +
'</RasterSymbolizer>';

var mean_20_50 =
'<RasterSymbolizer>' +
 '<ColorMap type="ramp">' +
  '<ColorMapEntry color="#00204D" label="0-7" opacity="1" quantity="7"/>' +
  '<ColorMapEntry color="#002D6C" label="7-9" opacity="1" quantity="9"/>' +
  '<ColorMapEntry color="#16396D" label="9-10" opacity="1" quantity="10"/>' +
  '<ColorMapEntry color="#36476B" label="10-11" opacity="1" quantity="11"/>' +
  '<ColorMapEntry color="#4B546C" label="11-12" opacity="1" quantity="12"/>' +
  '<ColorMapEntry color="#5C616E" label="12-13" opacity="1" quantity="13"/>' +
  '<ColorMapEntry color="#6C6E72" label="13-14" opacity="1" quantity="14"/>' +
  '<ColorMapEntry color="#7C7B78" label="14-15" opacity="1" quantity="15"/>' +
  '<ColorMapEntry color="#8E8A79" label="15-16" opacity="1" quantity="16"/>' +
  '<ColorMapEntry color="#A09877" label="16-17" opacity="1" quantity="17"/>' +
  '<ColorMapEntry color="#B3A772" label="17-18" opacity="1" quantity="18"/>' +
  '<ColorMapEntry color="#C6B66B" label="18-19" opacity="1" quantity="19"/>' +
  '<ColorMapEntry color="#DBC761" label="19-20" opacity="1" quantity="20"/>' +
  '<ColorMapEntry color="#F0D852" label="20-22" opacity="1" quantity="22"/>' +
  '<ColorMapEntry color="#FFEA46" label="22-70" opacity="1" quantity="24"/>' +
 '</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="4.19000000000005"/>' +
 '</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="4.19000000000005"/>' +
 '</ColorMap>' +
 '<ContrastEnhancement/>' +
'</RasterSymbolizer>';

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

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

var visualization = {min: 0, max: 15};

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

Map.addLayer(converted.select(0), visualization, "Silt content, mean, 0-20 cm");
باز کردن در ویرایشگر کد
محتوای سیلت در اعماق خاک 0-20 سانتی‌متر و 20-50 سانتی‌متر، میانگین و انحراف معیار پیش‌بینی‌شده. مقادیر پیکسل باید با exp(x/10)-1 تبدیل معکوس شوند. در مناطقی با جنگل‌های متراکم (عموماً در آفریقای مرکزی)، دقت مدل پایین است و بنابراین ممکن است مصنوعاتی مانند نواری شدن (نواربندی) دیده شود. پیش‌بینی‌های خواص خاک ...
ISDASOIL/Africa/v1/silt_content، آفریقا، ایزدا، خاک
2001-01-01T00:00:00Z/2017-01-01T00:00:00Z
۳۵.۲۲- ۳۱.۴۶- ۳۷.۹۸ ۵۷.۰۸
موتور گوگل ارث