این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.

iSDAsoil Stone Content

در دسترس بودن مجموعه داده‌ها: 2001-01-01T00:00:00Z–2017-01-01T00:00:00Z
تولیدکننده مجموعه داده: ایسدا

برچسب‌ها: سنگ خاک ایزدای آفریقا

توضیحات

محتوای سنگ در اعماق خاک ۰-۲۰ سانتی‌متر و ۲۰-۵۰ 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`	%	0	۴۲	متر	محتوای سنگ، میانگین پیش‌بینی‌شده در عمق ۰ تا ۲۰ سانتی‌متری
`mean_20_50`	%	0	۴۲	متر	میانگین پیش‌بینی‌شده‌ی محتوای سنگ در عمق ۲۰ تا ۵۰ سانتی‌متری
`stdev_0_20`	%	۱	۱۵۹	متر	انحراف معیار درصد سنگ در عمق ۰ تا ۲۰ سانتی‌متر
`stdev_20_50`	%	۱	۱۵۸	متر	انحراف معیار درصد سنگ در عمق ۲۰ تا ۵۰ سانتی‌متر

شرایط استفاده

شرایط استفاده

CC-BY-4.0

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="0-0.1" opacity="1" quantity="1"/>' +
  '<ColorMapEntry color="#002D6C" label="0.1-0.3" opacity="1" quantity="3"/>' +
  '<ColorMapEntry color="#16396D" label="0.3-0.5" opacity="1" quantity="4"/>' +
  '<ColorMapEntry color="#36476B" label="0.5-0.6" opacity="1" quantity="5"/>' +
  '<ColorMapEntry color="#4B546C" label="0.6-0.8" opacity="1" quantity="6"/>' +
  '<ColorMapEntry color="#5C616E" label="0.8-1" opacity="1" quantity="7"/>' +
  '<ColorMapEntry color="#6C6E72" label="1-1.2" opacity="1" quantity="8"/>' +
  '<ColorMapEntry color="#7C7B78" label="1.2-1.5" opacity="1" quantity="9"/>' +
  '<ColorMapEntry color="#8E8A79" label="1.5-1.7" opacity="1" quantity="10"/>' +
  '<ColorMapEntry color="#A09877" label="1.7-2" opacity="1" quantity="11"/>' +
  '<ColorMapEntry color="#B3A772" label="2-2.3" opacity="1" quantity="12"/>' +
  '<ColorMapEntry color="#C6B66B" label="2.3-2.7" opacity="1" quantity="13"/>' +
  '<ColorMapEntry color="#DBC761" label="2.7-3.1" opacity="1" quantity="14"/>' +
  '<ColorMapEntry color="#F0D852" label="3.1-3.5" opacity="1" quantity="15"/>' +
  '<ColorMapEntry color="#FFEA46" label="3.5-80" opacity="1" quantity="16"/>' +
 '</ColorMap>' +
 '<ContrastEnhancement/>' +
'</RasterSymbolizer>';

var mean_20_50 =
'<RasterSymbolizer>' +
 '<ColorMap type="ramp">' +
  '<ColorMapEntry color="#00204D" label="0-0.1" opacity="1" quantity="1"/>' +
  '<ColorMapEntry color="#002D6C" label="0.1-0.3" opacity="1" quantity="3"/>' +
  '<ColorMapEntry color="#16396D" label="0.3-0.5" opacity="1" quantity="4"/>' +
  '<ColorMapEntry color="#36476B" label="0.5-0.6" opacity="1" quantity="5"/>' +
  '<ColorMapEntry color="#4B546C" label="0.6-0.8" opacity="1" quantity="6"/>' +
  '<ColorMapEntry color="#5C616E" label="0.8-1" opacity="1" quantity="7"/>' +
  '<ColorMapEntry color="#6C6E72" label="1-1.2" opacity="1" quantity="8"/>' +
  '<ColorMapEntry color="#7C7B78" label="1.2-1.5" opacity="1" quantity="9"/>' +
  '<ColorMapEntry color="#8E8A79" label="1.5-1.7" opacity="1" quantity="10"/>' +
  '<ColorMapEntry color="#A09877" label="1.7-2" opacity="1" quantity="11"/>' +
  '<ColorMapEntry color="#B3A772" label="2-2.3" opacity="1" quantity="12"/>' +
  '<ColorMapEntry color="#C6B66B" label="2.3-2.7" opacity="1" quantity="13"/>' +
  '<ColorMapEntry color="#DBC761" label="2.7-3.1" opacity="1" quantity="14"/>' +
  '<ColorMapEntry color="#F0D852" label="3.1-3.5" opacity="1" quantity="15"/>' +
  '<ColorMapEntry color="#FFEA46" label="3.5-80" opacity="1" quantity="16"/>' +
 '</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/stone_content");
Map.addLayer(
    raw.select(0).sldStyle(mean_0_20), {},
    "Stone content, mean visualization, 0-20 cm");
Map.addLayer(
    raw.select(1).sldStyle(mean_20_50), {},
    "Stone content, mean visualization, 20-50 cm");
Map.addLayer(
    raw.select(2).sldStyle(stdev_0_20), {},
    "Stone content, stdev visualization, 0-20 cm");
Map.addLayer(
    raw.select(3).sldStyle(stdev_20_50), {},
    "Stone content, stdev visualization, 20-50 cm");

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

var visualization = {min: 0, max: 6};

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

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

باز کردن در ویرایشگر کد

محتوای سنگ iSDAsoil

محتوای سنگ 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 آثاری مانند نواربندی (نواربندی) دیده شود. پیش‌بینی‌های خواص خاک ...

ISDASOIL/Africa/v1/stone_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

https://developers.google.com/earth-engine/datasets