NASA-USDA Enhanced SMAP Global Soil Moisture Data [deprecated]

NASA_USDA/HSL/SMAP10KM_soil_moisture
مدى توفّر مجموعة البيانات
2015-04-02T12:00:00Z–2022-08-02T12:00:00Z
الجهة المنتِجة لمجموعة البيانات
مقتطف Earth Engine
ee.ImageCollection("NASA_USDA/HSL/SMAP10KM_soil_moisture")
سلسلة نقاط التواصل
3 أيام
العلامات
جيوفيزيائي
hsl
nasa
smap
تربة
رطوبة التربة
usda

الوصف

توفّر بيانات رطوبة التربة العالمية المحسّنة من NASA-USDA معلومات عن رطوبة التربة في جميع أنحاء العالم بدقة مكانية تبلغ 10 كيلومترات. تتضمّن مجموعة البيانات هذه: السطح، والسطح الفرعي، ورطوبة التربة (ملليمتر)، وملف رطوبة التربة (بالمائة)، وشذوذ رطوبة التربة السطحية والفرعية (-).

يتم إنشاء مجموعة البيانات من خلال دمج ملاحظات رطوبة التربة النشطة والسلبية (SMAP) من المستوى 3 المستندة إلى الأقمار الصناعية في نموذج بالمر المعدَّل ذي الطبقتين باستخدام نهج استيعاب البيانات المستند إلى "مرشّح كلمان" المجمّع أحادي الأبعاد (EnKF). تم احتساب القيم الشاذة لرطوبة التربة من المناخ في اليوم المعنيّ. تم تقدير علم المناخ استنادًا إلى سجلّ البيانات الكامل لملاحظات القمر الصناعي SMAP وأسلوب النافذة المتحركة التي تتوسّط 31 يومًا. يساعد استيعاب بيانات رطوبة التربة التي يجمعها القمر الصناعي SMAP في تحسين التوقعات المستندة إلى النموذج بشأن رطوبة التربة، لا سيما في المناطق التي لا تتوفّر فيها أدوات قياس كافية في العالم والتي تفتقر إلى بيانات هطول الأمطار ذات الجودة العالية.

تم تطوير مجموعة البيانات هذه من قِبل مختبر العلوم الهيدرولوجية في "مركز غودارد لرحلات الفضاء" التابع لوكالة ناسا بالتعاون مع "دائرة الخدمات الزراعية الأجنبية" التابعة لوزارة الزراعة الأمريكية و"مختبر الهيدرولوجيا والاستشعار عن بُعد" التابع لوزارة الزراعة الأمريكية.

النطاقات

النطاقات

حجم البكسل: 10000 متر (جميع النطاقات)

الاسم الوحدات الحد الأدنى الحد الأقصى حجم البكسل الوصف
ssm مم 0* ‫25.39* ‫10,000 متر

رطوبة التربة السطحية
susm مم 0* 274.6* ‫10,000 متر

رطوبة التربة تحت السطح
smp كسر *0 *1 ‫10,000 متر

ملف رطوبة التربة
ssma بلا أبعاد ‎-4* 4* ‫10,000 متر

شذوذ رطوبة التربة السطحية
susma بلا أبعاد ‎-4* 4* ‫10,000 متر

القيم الشاذة لرطوبة التربة تحت السطح
* الحدّ الأدنى أو الأقصى المقدَّر

بنود الاستخدام

بنود الاستخدام

مجموعة البيانات هذه في النطاق العام ومتاحة بدون قيود على الاستخدام والتوزيع. يمكنك الاطّلاع على سياسة وكالة ناسا بشأن بيانات ومعلومات علوم الأرض للحصول على معلومات إضافية.

الاقتباسات

المراجع

  • Sazib, N., ي. د. "بولتن" وأنا. E. Mladenova. ‫2021. الاستفادة من بيانات "مهمة ناسا النشطة والسلبية لرصد رطوبة التربة" في تقييم مدى قابلية المناطق للاشتعال والتأثيرات المحتملة في أستراليا وكاليفورنيا IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 15: 779-787. doi:10.1109/jstars.2021.3136756

    Mladenova, I.E., Bolten, J.D., Crow, W., Sazib, N. and Reynolds, C., ‫2020. مراقبة الجفاف الزراعي من خلال دمج بيانات استرجاع رطوبة التربة من مهمة SMAP في نموذج عالمي لتوازن المياه في التربة الجهة الأمامية Big Data, 3(10). doi:10.3389/fdata.2020.00010

  • Sazib, N., ي. د. "بولتن" وأنا. E. Mladenova. ‫2021. الاستفادة من بيانات "مهمة ناسا النشطة والسلبية لرصد رطوبة التربة" في تقييم مدى قابلية المناطق للاشتعال والتأثيرات المحتملة في أستراليا وكاليفورنيا IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 15: 779-787. doi:10.1109/jstars.2021.3136756

  • Mladenova, I.E., Bolten, J.D., Crow, W.T., Sazib, N., Cosh, M.H., Tucker, C.J. and Reynolds, C., ‫2019. Evaluating the operational application of SMAP for global agricultural drought monitoring. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 12(9): 3387-3397. doi:10.1109/JSTARS.2019.2923555

  • Sazib, N., Mladenova, I., & Bolten, J. ‫(2020) تقييم تأثير ظاهرة النينو والنينيا على الزراعة في أفريقيا باستخدام بيانات مراقبة الأرض Frontiers in Sustainable Food Systems, 4, 188. doi:10.3389/fsufs.2020.509914 Google Scholar

  • Sazib, N., Mladenova, I. and Bolten, J., ‫2018. الاستفادة من Google Earth Engine لتقييم الجفاف باستخدام بيانات رطوبة التربة العالمية Remote sensing, 10(8): 1265. doi:10.3390/rs10081265

  • بولتن، ج.، W.T. Crow, X. Zhan, T.J. Jackson, and C.A. Reynolds (2010). Evaluating the Utility of Remotely Sensed Soil Moisture Retrievals for Operational Agricultural Drought Monitoring, IEEE Transactions on Geoscience and Remote Sensing, 3(1): 57-66. doi:10.1109/JSTARS.2009.2037163 Google Scholar

  • Bolten, J., and W. "تي كرو (2012). تحسين التوقّع بشأن الظروف شبه العالمية للنباتات باستخدام رطوبة التربة السطحية التي يتم رصدها عن بُعد، رسائل أبحاث الفيزياء الأرضية، 39: (L19406). [doi:10.1029/2012GL053470][https://doi.org/10.1029/2012GL053470) الباحث العلمي من Google

  • Entekhabi, D, Njoku, EG, O'Neill, PE, Kellogg, KH, Crow, WT, Edelstein, WN, Entin, JK, Goodman, SD, Jackson, TJ, Johnson, J, Kimball, J, Piepmeier, JR, Koster, RD, Martin, N, McDonald, KC, Moghaddam, M, Moran, S, Reichle, R, Shi, JC, Spencer, MW, Thurman, SW, Tsang, L & Van Zyl, J (2010). The soil moisture active passive (SMAP) mission, Proceedings of the IEEE, 98(5): 704-716. doi:10.1109/JPROC.2010.2043918

  • 1- E. Mladenova, J.D. Bolten, W.T. Crow, M.C. Anderson, C.R. Hain, D.M. Johnson, R. Mueller (2017). Intercomparison of Soil Moisture, Evaporative Stress, and Vegetation Indices for Estimating Corn and Soybean Yields Over the U.S., IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10(4): 1328-1343. doi:10.1109/JSTARS.2016.2639338

  • أونيل، بي. E., S. Chan, E. G. Njoku, T. Jackson, and R. Bindlish (2016). SMAP L3 Radiometer Global Daily 36 km EASE-Grid Soil Moisture, Version 4 بولدر، كولورادو، الولايات المتحدة الأمريكية NASA National Snow and Ice Data Center Distributed Active Archive Center.doi:10.5067/ZX7YX2Y2LHEB

معرِّفات العناصر الرقمية (DOI)

الاستكشاف باستخدام Earth Engine

أداة تعديل الرموز (JavaScript)

var dataset = ee.ImageCollection('NASA_USDA/HSL/SMAP10KM_soil_moisture')
                  .filter(ee.Filter.date('2017-04-01', '2017-04-30'));
var soilMoisture = dataset.select('ssm');
var soilMoistureVis = {
  min: 0.0,
  max: 28.0,
  palette: ['0300ff', '418504', 'efff07', 'efff07', 'ff0303'],
};
Map.setCenter(-6.746, 46.529, 2);
Map.addLayer(soilMoisture, soilMoistureVis, 'Soil Moisture');

إعداد Python

راجِع صفحة بيئة Python للحصول على معلومات حول واجهة برمجة التطبيقات Python واستخدام geemap للتطوير التفاعلي.

import ee
import geemap.core as geemap

Colab (Python)

dataset = ee.ImageCollection('NASA_USDA/HSL/SMAP10KM_soil_moisture').filter(
    ee.Filter.date('2017-04-01', '2017-04-30')
)

soil_moisture = dataset.select('ssm')

soil_moisture_vis = {
    'min': 0.0,
    'max': 28.0,
    'palette': ['0300ff', '418504', 'efff07', 'efff07', 'ff0303'],
}

m = geemap.Map()
m.set_center(-6.746, 46.529, 2)
m.add_layer(soil_moisture, soil_moisture_vis, 'Soil Moisture')
m
فتح في أداة تعديل الرموز"
توفّر بيانات رطوبة التربة العالمية المحسّنة من NASA-USDA معلومات عن رطوبة التربة في جميع أنحاء العالم بدقة مكانية تبلغ 10 كيلومترات. تتضمّن مجموعة البيانات هذه: السطح، وتحت السطح، ورطوبة التربة (ملليمتر)، وملف رطوبة التربة (بالمائة)، وشذوذ رطوبة التربة على السطح وتحت السطح (-). يتم إنشاء مجموعة البيانات من خلال دمج بيانات "الرطوبة النشطة والغير نشطة في التربة" (SMAP) المستمدّة من الأقمار الصناعية …
NASA_USDA/HSL/SMAP10KM_soil_moisture, geophysical,hsl,nasa,smap,soil,soil-moisture,usda
2015-04-02T12:00:00Z/2022-08-02T12:00:00Z
‎-60 -180 90 180
Google Earth Engine