- Disponibilidad del conjunto de datos
- 2015-04-02T12:00:00Z–2022-08-02T12:00:00Z
- Proveedor del conjunto de datos
- NASA GSFC
- Cadencia
- 3 días
- Etiquetas
Descripción
Los datos globales mejorados de humedad del suelo de SMAP de la NASA y el USDA proporcionan información sobre la humedad del suelo en todo el mundo con una resolución espacial de 10 km. Este conjunto de datos incluye: superficie, subsuperficie, humedad del suelo (mm), perfil de humedad del suelo (%), anomalías de humedad del suelo en la superficie y la subsuperficie (-).
El conjunto de datos se genera integrando las observaciones de humedad del suelo de nivel 3 del sensor activo y pasivo de humedad del suelo (SMAP) derivadas de satélites en el modelo de Palmer modificado de dos capas con un enfoque de asimilación de datos del filtro de Kalman de ensamble (EnKF) unidimensional. Las anomalías de humedad del suelo se calcularon a partir de la climatología del día de interés. La climatología se estimó en función del registro de datos completo de la observación satelital del SMAP y el enfoque de ventana móvil centrada en 31 días. La asimilación de las observaciones de humedad del suelo del SMAP ayuda a mejorar las predicciones de humedad del suelo basadas en modelos, en particular en las áreas del mundo con pocos instrumentos y que carecen de datos de precipitación de buena calidad.
Este conjunto de datos fue desarrollado por el Laboratorio de Ciencias Hidrológicas del Centro Goddard para Vuelos Espaciales de la NASA en cooperación con los Servicios Agrícolas Extranjeros del USDA y el Laboratorio de Hidrología y Teledetección del USDA.
Bandas
Bandas
Tamaño de píxel: 10,000 metros (todas las bandas)
| Nombre | Unidades | Mín. | Máx. | Tamaño de los píxeles | Descripción |
|---|---|---|---|---|---|
ssm |
mm | 0* | 25.39* | 10,000 metros | Humedad de la superficie del suelo |
susm |
mm | 0* | 274.6* | 10,000 metros | Humedad del suelo bajo la superficie |
smp |
Fracción | 0* | 1* | 10,000 metros | Perfil de humedad del suelo |
ssma |
Sin dimensiones | -4* | 4* | 10,000 metros | Anomalía de humedad del suelo superficial |
susma |
Sin dimensiones | -4* | 4* | 10,000 metros | Anomalía de humedad del suelo bajo la superficie |
Condiciones de Uso
Condiciones de Uso
Este conjunto de datos es de dominio público y está disponible sin restricciones de uso ni distribución. Consulta la Política de datos e información de ciencias de la Tierra de la NASA para obtener más información.
Citas
Sazib, N., J. D. Bolten, y I. E. Mladenova. 2021. Aprovechamiento de NASA Soil Moisture Active Passive para evaluar la susceptibilidad a incendios y los posibles impactos en Australia y California. 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. y Reynolds, C., 2020. Supervisión de la sequía agrícola a través de la asimilación de recuperaciones de humedad del suelo del SMAP en un modelo global de balance hídrico del suelo. Frontal. Big Data, 3(10). doi:10.3389/fdata.2020.00010
Sazib, N., J. D. Bolten, y I. E. Mladenova. 2021. Leveraging NASA Soil Moisture Active Passive for Assessing Fire Susceptibility and Potential Impacts Over Australia and California. 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. y Reynolds, C., 2019. Evaluación de la aplicación operativa del SMAP para la supervisión global de la sequía agrícola 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., y Bolten, J. (2020). Evaluación del impacto del FENÓMENO EL NIÑO/OSCILACIÓN DEL SUR (ENOS) en la agricultura de África a través de datos de observación de la Tierra Frontiers in Sustainable Food Systems, 4, 188. doi:10.3389/fsufs.2020.509914 Google Scholar
Sazib, N., Mladenova, I. y Bolten, J., 2018. Aprovechamiento de Google Earth Engine para la evaluación de sequías con datos globales de humedad del suelo. Remote sensing, 10(8): 1265. doi:10.3390/rs10081265
Bolten, J., W.T. Crow, X. Zhan, T.J., Jackson, y 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. T. Crow (2012). Mejora en la predicción de las condiciones de la vegetación casi globales con la humedad del suelo superficial detectada de forma remota, Geophysical Research Letters, 39: (L19406). [doi:10.1029/2012GL053470][https://doi.org/10.1029/2012GL053470) Google Scholar
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 y 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
I. E. Mladenova, J.D. Bolten, W.T. Crow, M.C. Anderson, C.R. Hain, D.M. Johnson, R. Mueller (2017). Comparación de índices de humedad del suelo, estrés evaporativo y vegetación para estimar el rendimiento del maíz y la soja en EE.UU., IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10(4): 1328-1343. doi:10.1109/JSTARS.2016.2639338
O'Neill, P. E., S. Chan, E. G. Njoku, T. Jackson y R. Bindlish (2016). SMAP L3 Radiometer Global Daily 36 km EASE-Grid Soil Moisture, Version 4 (SMAP L3 Radiometer Global Daily 36 km EASE-Grid Soil Moisture, versión 4). Boulder, Colorado, EE.UU. Centro de Archivo Activo Distribuido del Centro Nacional de Datos sobre Nieve y Hielo de la NASA.doi:10.5067/ZX7YX2Y2LHEB
DOI
- https://doi.org/10.1029/2012GL053470
- https://doi.org/10.1109/JPROC.2010.2043918
- https://doi.org/10.1109/JSTARS.2009.2037163
- https://doi.org/10.1109/JSTARS.2016.2639338
- https://doi.org/10.1109/JSTARS.2019.2923555
- https://doi.org/10.1109/jstars.2021.3136756
- https://doi.org/10.3389/fsufs.2020.509914
- https://doi.org/10.3390/rs10081265
- https://doi.org/10.5067/ZX7YX2Y2LHEB
Explora con Earth Engine
Editor de código (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');