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

Attention : Cet ensemble de données a été remplacé par NASA/SMAP/SPL4SMGP/007.

Disponibilité des ensembles de données

2015-04-02T12:00:00Z–2022-08-02T12:00:00Z

Fournisseur de l'ensemble de données

NASA GSFC

Extrait Earth Engine

ee.ImageCollection("NASA_USDA/HSL/SMAP10KM_soil_moisture")

Cadence

3 jours

Tags

géophysique

hsl

nasa

smap

sol

soil-moisture (humidité du sol)

usda

Description

Les données mondiales améliorées sur l'humidité du sol SMAP de la NASA et de l'USDA fournissent des informations sur l'humidité du sol à l'échelle mondiale, avec une résolution spatiale de 10 km. Cet ensemble de données inclut les anomalies d'humidité du sol en surface et en sous-surface (-), ainsi que l'humidité du sol en surface, en sous-surface, le profil d'humidité du sol (%) et l'humidité du sol (mm).

L'ensemble de données est généré en intégrant les observations de l'humidité du sol de niveau 3 Active Passive (SMAP) dérivées par satellite dans le modèle Palmer modifié à deux couches à l'aide d'une approche d'assimilation de données de filtre Kalman d'ensemble (EnKF) en 1D. Les anomalies d'humidité du sol ont été calculées à partir de la climatologie du jour concerné. La climatologie a été estimée sur la base de l'ensemble des données d'observation du satellite SMAP et de l'approche de la fenêtre mobile centrée sur 31 jours. L'assimilation des observations de l'humidité du sol SMAP permet d'améliorer les prévisions de l'humidité du sol basées sur des modèles, en particulier dans les régions du monde mal instrumentées qui manquent de données de précipitations de bonne qualité.

Cet ensemble de données a été développé par le laboratoire des sciences hydrologiques du centre de vol spatial Goddard de la NASA, en coopération avec les services agricoles étrangers de l'USDA et le laboratoire d'hydrologie et de télédétection de l'USDA.

Bracelets

Taille des pixels
10 000 mètres

Bandes de fréquences

Nom	Unités	Min	Max	Taille des pixels	Description
ssm	mm	0*	25.39*	mètres	Humidité de la surface du sol
susm	mm	0*	274.6*	mètres	Humidité du sol en profondeur
smp	Fraction	0*	1*	mètres	Profil d'humidité du sol
ssma	Sans dimension	-4*	4*	mètres	Anomalie de l'humidité du sol en surface
susma	Sans dimension	-4*	4*	mètres	Anomalie d'humidité du sol en subsurface

* valeur minimale ou maximale estimée

Conditions d'utilisation

Conditions d'utilisation

Cet ensemble de données appartient au domaine public et est disponible sans restriction d'utilisation ni de distribution. Pour en savoir plus, consultez les Règles de la NASA sur les données et informations scientifiques sur la Terre.

Citations

Citations :

• Sazib, N., J. D. Bolten et I. E. Mladenova. 2021. Utilisation de NASA Soil Moisture Active Passive pour évaluer la sensibilité au feu et les impacts potentiels en Australie et en Californie. 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. et Reynolds, C., 2020. Surveillance de la sécheresse agricole grâce à l'assimilation des données de récupération de l'humidité du sol SMAP dans un modèle global de bilan hydrique du sol. Avant. Big Data, 3(10). doi:10.3389/fdata.2020.00010

• Sazib, N., J. D. Bolten et I. E. Mladenova. 2021. Utilisation de NASA Soil Moisture Active Passive pour évaluer la sensibilité au feu et les impacts potentiels en Australie et en Californie. 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. et Reynolds, C., 2019. Évaluation de l'application opérationnelle de SMAP pour la surveillance mondiale de la sécheresse agricole. 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). Évaluation de l'impact d'ENSO sur l'agriculture en Afrique à l'aide de données d'observation de la Terre. Frontiers in Sustainable Food Systems, 4, 188. doi:10.3389/fsufs.2020.509914 Google Scholar

• Sazib, N., Mladenova, I. et Bolten, J., 2018. Utiliser Google Earth Engine pour évaluer la sécheresse à l'aide de données mondiales sur l'humidité du sol. Remote sensing, 10(8): 1265. doi:10.3390/rs10081265

• Bolten, J., W.T. Crow, X. Zhan, T.J. Jackson et 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. et W. T. Crow (2012). Amélioration de la prédiction des conditions de végétation quasi mondiales à l'aide de l'humidité du sol en surface détectée à distance, 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 & 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). Comparaison des indices d'humidité du sol, de stress évaporatif et de végétation pour estimer les rendements de maïs et de soja aux États-Unis, 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 et R. Bindlish (2016). SMAP L3 Radiometer Global Daily 36 km EASE-Grid Soil Moisture, Version 4. Boulder, Colorado, États-Unis. NASA National Snow and Ice Data Center Distributed Active Archive Center.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

Explorer avec Earth Engine

Important  : Earth Engine est une plate-forme d'analyse et de visualisation scientifiques à l'échelle du pétaoctet pour les ensembles de données géospatiales, à la fois pour le bien public et pour les utilisateurs professionnels et gouvernementaux. Earth Engine est un outil sans frais pour la recherche, l'enseignement et les organisations à but non lucratif. Pour commencer, veuillez demander l'accès à Earth Engine.

Éditeur de code (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');

Ouvrir dans l'éditeur de code

Données mondiales améliorées sur l'humidité des sols SMAP de la NASA et de l'USDA [obsolètes]

Les données mondiales améliorées sur l'humidité du sol SMAP de la NASA et de l'USDA fournissent des informations sur l'humidité du sol dans le monde entier, avec une résolution spatiale de 10 km. Cet ensemble de données comprend : la surface, le sous-sol, l'humidité du sol (mm), le profil d'humidité du sol (%), les anomalies d'humidité du sol en surface et en sous-sol (-). L'ensemble de données est généré en intégrant les données Soil Moisture Active Passive (SMAP) issues des satellites…

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

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

• https://doi.org/10.5067/ZX7YX2Y2LHEB
• https://doi.org/10.5067/ZX7YX2Y2LHEB