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

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

Disponibilité de l'ensemble de données

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

Producteur de l'ensemble de données

NASA GSFC

Aperçu de Google Earth Engine

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

Cadence

3 jours

Tags

geophysical

hsl

nasa

smap

sol

soil-moisture

usda

Description

Les données améliorées de la NASA et de l'USDA sur l'humidité du sol à l'échelle mondiale fournissent des informations sur l'humidité du sol dans le monde entier avec une résolution spatiale de 10 km. Cet ensemble de données comprend les éléments suivants : surface, sous-surface, humidité du sol (mm), profil d'humidité du sol (%), anomalies d'humidité du sol en surface et en sous-surface (-).

L'ensemble de données est généré en intégrant des observations de l'humidité du sol de niveau 3 dérivées de satellites (SMAP, Soil Moisture Active Passive) dans le modèle Palmer modifié à deux couches à l'aide d'une approche d'assimilation de données de filtre de 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'enregistrement complet des données d'observation du satellite SMAP et de l'approche de fenêtre mobile centrée sur 31 jours. L'assimilation des observations de l'humidité du sol SMAP permet d'améliorer les prévisions d'humidité du sol basées sur des modèles, en particulier dans les zones du monde mal instrumentées qui ne disposent pas de données de précipitations de bonne qualité.

Cet ensemble de données a été développé par le Hydrological Science Laboratory du Goddard Space Flight Center de la NASA en coopération avec le USDA Foreign Agricultural Services et le USDA Hydrology and Remote Sensing Lab.

Bandes

Bandes

Taille des pixels : 10 000 mètres (toutes les bandes)

Nom	Unités	Min	Max	Taille des pixels	Description
ssm	mm	0*	25.39*	10 000 mètres	Humidité du sol en surface
susm	mm	0*	274.6*	10 000 mètres	Humidité du sol en sous-surface
smp	Fraction	0*	1*	10 000 mètres	Profil d'humidité du sol
ssma	Sans dimension	-4*	4*	10 000 mètres	Anomalie d'humidité du sol en surface
susma	Sans dimension	-4*	4*	10 000 mètres	Anomalie d'humidité du sol en sous-surface

* valeur minimale ou maximale estimée

Conditions d'utilisation

Conditions d'utilisation

Cet ensemble de données appartient au domaine public et peut être utilisé ou diffusé sans aucune restriction. Pour en savoir plus, consultez le Règlement de la NASA sur les données et les informations sur les sciences de la Terre.

Citations

Citations:

• Sazib, N., J. D. Bolten et I. E. Mladenova. 2021 Utilisation de la technologie Soil Moisture Active Passive de la NASA pour évaluer la sensibilité aux incendies 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 par l'assimilation des données d'humidité du sol SMAP dans un modèle mondial de bilan hydrique du sol. Front. Big Data, 3(10). doi:10.3389/fdata.2020.00010

• Sazib, N., J. D. Bolten et I. E. Mladenova. 2021 Utilisation de la technologie Soil Moisture Active Passive de la NASA pour évaluer la sensibilité aux incendies 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., et 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 Utilisation de Google Earth Engine pour l'évaluation de 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). Évaluation de l'utilité des données d'humidité du sol obtenues par télédétection pour la surveillance opérationnelle de la sécheresse agricole 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 prévision des conditions de végétation quasi mondiales à l'aide de l'humidité du sol en surface obtenue par télédétection, 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). La mission Soil Moisture Active Passive (SMAP), 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 et R. Mueller (2017). Comparaison des indices d'humidité du sol, de stress évaporatif et de végétation pour l'estimation des 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 scientifique et de visualisation à l'échelle du pétaoctet d'ensembles de données géospatiales, au service de l'intérêt général ainsi que des acteurs privés et publics. Earth Engine est un outil libre d'utilisation 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');

Configuration de Python

Pour en savoir plus sur l'API Python et sur l'utilisation de geemap pour le développement interactif, consultez la page Environnement Python.

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

Ouvrir dans l'éditeur de code

Données améliorées de la NASA et de l'USDA sur l'humidité du sol à l'échelle mondiale [obsolète]

Les données améliorées de la NASA et de l'USDA sur l'humidité du sol à l'échelle mondiale fournissent des informations sur l'humidité du sol dans le monde entier avec une résolution spatiale de 10 km. Cet ensemble de données comprend les éléments suivants : surface, sous-surface, humidité du sol (mm), profil d'humidité du sol (%), anomalies d'humidité du sol en surface et en sous-surface (-). L'ensemble de données est généré en intégrant des observations de l'humidité du sol de niveau 3 dérivées de satellites (SMAP, Soil Moisture Active Passive) …

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