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

NASA_USDA/HSL/SMAP10KM_soil_moisture
डेटासेट की उपलब्धता
2015-04-02T12:00:00Z–2022-08-02T12:00:00Z
डेटासेट बनाने वाली कंपनी
Earth Engine का स्निपेट
ee.ImageCollection("NASA_USDA/HSL/SMAP10KM_soil_moisture")
केडेंस
तीन दिन
टैग
जियोफ़िज़िकल
hsl
nasa
smap
मिट्टी
मिट्टी में नमी
usda

ब्यौरा

NASA-USDA Enhanced SMAP Global soil moisture data से, दुनिया भर में मिट्टी में नमी की जानकारी मिलती है. यह जानकारी 10 कि॰मी॰ के रिज़ॉल्यूशन पर दी जाती है. इस डेटासेट में ये जानकारी शामिल है: सतह, सबसर्फ़ेस, मिट्टी में नमी (मि॰मी॰), मिट्टी में नमी का प्रोफ़ाइल (%), सतह और सबसर्फ़ेस में मिट्टी में नमी की गड़बड़ियां (-).

यह डेटासेट, सैटलाइट से लिए गए Soil Moisture Active Passive (SMAP) लेवल 3 के मिट्टी में नमी के ऑब्ज़र्वेशन को, दो लेयर वाले पामर मॉडल में इंटिग्रेट करके जनरेट किया जाता है. इसके लिए, 1-डी Ensemble Kalman Filter (EnKF) डेटा एसिमिलेशन अप्रोच का इस्तेमाल किया जाता है. मिट्टी में नमी की गड़बड़ियां, दिलचस्पी वाले दिन के क्लाइमेटोलॉजी से कंप्यूट की गई थीं. क्लाइमेटोलॉजी का अनुमान, SMAP सैटलाइट के ऑब्ज़र्वेशन के पूरे डेटा रिकॉर्ड और 31 दिनों के सेंटर वाले मूविंग-विंडो अप्रोच के आधार पर लगाया गया था. SMAP के मिट्टी में नमी के ऑब्ज़र्वेशन को एसिमिलेट करने से, मॉडल पर आधारित मिट्टी में नमी के अनुमानों को बेहतर बनाने में मदद मिलती है. खास तौर पर, दुनिया के उन इलाकों में जहां अच्छी क्वालिटी का बारिश का डेटा उपलब्ध नहीं है.

यह डेटासेट, नासा के गोडार्ड स्पेस फ़्लाइट सेंटर में मौजूद हाइड्रोलॉजिकल साइंस लैबोरेट्री ने बनाया है. इसके लिए, USDA Foreign Agricultural Services और USDA Hydrology and Remote Sensing Lab ने भी मदद की है.

बैंड

बैंड

पिक्सल का साइज़: 10,000 मीटर (सभी बैंड)

नाम इकाई कम से कम ज़्यादा से ज़्यादा पिक्सल का साइज़ ब्यौरा
ssm मि॰मी॰ 0* 25.39* 10,000 मीटर

सतह पर मिट्टी में नमी
susm मि॰मी॰ 0* 274.6* 10,000 मीटर

सबसर्फ़ेस पर मिट्टी में नमी
smp भिन्न 0* 1* 10,000 मीटर

मिट्टी में नमी का प्रोफ़ाइल
ssma कोई डाइमेंशन नहीं -4* 4* 10,000 मीटर

सतह पर मिट्टी में नमी की गड़बड़ी
susma कोई डाइमेंशन नहीं -4* 4* 10,000 मीटर

सबसर्फ़ेस पर मिट्टी में नमी की गड़बड़ी
* अनुमानित कम से कम या ज़्यादा से ज़्यादा वैल्यू

इस्तेमाल की शर्तें

इस्तेमाल की शर्तें

यह डेटासेट, सार्वजनिक डोमेन में है. इसे बिना किसी पाबंदी के इस्तेमाल और डिस्ट्रिब्यूट किया जा सकता है. ज़्यादा जानकारी के लिए, नासा का Earth Science Data & Information Policy देखें.

उद्धरण

उद्धरण:

  • सज़ीब, एन., जे. डी. बोल्टन, और आई. ई. म्लाडेनोवा. 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

    म्लाडेनोवा, आई.ई., बोल्टन, जे.डी., क्राउ, डब्ल्यू., सज़ीब, एन. और रेनॉल्ड्स, सी., 2020. Agricultural drought monitoring via the assimilation of SMAP soil moisture retrievals into a global soil water balance model. Front. Big Data, 3(10). doi:10.3389/fdata.2020.00010

  • सज़ीब, एन., जे. डी. बोल्टन, और आई. ई. म्लाडेनोवा. 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

  • म्लाडेनोवा, आई.ई., बोल्टन, जे.डी., क्राउ, डब्ल्यू.टी., सज़ीब, एन., कोश, एम.एच., टकर, सी.जे. और रेनॉल्ड्स, सी., 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

  • सज़ीब, एन., म्लाडेनोवा, आई., &बोल्टन, जे. (2020). Assessing the Impact of ENSO on Agriculture over Africa using Earth Observation Data. Frontiers in Sustainable Food Systems, 4, 188. doi:10.3389/fsufs.2020.509914 Google Scholar

  • सज़ीब, एन., म्लाडेनोवा, आई. और बोल्टन, जे., 2018. Leveraging the google earth engine for drought assessment using global soil moisture data. Remote sensing, 10(8): 1265. doi:10.3390/rs10081265

  • बोल्टन, जे., डब्ल्यू.टी. क्राउ, एक्स. ज़ैन, टी.जे. जैक्सन, और सी.ए. रेनॉल्ड्स (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

  • बोल्टन, जे., और डब्ल्यू. टी. क्राउ (2012). Improved prediction of quasi-global vegetation conditions using remotely sensed surface soil moisture, Geophysical Research Letters, 39: (L19406). [doi:10.1029/2012GL053470][https://doi.org/10.1029/2012GL053470) Google Scholar

  • एंटेखाबी, डी, एनजोकू, ईजी, ओ'नील, पीई, केलॉग, केएच, क्राउ, डब्ल्यूटी, एडेलस्टाइन, डब्ल्यूएन, एंटिन, जेके, गुडमैन, एसडी, जैक्सन, टीजे, जॉनसन, जे, किंबल, जे, पीपमेयर, जेआर, कोस्टर, आरडी, मार्टिन, एन, मैकडॉनल्ड, केसी, मोग़द्दाम, एम, मोरान, एस, राइक्ली, आर, शी, जेसी, स्पेंसर, एमडब्ल्यू, थुरमैन, एसडब्ल्यू, त्सांग, एल और वैन ज़ाइल, जे (2010). The soil moisture active passive (SMAP) mission, Proceedings of the IEEE, 98(5): 704-716. doi:10.1109/JPROC.2010.2043918

  • आई. ई. म्लाडेनोवा, जे.डी. बोल्टन, डब्ल्यू.टी. क्राउ, एम.सी. एंडरसन, सी.आर. हैन, डी.एम. जॉनसन, आर. मुलर (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

  • ओ'नील, पी. ई., एस. चैन, ई. जी. एनजोकू, टी. जैक्सन, और आर. बिंड्लिश (2016). SMAP L3 Radiometer Global Daily 36 km EASE-Grid Soil Moisture, Version 4. बोल्डर, कोलोराडो यूएसए. NASA National Snow and Ice Data Center Distributed Active Archive Center.doi:10.5067/ZX7YX2Y2LHEB

डीओआई

Earth Engine की मदद से एक्सप्लोर करें

कोड एडिटर (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');

Python सेटअप

Python API और इंटरैक्टिव डेवलपमेंट के लिए geemap का इस्तेमाल करने के बारे में जानकारी पाने के लिए, Python एनवायरमेंट वाला पेज देखें.

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
कोड एडिटर में खोलें
NASA-USDA Enhanced SMAP Global soil moisture data से, दुनिया भर में मिट्टी में नमी की जानकारी मिलती है. यह जानकारी 10 कि॰मी॰ के रिज़ॉल्यूशन पर दी जाती है. इस डेटासेट में ये जानकारी शामिल है: सतह, सबसर्फ़ेस, मिट्टी में नमी (मि॰मी॰), मिट्टी में नमी का प्रोफ़ाइल (%), सतह और सबसर्फ़ेस में मिट्टी में नमी की गड़बड़ियां (-). यह डेटासेट, सैटलाइट से लिए गए Soil Moisture Active Passive (SMAP) …
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