- Ketersediaan Set Data
- 2015-04-02T12:00:00Z–2022-08-02T12:00:00Z
- Produsen Set Data
- NASA GSFC
- Rangkaian Langkah Penjualan
- 3 Hari
- Tag
Deskripsi
Data kelembapan tanah Global SMAP yang ditingkatkan NASA-USDA memberikan informasi kelembapan tanah di seluruh dunia dengan resolusi spasial 10 km. Set data ini mencakup: permukaan, subpermukaan, kelembapan tanah (mm), profil kelembapan tanah (%), anomali kelembapan tanah permukaan dan subpermukaan (-).
Set data ini dibuat dengan mengintegrasikan pengamatan kelembapan tanah Level 3 Soil Moisture Active Passive (SMAP) yang diperoleh dari satelit ke dalam model Palmer dua lapisan yang dimodifikasi menggunakan pendekatan asimilasi data Ensemble Kalman Filter (EnKF) 1-D. Anomali kelembapan tanah dihitung dari klimatologi hari yang diinginkan. Klimatologi diperkirakan berdasarkan catatan data lengkap pengamatan satelit SMAP dan pendekatan jendela bergerak yang berpusat di 31 hari. Asimilasi pengamatan kelembapan tanah SMAP membantu meningkatkan prediksi kelembapan tanah berbasis model, terutama di wilayah dunia yang kurang memiliki instrumen dan tidak memiliki data presipitasi berkualitas baik.
Set data ini dikembangkan oleh Hydrological Science Laboratory di Goddard Space Flight Center NASA bekerja sama dengan USDA Foreign Agricultural Services dan USDA Hydrology and Remote Sensing Lab.
Band
Band
Ukuran piksel: 10.000 meter (semua band)
| Nama | Unit | Min | Maks | Ukuran Piksel | Deskripsi |
|---|---|---|---|---|---|
ssm |
mm | 0* | 25,39* | 10.000 meter | Kelembapan tanah permukaan |
susm |
mm | 0* | 274,6* | 10.000 meter | Kelembapan tanah di bawah permukaan |
smp |
Pecahan | 0* | 1* | 10.000 meter | Profil kelembapan tanah |
ssma |
Tanpa dimensi | -4* | 4* | 10.000 meter | Anomali kelembapan tanah permukaan |
susma |
Tanpa dimensi | -4* | 4* | 10.000 meter | Anomali kelembapan tanah di bawah permukaan |
Persyaratan Penggunaan
Persyaratan Penggunaan
Set data ini berada di domain publik dan tersedia tanpa batasan penggunaan dan distribusi. Baca Kebijakan Data & Informasi Ilmu Bumi NASA untuk mendapatkan informasi tambahan.
Kutipan
Sazib, N., J. D. Bolten, dan I. E. Mladenova. 2021. Memanfaatkan NASA Soil Moisture Active Passive untuk Menilai Kerentanan dan Potensi Dampak Kebakaran di Australia dan 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. dan Reynolds, C., 2020. Pemantauan kekeringan pertanian melalui asimilasi pengambilan kelembapan tanah SMAP ke dalam model keseimbangan air tanah global. Depan. Big Data, 3(10). doi:10.3389/fdata.2020.00010
Sazib, N., J. D. Bolten, dan I. E. Mladenova. 2021. Memanfaatkan NASA Soil Moisture Active Passive untuk Menilai Kerentanan dan Potensi Dampak Kebakaran di Australia dan 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. dan Reynolds, C., 2019. Mengevaluasi penerapan operasional SMAP untuk pemantauan kekeringan pertanian global. 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). Menilai Dampak ENSO terhadap Pertanian di Afrika menggunakan Data Pengamatan Bumi. Frontiers in Sustainable Food Systems, 4, 188. doi:10.3389/fsufs.2020.509914 Google Scholar
Sazib, N., Mladenova, I. dan Bolten, J., 2018. Memanfaatkan Google Earth Engine untuk penilaian kekeringan menggunakan data kelembapan tanah global. Remote sensing, 10(8): 1265. doi:10.3390/rs10081265
Bolten, J., W.T. Crow, X. Zhan, T.J. Jackson, dan C.A. Reynolds (2010). Mengevaluasi Kegunaan Pengambilan Kelembapan Tanah yang Diindera dari Jarak Jauh untuk Pemantauan Kekeringan Pertanian Operasional, IEEE Transactions on Geoscience and Remote Sensing, 3(1): 57-66. doi:10.1109/JSTARS.2009.2037163 Google Scholar
Bolten, J., dan W. T. Crow (2012). Peningkatan prediksi kondisi vegetasi kuasi-global menggunakan kelembapan tanah permukaan yang dideteksi dari jarak jauh, Geophysical Research Letters, 39: (L19406). [doi:10.1029/2012GL053470][https://doi.org/10.1029/2012GL053470) Google Cendekia
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). Misi 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, R. Mueller (2017). Perbandingan Kelembapan Tanah, Tekanan Evaporasi, dan Indeks Vegetasi untuk Memperkirakan Hasil Panen Jagung dan Kedelai di AS, 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, dan R. Bindlish (2016). SMAP L3 Radiometer Global Daily 36 km EASE-Grid Soil Moisture, Version 4. Boulder, Colorado, Amerika Serikat. 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
Mengeksplorasi dengan Earth Engine
Editor Kode (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');