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

NASA_USDA/HSL/SMAP10KM_soil_moisture
利用可能なデータセットの期間
2015-04-02T12:00:00Z–2022-08-02T12:00:00Z
データセット プロデューサー
Earth Engine スニペット
ee.ImageCollection("NASA_USDA/HSL/SMAP10KM_soil_moisture")
回転数
3 日
タグ
地球物理
hsl
nasa
smap
土
土壌水分
usda

説明

NASA-USDA 拡張版 SMAP 世界の土壌水分データは、世界中の土壌水分に関する情報を 10 km の空間解像度で提供します。このデータセットには、地表、地表下、土壌水分（mm）、土壌水分プロファイル（%）、地表と地表下の土壌水分異常（-）が含まれます。

このデータセットは、衛星から取得した Soil Moisture Active Passive（SMAP）レベル 3 の土壌水分観測データを、1 次元アンサンブル カルマン フィルタ（EnKF）データ同化アプローチを使用して、修正された 2 層 Palmer モデルに統合することで生成されます。 土壌水分異常は、対象日の気候データから計算されました。 気候データは、SMAP 衛星観測の全データレコードと 31 日間の中央移動ウィンドウ アプローチに基づいて推定されました。SMAP 土壌水分観測の同化は、特に降水量の質が低い、観測機器が不十分な地域において、モデルベースの土壌水分予測の改善に役立ちます。

このデータセットは、NASA の Goddard Space Flight Center の Hydrological Science Laboratory が、USDA Foreign Agricultural Services と USDA Hydrology and Remote Sensing Lab と協力して開発しました。

バンド

バンド

ピクセルサイズ: 10,000 メートル（すべてのバンド）

名前 単位 最小 最大 ピクセルサイズ 説明
ssm mm 0* 25.39* 10,000 メートル

地表の土壌水分
susm mm 0* 274.6* 10,000 メートル

地表下の土壌水分
smp 分数 0* 1* 10,000 メートル

土壌水分プロファイル
ssma 次元なし -4* 4* 10,000 メートル

地表の土壌水分異常
susma 次元なし -4* 4* 10,000 メートル

地表下の土壌水分異常
* 推定最小値または最大値

利用規約

利用規約

このデータセットはパブリック ドメインであり、使用と配布に制限はありません。詳細については、NASA's Earth Science Data & Information Policy をご覧ください。

引用

引用:

  • Sazib, N., J. D. Bolten, and 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., Sazib, N. and Reynolds, C., 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

  • Sazib, N., J. D. Bolten, and 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. and Reynolds, C., 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

  • Sazib, N., Mladenova, I., &Bolten, J. (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

  • Sazib, N., Mladenova, I. and Bolten, J., 2018. Leveraging the google earth engine for drought assessment using global soil moisture data. Remote sensing, 10(8): 1265. doi:10.3390/rs10081265

  • Bolten, J., W.T. Crow, X. Zhan, T.J. Jackson, and 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). 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]

  • 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). 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

  • O'Neill, P. E., S. Chan, E. G. Njoku, T. Jackson, and R. Bindlish (2016). SMAP L3 Radiometer Global Daily 36 km EASE-Grid Soil Moisture, Version 4. Boulder, Colorado USA. NASA National Snow and Ice Data Center Distributed Active Archive Center.doi:10.5067/ZX7YX2Y2LHEB

DOI

Earth Engine で探索する

コードエディタ（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 の設定

Python API と geemap を使用したインタラクティブな開発については、 Python 環境 のページをご覧ください。

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
コードエディタで開く
NASA-USDA 拡張版 SMAP 世界の土壌水分データは、世界中の土壌水分に関する情報を 10 km の空間解像度で提供します。このデータセットには、地表、地表下、土壌水分（mm）、土壌水分プロファイル（%）、地表と地表下の土壌水分異常（-）が含まれます。このデータセットは、衛星から取得した Soil Moisture Active Passive（SMAP）を統合することで生成されます。
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