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

Uwaga: ten zbiór danych został zastąpiony przez NASA/SMAP/SPL4SMGP/007.

Dostępność zbioru danych

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

Dostawca zbioru danych

NASA GSFC

Fragment kodu Earth Engine

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

Cykl

3 dni

Tagi

geofizyczne,

HSL

nasa

smap

ziemia

wilgotność gleby

usda

Opis

Ulepszone dane NASA-USDA SMAP Global dotyczące wilgotności gleby dostarczają informacji o wilgotności gleby na całym świecie w rozdzielczości przestrzennej 10 km. Ten zbiór danych obejmuje: wilgotność powierzchniową, wilgotność podpowierzchniową, wilgotność gleby (mm), profil wilgotności gleby (%), anomalie wilgotności powierzchniowej i podpowierzchniowej gleby (-).

Zbiór danych jest generowany przez zintegrowanie pochodzących z satelity obserwacji wilgotności gleby na poziomie 3 (SMAP) z zmodyfikowanym dwuwarstwowym modelem Palmera przy użyciu jednowymiarowego podejścia do asymilacji danych opartego na zespole filtrów Kalmana (EnKF). Anomalie wilgotności gleby obliczono na podstawie klimatu w danym dniu. Klimatologia została oszacowana na podstawie pełnego zapisu danych z obserwacji satelity SMAP i 31-dniowego podejścia z ruchomym oknem. Asymilacja obserwacji wilgotności gleby z satelity SMAP pomaga poprawić prognozy wilgotności gleby oparte na modelu, zwłaszcza w słabo wyposażonych w instrumenty pomiarowe regionach świata, w których brakuje danych o opadach deszczu dobrej jakości.

Ten zbiór danych został opracowany przez Laboratorium Nauk Hydrologicznych w Centrum Lotów Kosmicznych im. Goddarda NASA we współpracy z Zagraniczną Służbą Rolniczą USDA oraz Laboratorium Hydrologii i Teledetekcji USDA.

Pasma

Rozmiar piksela
10 000 metrów

Pasma

Nazwa	Jednostki	Min.	Maks.	Rozmiar piksela	Opis
ssm	mm	0*	25,39*	metry	Wilgotność gleby na powierzchni
susm	mm	0*	274,6*	metry	Wilgotność gleby pod powierzchnią
smp	Ułamek	0*	1*	metry	Profil wilgotności gleby
ssma	Bezwymiarowe	–4*	4*	metry	Anomalia wilgotności gleby na powierzchni
susma	Bezwymiarowe	–4*	4*	metry	Anomalia wilgotności gleby pod powierzchnią

* Szacunkowa wartość minimalna lub maksymalna

Warunki usługi

Warunki usługi

Ten zbiór danych należy do domeny publicznej i jest dostępny bez ograniczeń dotyczących użytkowania i dystrybucji. Więcej informacji znajdziesz w zasadach NASA dotyczących danych i informacji o naukach o Ziemi.

Cytaty

Cytowania:

• Sazib, N., J. D. Bolten i I. E. Mladenova. 2021 r. Wykorzystanie danych z satelity SMAP NASA do oceny podatności na pożary i potencjalnych skutków w Australii i Kalifornii. 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. i Reynolds, C., 2020 r. Monitorowanie suszy rolniczej za pomocą asymilacji danych SMAP o wilgotności gleby w globalnym modelu bilansu wody w glebie. Przód. Big Data, 3(10). doi:10.3389/fdata.2020.00010

• Sazib, N., J. D. Bolten i I. E. Mladenova. 2021 r. Wykorzystanie danych z satelity SMAP NASA do oceny podatności na pożary i potencjalnych skutków w Australii i Kalifornii. 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. i Reynolds, C., 2019 r. Ocena operacyjnego zastosowania SMAP do globalnego monitorowania suszy rolniczej. 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). Ocena wpływu ENSO na rolnictwo w Afryce na podstawie danych obserwacji Ziemi. Frontiers in Sustainable Food Systems, 4, 188. doi:10.3389/fsufs.2020.509914 Google Scholar

• Sazib, N., Mladenova, I. i Bolten, J., 2018 r. Wykorzystanie Google Earth Engine do oceny suszy na podstawie globalnych danych o wilgotności gleby. Remote sensing, 10(8): 1265. doi:10.3390/rs10081265

• Bolten, J., W.T. Crow, X. Zhan, T.J. Jackson i 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 i R. Bindlish (2016). SMAP L3 Radiometer Global Daily 36 km EASE-Grid Soil Moisture, Version 4. Boulder, Kolorado, USA. 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

Odkrywaj za pomocą Earth Engine

Ważne: Earth Engine to platforma do analizy naukowej i wizualizacji zbiorów danych geoprzestrzennych o rozmiarze petabajtów, która jest dostępna zarówno do publicznego użytku, jak i dla firm oraz organów administracji. Z Earth Engine można korzystać bezpłatnie w celach badawczych, edukacyjnych i non-profit. Aby rozpocząć, zarejestruj się w Earth Engine.

Edytor kodu (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');

Otwórz w edytorze kodu

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

Ulepszone dane NASA-USDA SMAP dotyczące wilgotności gleby na całym świecie dostarczają informacji o wilgotności gleby na całym świecie w rozdzielczości przestrzennej 10 km. Ten zbiór danych obejmuje: wilgotność powierzchniową i podpowierzchniową gleby (mm), profil wilgotności gleby (%), anomalie wilgotności powierzchniowej i podpowierzchniowej gleby (-). Zbiór danych jest generowany przez integrację danych pochodzących z satelity SMAP (Soil Moisture Active Passive) …

NASA_USDA/HSL/SMAP10KM_soil_moisture, dane geofizyczne,hsl,nasa,smap,gleba,wilgotność-gleby,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