- Veri Kümesi Kullanılabilirliği
- 2015-04-02T12:00:00Z–2022-08-02T12:00:00Z
- Veri Kümesi Sağlayıcı
- NASA GSFC
- Adım frekansı
- 3 gün
- Etiketler
Açıklama
NASA-USDA Enhanced SMAP Global toprak nemi verileri, dünya genelinde 10 km'lik uzamsal çözünürlükte toprak nemi bilgileri sağlar. Bu veri kümesi şunları içerir: yüzey, yüzey altı, toprak nemi (mm), toprak nemi profili (%), yüzey ve yüzey altı toprak nemi anomalileri (-).
Veri kümesi, 1 boyutlu Ensemble Kalman Filtresi (EnKF) veri asimilasyonu yaklaşımı kullanılarak uyarlanmış iki katmanlı Palmer modeline uydu kaynaklı Toprak Nem Aktif Pasif (SMAP) Seviye 3 toprak nemi gözlemlerinin entegre edilmesiyle oluşturulur. Toprak nemi anormallikleri, ilgilenilen günün klimatolojisinden hesaplandı. Klimatoloji, SMAP uydu gözleminin tam veri kaydına ve 31 günlük merkezli hareketli pencere yaklaşımına göre tahmin edilmiştir. SMAP toprak nemi gözlemlerinin asimilasyonu, özellikle iyi kalitede yağış verilerinin olmadığı, dünyanın yetersiz ölçüm yapılan bölgelerinde modele dayalı toprak nemi tahminlerinin iyileştirilmesine yardımcı olur.
Bu veri kümesi, NASA'nın Goddard Uzay Uçuşu Merkezi'ndeki Hidrolojik Bilim Laboratuvarı tarafından USDA Yabancı Tarım Hizmetleri ve USDA Hidroloji ve Uzaktan Algılama Laboratuvarı ile işbirliği içinde geliştirilmiştir.
Bantlar
Piksel Boyutu
10.000 metre
Bantlar
| Ad | Birimler | Min. | Maks. | Piksel Boyutu | Açıklama |
|---|---|---|---|---|---|
ssm |
mm | 0* | 25,39* | metre | Yüzey toprağındaki nem |
susm |
mm | 0* | 274,6* | metre | Yüzey altı toprağındaki nem |
smp |
Kesir | 0* | 1* | metre | Toprak nemi profili |
ssma |
Boyutsuz | -4* | 4* | metre | Yüzeydeki toprağın nem anormalliği |
susma |
Boyutsuz | -4* | 4* | metre | Yüzey altı toprağındaki nem anormalliği |
Kullanım Şartları
Kullanım Şartları
Bu veri kümesi kamu malıdır ve kullanım ile dağıtım konusunda herhangi bir kısıtlama olmaksızın kullanılabilir. Daha fazla bilgi için NASA'nın Dünya Bilimi Verileri ve Bilgi Politikası'nı inceleyin.
Alıntılar
Sazib, N., J. D. Bolten ve I. E. Mladenova. 2021. Avustralya ve Kaliforniya'da yangın duyarlılığını ve potansiyel etkilerini değerlendirmek için NASA'nın Toprak Nemini Aktif ve Pasif Olarak Ölçme (Soil Moisture Active Passive) uydusundan yararlanma. 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. ve Reynolds, C., 2020. SMAP toprak nemi verilerinin küresel bir toprak suyu dengesi modeline asimilasyonu yoluyla tarımsal kuraklık izleme. Ön. Big Data, 3(10). doi:10.3389/fdata.2020.00010
Sazib, N., J. D. Bolten ve I. E. Mladenova. 2021. Avustralya ve Kaliforniya'da yangın duyarlılığını ve potansiyel etkilerini değerlendirmek için NASA'nın Toprak Nemini Aktif ve Pasif Olarak Ölçme (Soil Moisture Active Passive) uydusundan yararlanma. 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. SMAP'in küresel tarımsal kuraklık izleme için operasyonel uygulamasını değerlendirme. 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). ENSO'nun Afrika'daki Tarım Üzerindeki Etkisini Dünya Gözlem Verilerini Kullanarak Değerlendirme Frontiers in Sustainable Food Systems, 4, 188. doi:10.3389/fsufs.2020.509914 Google Scholar
Sazib, N., Mladenova, I. ve Bolten, J., 2018. Küresel toprak nemi verilerini kullanarak kuraklık değerlendirmesi için Google Earth Engine'den yararlanma. Remote sensing, 10(8): 1265. doi:10.3390/rs10081265
Bolten, J., W.T. Crow, X. Zhan, T.J. Jackson ve 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). Uzaktan algılanan yüzey toprağı nemi kullanılarak küresel bitki örtüsü koşullarının tahmininde iyileştirme, 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). ABD'de Mısır ve Soya Fasulyesi Verimini Tahmin Etmek İçin Toprak Nemi, Buharlaşma Stresi ve Bitki Örtüsü İndekslerinin Karşılaştırılması, 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 ve R. Bindlish (2016). SMAP L3 Radiometer Global Daily 36 km EASE-Grid Soil Moisture, Version 4. Boulder, Colorado, ABD. NASA National Snow and Ice Data Center Distributed Active Archive Center.doi:10.5067/ZX7YX2Y2LHEB
DOI'ler
- 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
Earth Engine ile keşfetme
Kod Düzenleyici (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');