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

NASA_USDA/HSL/SMAP10KM_soil_moisture
資料集開放期間
2015-04-02T12:00:00Z–2022-08-02T12:00:00Z
資料集產生者
Earth Engine 程式碼片段
ee.ImageCollection("NASA_USDA/HSL/SMAP10KM_soil_moisture")
行銷系列活動
3 天
標記
地球物理
HSL
nasa
smap
泥土
soil-moisture
usda

說明

NASA-USDA 強化型 SMAP 全球土壤濕度資料，提供全球土壤濕度資訊，空間解析度為 10 公里。這個資料集包含：地表、地表下、土壤濕度 (公釐)、土壤濕度剖面 (%)、地表和地表下土壤濕度異常 (-)。

這個資料集是透過 1 維集合卡爾曼濾波器 (EnKF) 資料同化方法，將衛星衍生的土壤濕度主動被動 (SMAP) 第 3 級土壤濕度觀測資料整合到修改後的雙層 Palmer 模型中而產生。土壤濕度異常狀況是根據感興趣日期的氣候學計算而得。 氣候學是根據 SMAP 衛星觀測的完整資料記錄，以及以 31 天為中心的移動視窗方法估算而得。同化 SMAP 土壤濕度觀測資料有助於提升模型土壤濕度預測準確度，尤其是在缺乏優質降水資料的全球儀器設備不足地區。

這項資料集是由 NASA Goddard Space Flight Center 的水文科學實驗室，與 USDA Foreign Agricultural Services 和 USDA Hydrology and Remote Sensing Lab 合作開發。

頻帶

波段

像素大小：10000 公尺 (所有頻段)

名稱 單位 最小值 最大值 像素大小 說明
ssm 毫米 0* 25.39* 10000 公尺

表土濕度
susm 公釐 0* 274.6* 10000 公尺

地表下土壤濕度
smp 分數 0* 1* 10000 公尺

土壤濕度剖面圖
ssma 無尺寸 -4* 4* 10000 公尺

地表土壤濕度異常
susma 無尺寸 -4* 4* 10000 公尺

地表下土壤濕度異常
* 預估最小或最大值

使用條款

使用條款

這個資料集屬於公有領域內容，使用和散布均不受任何限制。詳情請參閱 NASA 的地球科學資料和資訊政策。

參考資料

參考資料：

  • Sazib, N.、J. D. Bolten 和 I. E. Mladenova。2021 年。 運用 NASA Soil Moisture Active Passive 評估澳洲和加州發生火災的可能性和潛在影響。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. 和 Reynolds, C.，2020 年。 透過將 SMAP 土壤濕度擷取資料同化到全球土壤水份平衡模型中，監控農業乾旱。前置鏡頭。Big Data, 3(10). doi:10.3389/fdata.2020.00010

  • Sazib, N.、J. D. Bolten 和 I. E. Mladenova。2021 年。 運用 NASA Soil Moisture Active Passive 評估澳洲和加州發生火災的可能性和潛在影響。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. 和 Reynolds, C.，2019 年。 評估 SMAP 在全球農業乾旱監測作業中的應用。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 年)。 使用地球觀測資料評估 ENSO 對非洲農業的影響。Frontiers in Sustainable Food Systems, 4, 188. doi:10.3389/fsufs.2020.509914 Google Scholar

  • Sazib, N.、Mladenova, I. 和 Bolten, J.，2018 年。 運用 Google Earth Engine，根據全球土壤濕度資料評估乾旱。Remote sensing, 10(8): 1265. doi:10.3390/rs10081265

  • Bolten, J.、W.T. Crow、X. Zhan、T.J. Jackson 和 C.A. Reynolds (2010 年)。 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. 和 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 學術搜尋

  • 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)。比較美國玉米和大豆產量估計值的土壤濕度、蒸發壓力和植被指數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 和 R. Bindlish (2016)。 SMAP L3 Radiometer Global Daily 36 km EASE-Grid Soil Moisture，第 4 版。 美國科羅拉多州波爾德。NASA National Snow and Ice Data Center Distributed Active Archive Center.doi:10.5067/ZX7YX2Y2LHEB

DOI

使用 Earth Engine 探索

程式碼編輯器 (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 設定

請參閱 Python 環境頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

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
在程式碼編輯器開啟
NASA-USDA 強化 SMAP 全球土壤濕度資料，提供全球土壤濕度資訊，空間解析度為 10 公里。這個資料集包含：地表、地表下、土壤濕度 (公釐)、土壤濕度剖面 (百分比)、地表和地表下土壤濕度異常 (-)。這個資料集是整合衛星衍生的土壤濕度主動被動 (SMAP) 資料所生成，
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