Datasets tagged africa in Earth Engine
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Open Buildings Temporal V1
Временной набор данных Open Buildings 2.5D содержит информацию о наличии зданий, доле зданий в общей площади и высоте зданий с эффективным пространственным разрешением 4 м (растровые изображения предоставляются с разрешением 0,5 м) с ежегодной периодичностью с 2016 по 2023 год. Он создан на основе изображений низкого разрешения из открытых источников…
Этот крупномасштабный открытый набор данных состоит из контуров зданий, полученных на основе спутниковых снимков высокого разрешения 50 см. Он содержит 1,8 млрд обнаруженных зданий в Африке, Латинской Америке, Карибском бассейне, Южной Азии и Юго-Восточной Азии. Обнаружение зданий охватило территорию площадью 58 млн км². Для каждого здания в этом наборе данных…
Объемная плотность, доля частиц <2 мм на глубине почвы 0-20 см и 20-50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью x/100. В районах густых джунглей (как правило, в центральной Африке) точность модели низкая, поэтому возникают такие артефакты, как полосы (полосатость)…
Содержание глины на глубине 0-20 см и 20-50 см, прогнозируемое среднее значение и стандартное отклонение. В районах густых джунглей (как правило, в центральной Африке) точность модели низкая, поэтому могут наблюдаться такие артефакты, как полосатость. Прогнозирование свойств почвы было выполнено с помощью инновационной…
Глубина залегания грунта до скальной породы (iSDAsoil Depth to Bedrock)
Глубина залегания коренных пород на глубине 0-200 см, прогнозируемое среднее значение и стандартное отклонение. Из-за потенциальной маски сельскохозяйственных угодий, использованной для генерации данных, многие участки обнаженных скал (где глубина залегания коренных пород составляла бы 0 см) были замаскированы и поэтому выглядят…
Среднее значение и стандартное отклонение прогнозируемой эффективной емкости катионного обмена на глубине почвы 0-20 см и 20-50 см. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (как правило, в центральной Африке) точность модели низка, поэтому возникают такие артефакты, как полосы (полосатость)…
Содержание извлекаемого кальция на глубине 0-20 см и 20-50 см в почве, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (как правило, в центральной Африке) точность модели низка, поэтому могут возникать артефакты, такие как полосы (полосатость)…
Содержание извлекаемого железа на глубине 0-20 см и 20-50 см в почве, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (как правило, в центральной Африке) точность модели низка, поэтому могут возникать артефакты, такие как полосы (полосатость)…
Содержание извлекаемого магния на глубине 0-20 см и 20-50 см в почве, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (как правило, в центральной Африке) точность модели низкая, поэтому могут возникать артефакты, такие как полосы (полосатость)…
Извлекаемый фосфор на глубине 0-20 см и 20-50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (как правило, в центральной Африке) точность модели низкая, поэтому могут возникать артефакты, такие как полосы (полосатость)…
Содержание извлекаемого калия на глубине 0-20 см и 20-50 см в почве, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (как правило, в центральной Африке) точность модели низкая, поэтому могут возникать артефакты, такие как полосы (полосатость)…
Содержание извлекаемой серы на глубине 0-20 см и 20-50 см в почве, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (как правило, в центральной Африке) точность модели низка, поэтому могут возникать такие артефакты, как полосы (полосатость)…
Цинк, извлекаемый из почвы (iSDAsoil Extractable Zinc)
Содержание извлекаемого цинка на глубине 0-20 см и 20-50 см в почве, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (как правило, в центральной Африке) точность модели низкая, поэтому могут возникать артефакты, такие как полосы (полосатость)…
Классификация плодородия почвы основана на уклоне, химических и физических свойствах почвы. Для получения дополнительной информации об этом слое, пожалуйста, посетите эту страницу. Классы для полосы «fcc» применяются к значениям пикселей, которые необходимо преобразовать обратно по модулю x 3000. В районах густых джунглей…
Содержание органического углерода на глубине 0-20 см и 20-50 см в почве, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (как правило, в центральной Африке) точность модели низкая, поэтому могут возникать артефакты, такие как полосы (полосатость)…
Содержание песка на глубине 0-20 см и 20-50 см, прогнозируемое среднее значение и стандартное отклонение. В районах густых джунглей (как правило, в центральной Африке) точность модели низкая, поэтому могут наблюдаться такие артефакты, как полосатость. Прогнозирование свойств почвы было выполнено с помощью инновационной…
Содержание ила на глубине 0-20 см и 20-50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (как правило, в центральной Африке) точность модели низкая, поэтому могут возникать такие артефакты, как полосы (полосатость)…
Содержание камней на глубине 0-20 см и 20-50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (как правило, в центральной Африке) точность модели низкая, поэтому могут возникать такие артефакты, как полосы (полосатость)…
Общее содержание углерода на глубине почвы 0-20 см и 20-50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (как правило, в центральной Африке) точность модели низка, поэтому могут возникать артефакты, такие как полосы (полосатость)…
Общее содержание азота на глубине 0-20 см и 20-50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/100)-1. В районах густых джунглей (как правило, в центральной Африке) точность модели низка, поэтому могут возникать артефакты, такие как полосы (полосатость)…
Классификация текстуры почвы по USDA на глубине 0-20 см и 20-50 см. В районах густых джунглей (как правило, в центральной Африке) точность модели низкая, поэтому могут наблюдаться такие артефакты, как полосатость. Прогнозирование свойств почвы было выполнено компанией Innovative Solutions for Decision…
Содержание извлекаемого алюминия на глубине 0-20 см и 20-50 см в почве, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. Прогнозирование свойств почвы было выполнено компанией Innovative Solutions for Decision Agriculture Ltd. (iSDA) с размером пикселя 30 м с использованием машинного обучения в сочетании с…
Значения pH на глубине 0-20 см и 20-50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью x/10. В районах густых джунглей (как правило, в центральной Африке) точность модели низкая, поэтому могут наблюдаться артефакты, такие как полосы (деформация).
[[["Прост для понимания","easyToUnderstand","thumb-up"],["Помог мне решить мою проблему","solvedMyProblem","thumb-up"],["Другое","otherUp","thumb-up"]],[["Отсутствует нужная мне информация","missingTheInformationINeed","thumb-down"],["Слишком сложен/слишком много шагов","tooComplicatedTooManySteps","thumb-down"],["Устарел","outOfDate","thumb-down"],["Проблема с переводом текста","translationIssue","thumb-down"],["Проблемы образцов/кода","samplesCodeIssue","thumb-down"],["Другое","otherDown","thumb-down"]],[],[],["The datasets provide information on building data and soil properties. Open Buildings Temporal V1 offers annual building presence, counts, and heights from 2016-2023. Open Buildings V3 Polygons details 1.8 billion building outlines across Africa, Latin America, the Caribbean, and Asia. iSDAsoil datasets predict soil characteristics like aluminium, calcium, carbon, and clay content at depths of 0-20 cm and 20-50 cm across Africa, noting potential inaccuracies in dense jungle areas.\n"]]
