Datasets tagged soil in Earth Engine
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Seit 2011 sammelt das Bureau of Land Management (BLM) Feldinformationen, um den Zustand des Landes durch seine AIM-Strategie (Assessment Inventory and Monitoring) zu ermitteln. Bisher wurden auf BLM-Land mehr als 6.000 AIM-Feldparzellen gesammelt. Das BLM AIM-Datenarchiv ist …
Das FLDAS-Dataset (McNally et al. 2017) wurde entwickelt, um die Bewertung der Ernährungssicherheit in datenarmen Entwicklungsländern zu unterstützen. Es enthält Informationen zu vielen klimabezogenen Variablen, darunter Feuchtigkeitsgehalt, Luftfeuchtigkeit, Evapotranspiration, durchschnittliche Bodentemperatur, Gesamtniederschlagsrate usw. Es gibt mehrere verschiedene FLDAS-Datasets; …
Das NASA Global Land Data Assimilation System Version 2 (GLDAS-2) besteht aus drei Komponenten: GLDAS-2.0, GLDAS-2.1 und GLDAS-2.2. GLDAS-2.0 wird vollständig mit den meteorologischen Forcing-Eingabedaten von Princeton erzwungen und bietet eine zeitlich konsistente Reihe von 1948 bis 2014. GLDAS-2.1 wird mit einer Kombination aus Modell…
Das NASA Global Land Data Assimilation System Version 2 (GLDAS-2) besteht aus drei Komponenten: GLDAS-2.0, GLDAS-2.1 und GLDAS-2.2. GLDAS-2.0 wird vollständig mit den meteorologischen Forcing-Eingabedaten von Princeton erzwungen und bietet eine zeitlich konsistente Reihe von 1948 bis 2014. GLDAS-2.1 wird mit einer Kombination aus Modell…
M2T1NXLND (oder tavg1_2d_lnd_Nx) ist eine stündliche, zeitlich gemittelte Datenerfassung in der Modern-Era Retrospective analysis for Research and Applications Version 2 (MERRA-2). Diese Sammlung besteht aus Diagnosen der Landoberfläche, z. B. Grundwasserabfluss, Oberflächenabfluss, Bodenfeuchte an der Oberfläche, Bodenfeuchte in der Wurzelzone, Wasser in der Oberflächenschicht, Wasser in …
Das Land Data Assimilation System (LDAS) kombiniert mehrere Beobachtungsquellen (z. B. Daten von Niederschlagsmessgeräten, Satellitendaten und Radarniederschlagsmessungen), um Schätzungen von klimatologischen Eigenschaften an oder in der Nähe der Erdoberfläche zu erstellen. Dieses Dataset ist die primäre (Standard-)Datei für die Forcing-Variablen (Datei A) für Phase …
Tongehalt in % (kg / kg) in 6 Standardtiefen (0, 10, 30, 60, 100 und 200 cm) bei einer Auflösung von 250 m. Basierend auf Machine-Learning-Prognosen aus einer globalen Zusammenstellung von Bodenprofilen und ‑proben. Die Verarbeitungsschritte werden hier ausführlich beschrieben. Die Antarktis ist …
Vorhersage der USDA-Bodengruppen auf 250 m (Wahrscheinlichkeiten). Verteilung der USDA-Bodengruppen basierend auf Machine-Learning-Vorhersagen aus einer globalen Zusammenstellung von Bodenprofilen. Weitere Informationen zu Bodengruppen finden Sie im Illustrated Guide to Soil Taxonomy – NRCS …
Sandgehalt in % (kg / kg) in 6 Standardtiefen (0, 10, 30, 60, 100 und 200 cm) bei einer Auflösung von 250 m. Basierend auf Machine-Learning-Vorhersagen aus einer globalen Zusammenstellung von Bodenprofilen und ‑proben. Die Verarbeitungsschritte werden hier ausführlich beschrieben. Die Antarktis ist …
Bodendichte (Feinerde) 10 × kg / m³ bei 6 Standardtiefen (0, 10, 30, 60, 100 und 200 cm) mit einer Auflösung von 250 m. Die Verarbeitungsschritte werden hier ausführlich beschrieben. Die Antarktis ist nicht enthalten. So greifen Sie auf Karten außerhalb von Earth zu und visualisieren sie:
Gehalt an organischem Kohlenstoff im Boden in x 5 g / kg in 6 Standardtiefen (0, 10, 30, 60, 100 und 200 cm) mit einer Auflösung von 250 m. Vorhersage auf Grundlage einer globalen Zusammenstellung von Bodenpunkten. Die Verarbeitungsschritte werden hier ausführlich beschrieben. Die Antarktis ist nicht enthalten. …
Bodenartklassen (USDA-System) für 6 Bodentiefen (0, 10, 30, 60, 100 und 200 cm) bei 250 m. Abgeleitet von vorhergesagten Bodenartfraktionen mit dem Paket „soiltexture“ in R. Die Verarbeitungsschritte werden hier ausführlich beschrieben. Die Antarktis ist nicht enthalten. So greifen Sie auf … zu:
Bodenwassergehalt (volumetrisch %) für 33 kPa und 1.500 kPa Saugspannung, prognostiziert in 6 Standardtiefen (0, 10, 30, 60, 100 und 200 cm) bei einer Auflösung von 250 m. Die Trainingspunkte basieren auf einer globalen Zusammenstellung von Bodenprofilen: USDA NCSS AfSPDB ISRIC WISE EGRPR SPADE …
Boden-pH-Wert in H2O in 6 Standardtiefen (0, 10, 30, 60, 100 und 200 cm) bei einer Auflösung von 250 m. Die Verarbeitungsschritte werden hier ausführlich beschrieben. Die Antarktis ist nicht enthalten. Auf dieser Seite können Sie auf Karten außerhalb von Earth Engine zugreifen und sie visualisieren. Wenn Sie …
Vorhergesagte Wahrscheinlichkeiten für USDA-Bodengruppen mit einer Auflösung von 250 m. Verteilung der USDA-Bodengruppen basierend auf Machine-Learning-Vorhersagen aus einer globalen Zusammenstellung von Bodenprofilen. Weitere Informationen zu Bodengruppen finden Sie im Illustrated Guide to Soil Taxonomy – NRCS – …
Das NASA Global Land Data Assimilation System Version 2 (GLDAS-2) besteht aus drei Komponenten: GLDAS-2.0, GLDAS-2.1 und GLDAS-2.2. GLDAS-2.0 wird vollständig mit den meteorologischen Forcing-Eingabedaten von Princeton erzwungen und bietet eine zeitlich konsistente Reihe von 1948 bis 2014. GLDAS-2.1 wird mit einer Kombination aus Modell…
Das Soil and Landscape Grid of Australia (SLGA) ist ein umfassendes Dataset mit Bodenattributen für ganz Australien mit einer Auflösung von 3 Bogensekunden (~90-m-Pixel). Die Oberflächen sind die Ergebnisse der Modellierung, die die räumliche Verteilung der Bodenattribute anhand vorhandener Bodendaten und Umweltdaten beschreiben.
SOLUS (Soil Landscapes of the United States) ist ein nationales Kartenprodukt, das vom National Cooperative Soil Survey entwickelt wurde. Es bietet eine einheitliche Reihe von räumlich kontinuierlichen Karten mit Bodenmerkmalen, um umfassende Bodenuntersuchungen und Entscheidungen zur Landnutzung zu unterstützen. SOLUS-Karten …
Daten ab dem 04.12.2023 sind in der Sammlung NASA/SMAP/SPL3SMP_E/006 verfügbar. Dieses Bodenfeuchteprodukt der Stufe 3 (L3) bietet ein tägliches Composite der globalen Landoberflächenbedingungen, das vom SMAP-Radiometer (Soil Moisture Active Passive) im L-Band abgerufen wird. Die täglichen Daten hier wurden aus dem absteigenden (lokalen …
Daten vor dem 04.12.2023 sind in der älteren Sammlung „NASA/SMAP/SPL3SMP_E/005“ verfügbar. Sie werden schließlich neu verarbeitet und dieser Sammlung hinzugefügt. Dieses Bodenfeuchteprodukt der Stufe 3 (L3) bietet ein tägliches Composite der globalen Landoberflächenbedingungen, das vom Soil Moisture Active Passive (SMAP) L-Band …
Das SMAP-Produkt für Bodenfeuchtigkeit auf Level 4 (L4) umfasst die Bodenfeuchtigkeit an der Oberfläche (vertikaler Durchschnitt von 0–5 cm), die Bodenfeuchtigkeit in der Wurzelzone (vertikaler Durchschnitt von 0–100 cm) und zusätzliche Forschungsprodukte (nicht validiert), darunter meteorologische Variablen für die Oberfläche, Bodentemperatur, Evapotranspiration und Nettostrahlung. Dieses Dataset, das offiziell als …
Volumetrischer Wassergehalt bei 10 kPa, 33 kPa und 1.500 kPa Saugspannung in 10^-3 cm^3/cm^3 (0, 1 Volumenprozent oder 1 mm/m) bei 6 Standardtiefen (0–5 cm, 5–15 cm, 15–30 cm, 30–60 cm, 60–100 cm, 100–200 cm). Die Vorhersagen wurden mit einem digitalen Bodenkartierungsansatz auf Grundlage von Quantile Random Forest abgeleitet, der auf einer globalen …
Rohdichte, Fraktion <2 mm in Bodentiefen von 0–20 cm und 20–50 cm, vorhergesagter Mittelwert und Standardabweichung. Pixelwerte müssen mit x/100 rücktransformiert werden. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering und es können Artefakte wie Streifenbildung auftreten.
Tongehalt in Bodentiefen von 0–20 cm und 20–50 cm, vorhergesagter Mittelwert und Standardabweichung. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering. Daher können Artefakte wie Streifenbildung auftreten. Vorhersagen zu Bodeneigenschaften wurden von Innovative … getroffen.
Tiefe bis zum anstehenden Fels in 0–200 cm Tiefe, geschätzter Mittelwert und Standardabweichung. Aufgrund der potenziellen Maske für Ackerland, die zum Generieren der Daten verwendet wurde, wurden viele Bereiche mit freiliegendem Fels (wo die Tiefe bis zum anstehenden Fels 0 cm betragen würde) maskiert und erscheinen daher …
Vorhersage von mittlerer und Standardabweichung der effektiven Kationenaustauschkapazität in Bodentiefen von 0–20 cm und 20–50 cm. Pixelwerte müssen mit exp(x/10)-1 rücktransformiert werden. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering und es können Artefakte wie Streifenbildung auftreten.
Extrahierbares Kalzium in Bodentiefen von 0–20 cm und 20–50 cm, vorhergesagter Mittelwert und Standardabweichung. Pixelwerte müssen mit exp(x/10)-1 rücktransformiert werden. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering. Daher können Artefakte wie Streifenbildung auftreten.
Extrahiertes Eisen in Bodentiefen von 0–20 cm und 20–50 cm, geschätzter Mittelwert und Standardabweichung. Pixelwerte müssen mit exp(x/10)-1 rücktransformiert werden. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering. Daher können Artefakte wie Streifenbildung auftreten.
Extrahierbares Magnesium in Bodentiefen von 0–20 cm und 20–50 cm, vorhergesagter Mittelwert und Standardabweichung. Pixelwerte müssen mit exp(x/10)-1 rücktransformiert werden. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering. Daher können Artefakte wie Streifenbildung auftreten.
Extrahierbarer Phosphor in Bodentiefen von 0–20 cm und 20–50 cm, vorhergesagter Mittelwert und Standardabweichung. Pixelwerte müssen mit exp(x/10)-1 rücktransformiert werden. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering. Daher können Artefakte wie Streifenbildung auftreten.
Extrahierbares Kalium in Bodentiefen von 0–20 cm und 20–50 cm, vorhergesagter Mittelwert und Standardabweichung. Pixelwerte müssen mit exp(x/10)-1 rücktransformiert werden. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering. Daher können Artefakte wie Streifenbildung auftreten.
Extrahierbarer Schwefel in Bodentiefen von 0–20 cm und 20–50 cm, vorhergesagter Mittelwert und Standardabweichung. Pixelwerte müssen mit exp(x/10)-1 rücktransformiert werden. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering. Daher können Artefakte wie Streifenbildung auftreten.
Extrahierbares Zink in Bodentiefen von 0–20 cm und 20–50 cm, vorhergesagter Mittelwert und Standardabweichung. Pixelwerte müssen mit exp(x/10)-1 rücktransformiert werden. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering. Daher können Artefakte wie Streifenbildung auftreten.
Klassifizierung der Bodenfruchtbarkeit, die aus Hangneigung, chemischen und physikalischen Bodeneigenschaften abgeleitet wird. Weitere Informationen zu dieser Ebene finden Sie auf dieser Seite. Die Klassen für das Band „fcc“ gelten für Pixelwerte, die mit „x modulo 3000“ rücktransformiert werden müssen. In Gebieten mit dichtem Dschungel …
Organischer Kohlenstoff in Bodentiefen von 0–20 cm und 20–50 cm, vorhergesagter Mittelwert und Standardabweichung. Pixelwerte müssen mit exp(x/10)-1 rücktransformiert werden. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering. Daher können Artefakte wie Streifenbildung auftreten.
Sandgehalt in Bodentiefen von 0–20 cm und 20–50 cm, vorhergesagter Mittelwert und Standardabweichung. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering. Daher können Artefakte wie Streifenbildung auftreten. Vorhersagen zu Bodeneigenschaften wurden von Innovative … getroffen.
Schluffgehalt in Bodentiefen von 0–20 cm und 20–50 cm, vorhergesagter Mittelwert und Standardabweichung. Pixelwerte müssen mit exp(x/10)-1 rücktransformiert werden. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering. Daher können Artefakte wie Streifenbildung auftreten.
Steingehalt in Bodentiefen von 0–20 cm und 20–50 cm, vorhergesagter Mittelwert und Standardabweichung. Pixelwerte müssen mit exp(x/10)-1 rücktransformiert werden. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering. Daher können Artefakte wie Streifenbildung auftreten.
Gesamtkohlenstoff in Bodentiefen von 0–20 cm und 20–50 cm, vorhergesagter Mittelwert und Standardabweichung. Pixelwerte müssen mit exp(x/10)-1 rücktransformiert werden. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering. Daher können Artefakte wie Streifenbildung auftreten.
Gesamtstickstoff in Bodentiefen von 0–20 cm und 20–50 cm, vorhergesagter Mittelwert und Standardabweichung. Pixelwerte müssen mit exp(x/100)-1 rücktransformiert werden. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering. Daher können Artefakte wie Streifenbildung auftreten.
USDA-Texturklasse in Bodentiefen von 0–20 cm und 20–50 cm. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering. Daher können Artefakte wie Streifenbildung auftreten. Die Vorhersagen der Bodeneigenschaften wurden von Innovative Solutions for Decision …
Extrahierbares Aluminium in Bodentiefen von 0–20 cm und 20–50 cm, vorhergesagter Mittelwert und Standardabweichung. Pixelwerte müssen mit exp(x/10)-1 rücktransformiert werden. Die Vorhersagen der Bodeneigenschaften wurden von Innovative Solutions for Decision Agriculture Ltd. (iSDA) mit einer Pixelgröße von 30 m unter Verwendung von maschinellem Lernen in Verbindung mit …
pH-Wert in Bodentiefen von 0–20 cm und 20–50 cm, vorhergesagter Mittelwert und Standardabweichung. Pixelwerte müssen mit x/10 rücktransformiert werden. In Gebieten mit dichtem Dschungel (in der Regel in Zentralafrika) ist die Modellgenauigkeit gering. Daher können Artefakte wie Streifenbildung auftreten. …
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Benötigte Informationen nicht gefunden","missingTheInformationINeed","thumb-down"],["Zu umständlich/zu viele Schritte","tooComplicatedTooManySteps","thumb-down"],["Nicht mehr aktuell","outOfDate","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Problem mit Beispielen/Code","samplesCodeIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],[],[],[]]
