Sejak tahun 2011, Biro Pengelolaan Lahan (BLM) telah mengumpulkan informasi lapangan untuk menginformasikan kesehatan lahan melalui strategi Penilaian Inventaris dan Pemantauan (AIM). Hingga saat ini, lebih dari 6.000 petak lapangan AIM terestrial telah dikumpulkan di atas lahan BLM. Arsip data BLM AIM adalah …
Kumpulan data FLDAS (McNally et al. 2017) dirancang untuk membantu penilaian ketahanan pangan di negara berkembang dengan data yang jarang. Data ini mencakup informasi tentang banyak variabel terkait iklim, termasuk kandungan kelembapan, kelembapan, evapotranspirasi, suhu tanah rata-rata, tingkat presipitasi total, dll. Ada beberapa set data FLDAS yang berbeda; …
NASA Global Land Data Assimilation System Version 2 (GLDAS-2) memiliki tiga komponen: GLDAS-2.0, GLDAS-2.1, dan GLDAS-2.2. GLDAS-2.0 dipaksa sepenuhnya dengan data input paksa meteorologi Princeton dan memberikan deret yang konsisten secara temporal dari tahun 1948 hingga 2014. GLDAS-2.1 dipaksa dengan kombinasi model …
NASA Global Land Data Assimilation System Version 2 (GLDAS-2) memiliki tiga komponen: GLDAS-2.0, GLDAS-2.1, dan GLDAS-2.2. GLDAS-2.0 dipaksa sepenuhnya dengan data input paksa meteorologi Princeton dan memberikan deret yang konsisten secara temporal dari tahun 1948 hingga 2014. GLDAS-2.1 dipaksa dengan kombinasi model …
M2T1NXLND (atau tavg1_2d_lnd_Nx) adalah pengumpulan data yang dirata-ratakan per jam dalam analisis retrospektif Era Modern untuk Riset dan Aplikasi versi 2 (MERRA-2). Kumpulan data ini terdiri dari diagnostik permukaan tanah, seperti fluks aliran dasar, limpasan, kelembapan tanah permukaan, kelembapan tanah zona akar, air di lapisan permukaan, air di …
Land Data Assimilation System (LDAS) menggabungkan beberapa sumber pengamatan (seperti data pengukur curah hujan, data satelit, dan pengukuran curah hujan radar) untuk menghasilkan perkiraan properti klimatologis di atau dekat permukaan Bumi. Kumpulan data ini adalah file paksa utama (default) (File A) untuk Fase …
Kandungan lempung dalam % (kg / kg) pada 6 kedalaman standar (0, 10, 30, 60, 100, dan 200 cm) pada resolusi 250 m Berdasarkan prediksi machine learning dari kompilasi global profil dan sampel tanah. Langkah-langkah pemrosesan dijelaskan secara mendetail di sini. Antartika adalah …
Grup besar tanah USDA yang diprediksi pada 250 m (probabilitas). Distribusi kelompok besar tanah USDA berdasarkan prediksi machine learning dari kompilasi global profil tanah. Untuk mempelajari lebih lanjut kelompok besar tanah, lihat Panduan Bergambar untuk Taksonomi Tanah - NRCS …
Kandungan pasir dalam % (kg / kg) pada 6 kedalaman standar (0, 10, 30, 60, 100, dan 200 cm) pada resolusi 250 m Berdasarkan prediksi machine learning dari kompilasi global profil dan sampel tanah. Langkah-langkah pemrosesan dijelaskan secara mendetail di sini. Antartika adalah …
Kepadatan massal tanah (tanah halus) 10 x kg / m3 pada 6 kedalaman standar (0, 10, 30, 60, 100, dan 200 cm) pada resolusi 250 m. Langkah-langkah pemrosesan dijelaskan secara mendetail di sini. Antartika tidak termasuk. Untuk mengakses dan memvisualisasikan peta di luar Bumi …
Kandungan karbon organik tanah dalam x 5 g / kg pada 6 kedalaman standar (0, 10, 30, 60, 100, dan 200 cm) pada resolusi 250 m Diprediksi dari kompilasi global titik tanah. Langkah-langkah pemrosesan dijelaskan secara mendetail di sini. Antartika tidak termasuk. …
Kelas tekstur tanah (sistem USDA) untuk 6 kedalaman tanah (0, 10, 30, 60, 100, dan 200 cm) pada 250 m Berasal dari fraksi tekstur tanah yang diprediksi menggunakan paket soiltexture di R. Langkah-langkah pemrosesan dijelaskan secara mendetail di sini. Antartika tidak termasuk. Untuk mengakses …
Kandungan air tanah (volumetrik %) untuk daya isap 33 kPa dan 1.500 kPa diprediksi pada 6 kedalaman standar (0, 10, 30, 60, 100, dan 200 cm) pada resolusi 250 m. Titik pelatihan didasarkan pada kompilasi global profil tanah: USDA NCSS AfSPDB ISRIC WISE EGRPR SPADE …
pH tanah dalam H2O pada 6 kedalaman standar (0, 10, 30, 60, 100, dan 200 cm) pada resolusi 250 m. Langkah-langkah pemrosesan dijelaskan secara mendetail di sini. Antartika tidak termasuk. Untuk mengakses dan memvisualisasikan peta di luar Earth Engine, gunakan halaman ini. Jika Anda …
Probabilitas kelompok besar tanah USDA yang diprediksi pada 250 m. Distribusi kelompok besar tanah USDA berdasarkan prediksi machine learning dari kompilasi global profil tanah. Untuk mempelajari lebih lanjut kelompok besar tanah, lihat Panduan Bergambar tentang Taksonomi Tanah - NRCS - …
NASA Global Land Data Assimilation System Version 2 (GLDAS-2) memiliki tiga komponen: GLDAS-2.0, GLDAS-2.1, dan GLDAS-2.2. GLDAS-2.0 dipaksa sepenuhnya dengan data input paksa meteorologi Princeton dan memberikan deret yang konsisten secara temporal dari tahun 1948 hingga 2014. GLDAS-2.1 dipaksa dengan kombinasi model …
Soil and Landscape Grid of Australia (SLGA) adalah set data komprehensif tentang atribut tanah di seluruh Australia pada resolusi 3 detik busur (~90 m piksel). Permukaan adalah hasil dari pemodelan yang menjelaskan distribusi spasial atribut tanah menggunakan data tanah dan lingkungan yang ada …
Data mulai 2023-12-04 tersedia di koleksi NASA/SMAP/SPL3SMP_E/006. Produk kelembapan tanah Level-3 (L3) ini memberikan komposit harian kondisi permukaan tanah global yang diambil oleh radiometer L-Band Soil Moisture Active Passive (SMAP). Data harian di sini dikumpulkan dari urutan menurun (lokal …
Data sebelum 04-12-2023 tersedia di koleksi NASA/SMAP/SPL3SMP_E/005 yang lebih lama. Item tersebut akan diproses ulang dan ditambahkan ke koleksi ini. Produk kelembapan tanah Level-3 (L3) ini memberikan komposit harian kondisi permukaan tanah global yang diambil oleh Soil Moisture Active Passive (SMAP) L-Band …
Produk Kelembapan Tanah Level-4 (L4) SMAP mencakup kelembapan tanah permukaan (rata-rata vertikal 0-5 cm), kelembapan tanah zona akar (rata-rata vertikal 0-100 cm), dan produk riset tambahan (tidak divalidasi), termasuk variabel paksaan meteorologi permukaan, suhu tanah, evapotranspirasi, dan radiasi bersih. Set data ini, yang secara resmi dikenal sebagai …
Kandungan Air Volumetrik pada daya isap 10kPa, 33kPa, dan 1500kPa dalam 10^-3 cm^3/cm^3 (0,1 v% atau 1 mm/m) pada 6 kedalaman standar (0-5 cm, 5-15 cm, 15-30 cm, 30-60 cm, 60-100 cm, 100-200 cm). Prediksi diperoleh menggunakan pendekatan pemetaan tanah digital berdasarkan Quantile Random Forest, yang memanfaatkan …
Kepadatan massal, fraksi <2 mm pada kedalaman tanah 0-20 cm dan 20-50 cm, rerata dan standar deviasi yang diprediksi. Nilai piksel harus ditransformasikan kembali dengan x/100. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis-garis) …
Kandungan lempung pada kedalaman tanah 0-20 cm dan 20-50 cm,\nrata-rata dan standar deviasi yang diprediksi. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis-garis) mungkin terlihat. Prediksi properti tanah dibuat oleh Innovative …
Kedalaman ke batuan dasar pada kedalaman 0-200 cm, rata-rata dan standar deviasi yang diprediksi. Karena potensi masker lahan pertanian yang digunakan untuk membuat data, banyak area batuan yang terbuka (dengan kedalaman ke batuan dasar 0 cm) telah ditutupi dan oleh karena itu muncul …
Rataan dan simpangan baku yang diprediksi untuk Kapasitas Pertukaran Kation efektif pada kedalaman tanah 0-20 cm dan 20-50 cm, Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis-garis) …
Kalsium yang dapat diekstrak pada kedalaman tanah 0-20 cm dan 20-50 cm, rata-rata dan standar deviasi yang diprediksi. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis) mungkin …
Zat besi yang dapat diekstrak pada kedalaman tanah 0-20 cm dan 20-50 cm, rata-rata dan standar deviasi yang diprediksi. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis) mungkin …
Magnesium yang dapat diekstrak pada kedalaman tanah 0-20 cm dan 20-50 cm, rata-rata dan standar deviasi yang diprediksi. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis) mungkin …
Fosfor yang dapat diekstrak pada kedalaman tanah 0-20 cm dan 20-50 cm, rata-rata dan standar deviasi yang diprediksi. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis) mungkin …
Kalium yang dapat diekstrak pada kedalaman tanah 0-20 cm dan 20-50 cm, rata-rata yang diprediksi, dan standar deviasi. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis) mungkin …
Sulfur yang dapat diekstrak pada kedalaman tanah 0-20 cm dan 20-50 cm, rata-rata dan standar deviasi yang diprediksi. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis) mungkin …
Seng yang dapat diekstrak pada kedalaman tanah 0-20 cm dan 20-50 cm, rataan dan standar deviasi yang diprediksi. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis) mungkin …
Klasifikasi kemampuan kesuburan tanah yang diperoleh menggunakan kemiringan, sifat kimia, dan fisika tanah. Untuk mengetahui informasi selengkapnya tentang lapisan ini, buka halaman ini. Kelas untuk band 'fcc' berlaku untuk nilai piksel yang harus ditransformasikan kembali dengan x modulo 3000. Di area hutan lebat …
Karbon organik pada kedalaman tanah 0-20 cm dan 20-50 cm, rataan dan simpangan baku yang diprediksi. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis) mungkin …
Kandungan pasir pada kedalaman tanah 0-20 cm dan 20-50 cm,\nrerata dan standar deviasi yang diprediksi. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis-garis) mungkin terlihat. Prediksi properti tanah dibuat oleh Innovative …
Kandungan lanau pada kedalaman tanah 0-20 cm dan 20-50 cm, rataan dan standar deviasi yang diprediksi. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis) mungkin …
Kandungan batu pada kedalaman tanah 0-20 cm dan 20-50 cm, rata-rata dan standar deviasi yang diprediksi. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis) mungkin …
Total karbon pada kedalaman tanah 0-20 cm dan 20-50 cm, rata-rata dan simpangan baku yang diprediksi. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis) mungkin …
Total nitrogen pada kedalaman tanah 0-20 cm dan 20-50 cm, rata-rata dan standar deviasi yang diprediksi. Nilai piksel harus ditransformasikan kembali dengan exp(x/100)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis) mungkin …
Kelas Tekstur USDA pada kedalaman tanah 0-20 cm dan 20-50 cm. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis-garis) mungkin terlihat. Prediksi properti tanah dibuat oleh Innovative Solutions for Decision …
Aluminium yang dapat diekstrak pada kedalaman tanah 0-20 cm dan 20-50 cm, rata-rata dan standar deviasi yang diprediksi. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Prediksi properti tanah dibuat oleh Innovative Solutions for Decision Agriculture Ltd. (iSDA) pada ukuran piksel 30 m menggunakan machine learning yang dipadukan …
pH pada kedalaman tanah 0-20 cm dan 20-50 cm, rataan dan standar deviasi yang diprediksi. Nilai piksel harus ditransformasikan kembali dengan x/10. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (garis-garis) mungkin terlihat. …
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Informasi yang saya butuhkan tidak ada","missingTheInformationINeed","thumb-down"],["Terlalu rumit/langkahnya terlalu banyak","tooComplicatedTooManySteps","thumb-down"],["Sudah usang","outOfDate","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Masalah kode / contoh","samplesCodeIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],[],[],[]]
