Datasets tagged soil in Earth Engine
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
BLM AIM TerrADat TerrestrialAIM Point v1
С 2011 года Бюро по управлению земельными ресурсами (BLM) собирает полевую информацию для оценки состояния земель в рамках своей стратегии оценки, инвентаризации и мониторинга (AIM). На сегодняшний день на землях BLM собрано более 6000 наземных полевых участков для проведения AIM-анализа. Архив данных AIM BLM…
FLDAS: Сеть систем раннего предупреждения о голоде (FEWS NET) Система ассимиляции данных о земле
Набор данных FLDAS (McNally et al. 2017) был разработан для оказания помощи в оценке продовольственной безопасности в условиях дефицита данных в развивающихся странах. Он включает информацию о многих климатических переменных, включая содержание влаги, влажность воздуха, испарение, среднюю температуру почвы, общее количество осадков и т. д. Существует несколько различных наборов данных FLDAS; …
GLDAS-2.1: Глобальная система ассимиляции данных о суше
Система глобальной ассимиляции данных о суше НАСА, версия 2 (GLDAS-2), состоит из трех компонентов: GLDAS-2.0, GLDAS-2.1 и GLDAS-2.2. GLDAS-2.0 полностью использует входные данные метеорологического воздействия Принстонского университета и предоставляет согласованный по времени ряд данных с 1948 по 2014 год. GLDAS-2.1 использует комбинацию модельных данных…
GLDAS-2.2: Глобальная система ассимиляции данных о суше
Система глобальной ассимиляции данных о суше НАСА, версия 2 (GLDAS-2), состоит из трех компонентов: GLDAS-2.0, GLDAS-2.1 и GLDAS-2.2. GLDAS-2.0 полностью использует входные данные метеорологического воздействия Принстонского университета и предоставляет согласованный по времени ряд данных с 1948 по 2014 год. GLDAS-2.1 использует комбинацию модельных данных…
MERRA-2 M2T1NXLND: Диагностика поверхности суши, версия 5.12.4
M2T1NXLND (или tavg1_2d_lnd_Nx) — это почасовой усредненный набор данных в рамках программы Modern-Era Retrospective analysis for Research and Applications версии 2 (MERRA-2). Этот набор данных включает в себя диагностику поверхности земли, такую как базовый сток, поверхностный сток, влажность поверхностного слоя почвы, влажность корневой зоны почвы, содержание воды в поверхностном слое, содержание воды в…
NLDAS-2: Поля воздействия Североамериканской системы ассимиляции данных о земле
Система ассимиляции данных о суше (LDAS) объединяет несколько источников наблюдений (таких как данные с метеорологических постов, спутниковые данные и радиолокационные измерения осадков) для получения оценок климатологических свойств на поверхности Земли или вблизи нее. Этот набор данных является основным (по умолчанию) файлом входных данных (файл A) для фазы…
Содержание глины в % (кг/кг) на 6 стандартных глубинах (0, 10, 30, 60, 100 и 200 см) с разрешением 250 м. Основано на прогнозах машинного обучения, полученных из глобальной компиляции почвенных профилей и образцов. Этапы обработки подробно описаны здесь. Антарктида…
Вероятность прогнозируемого гаплудальфса в OpenLandMap
Прогнозируемые основные группы почв USDA на глубине 250 м (вероятности). Распределение основных групп почв USDA на основе прогнозов машинного обучения, полученных из глобальной компиляции почвенных профилей. Для получения дополнительной информации об основных группах почв, пожалуйста, обратитесь к Иллюстрированному руководству по таксономии почв — NRCS…
Содержание песка в % (кг/кг) на 6 стандартных глубинах (0, 10, 30, 60, 100 и 200 см) с разрешением 250 м. На основе прогнозов машинного обучения, полученных из глобальной компиляции почвенных профилей и образцов. Этапы обработки подробно описаны здесь. Антарктида…
Плотность грунта (мелкозернистая почва) 10 x кг/м³ на 6 стандартных глубинах (0, 10, 30, 60, 100 и 200 см) с разрешением 250 м. Этапы обработки подробно описаны здесь. Антарктида не включена. Для доступа и визуализации карт за пределами Earth…
OpenLandMap Содержание органического углерода в почве
Содержание органического углерода в почве в 5 г/кг на 6 стандартных глубинах (0, 10, 30, 60, 100 и 200 см) с разрешением 250 м. Прогнозируется на основе глобальной компиляции данных о почве. Этапы обработки подробно описаны здесь. Антарктида не включена. …
Классы текстуры почвы (система USDA) для 6 глубин почвы (0, 10, 30, 60, 100 и 200 см) на глубине 250 м. Получены на основе прогнозируемых фракций текстуры почвы с использованием пакета soiltexture в R. Этапы обработки подробно описаны здесь. Антарктида не включена. Для доступа…
Содержание почвенной влаги в OpenLandMap при 33 кПа (полевая влагоемкость)
Содержание почвенной влаги (объемные %) при давлении всасывания 33 кПа и 1500 кПа, прогнозируемое на 6 стандартных глубинах (0, 10, 30, 60, 100 и 200 см) с разрешением 250 м. Точки обучения основаны на глобальной компиляции почвенных профилей: USDA NCSS AfSPDB ISRIC WISE EGRPR SPADE …
Значения pH почвы в воде на 6 стандартных глубинах (0, 10, 30, 60, 100 и 200 см) с разрешением 250 м. Этапы обработки подробно описаны здесь. Антарктида не включена. Для доступа и визуализации карт вне Earth Engine используйте эту страницу. Если вы…
Прогнозируемые вероятности принадлежности почв к определенным группам USDA на глубине 250 м. Распределение групп почв USDA на основе прогнозов машинного обучения, полученных из глобальной компиляции почвенных профилей. Для получения дополнительной информации о группах почв, пожалуйста, обратитесь к Иллюстрированному руководству по таксономии почв - NRCS - …
Переработанные данные GLDAS-2.0: Глобальная система ассимиляции данных о суше.
Система глобальной ассимиляции данных о суше НАСА, версия 2 (GLDAS-2), состоит из трех компонентов: GLDAS-2.0, GLDAS-2.1 и GLDAS-2.2. GLDAS-2.0 полностью использует входные данные метеорологического воздействия Принстонского университета и предоставляет согласованный по времени ряд данных с 1948 по 2014 год. GLDAS-2.1 использует комбинацию модельных данных…
SLGA: Почвенная и ландшафтная сетка Австралии (почвенные характеристики)
Почвенная и ландшафтная сетка Австралии (SLGA) — это всеобъемлющий набор данных о характеристиках почв по всей Австралии с разрешением 3 угловые секунды (~90 м пикселей). Поверхности представляют собой результаты моделирования, описывающего пространственное распределение характеристик почв с использованием существующих данных о почвах и окружающей среде…
SOLUS: Свойства почв континентальной части Соединенных Штатов с разрешением 100 м.
SOLUS (Soil Landscapes of the United States) — это национальный картографический продукт, разработанный Национальной кооперативной службой почвенных исследований, целью которого является предоставление согласованного набора пространственно непрерывных карт свойств почв для поддержки крупномасштабных почвенных исследований и принятия решений по землепользованию. Карты SOLUS…
SPL3SMP_E.005 SMAP L3 Радиометр, глобальные ежедневные данные о влажности почвы на расстоянии 9 км
Данные, начиная с 04.12.2023, доступны в коллекции NASA/SMAP/SPL3SMP_E/006. Этот продукт уровня 3 (L3) влажности почвы представляет собой ежедневный композитный набор глобальных данных о состоянии поверхности суши, полученных с помощью L-диапазонного радиометра Soil Moisture Active Passive (SMAP). Ежедневные данные здесь были собраны с нисходящего (локального…
SPL3SMP_E.006 SMAP L3 Радиометр, глобальные ежедневные данные о влажности почвы на расстоянии 9 км
Данные за период до 04.12.2023 доступны в более старой коллекции NASA/SMAP/SPL3SMP_E/005. Впоследствии они будут переобработаны и добавлены в эту коллекцию. Этот продукт уровня 3 (L3) влажности почвы представляет собой ежедневный композитный набор глобальных данных о состоянии поверхности суши, полученных с помощью L-диапазона прибора Soil Moisture Active Passive (SMAP)…
SPL4SMGP.008 SMAP L4 Глобальные трехчасовые измерения влажности почвы на глубине 9 км в поверхностном слое и корневой зоне
Продукт SMAP Level-4 (L4) Soil Moisture включает в себя данные о влажности поверхностного слоя почвы (среднее значение по вертикали 0-5 см), влажности корневой зоны (среднее значение по вертикали 0-100 см), а также дополнительные исследовательские продукты (не прошедшие валидацию), в том числе данные о поверхностных метеорологических факторах, температуре почвы, эвапотранспирации и чистом солнечном излучении. Этот набор данных, официально известный как…
Объемное содержание воды при давлении всасывания 10 кПа, 33 кПа и 1500 кПа в 10⁻³ см³/см³ (0,1 об.% или 1 мм/м) на 6 стандартных глубинах (0–5 см, 5–15 см, 15–30 см, 30–60 см, 60–100 см, 100–200 см). Прогнозы были получены с использованием подхода цифрового картирования почв на основе квантильного случайного леса, опирающегося на глобальные…
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"]],[],[],[]]
