0-200 সেমি গভীরতায় বেডরক থেকে গভীরতা, পূর্বাভাসিত গড় এবং মানক বিচ্যুতি।
সম্ভাব্য ফসলি জমির মুখোশের কারণে যেটি ডেটা তৈরির জন্য ব্যবহৃত হয়েছিল, উন্মুক্ত শিলার অনেক এলাকা (যেখানে গভীরতা 0 সেমি হবে) মুখোশ করা হয়েছে এবং তাই নোডাটা মান হিসাবে উপস্থিত হয়েছে। এই স্তরটির সর্বোচ্চ গভীরতা 200 সেমি, কিন্তু এটি সর্বোচ্চ সম্ভাব্য মাটির গভীরতার প্রতিনিধিত্ব করে না, তাই 200-এর মানকে >= 200 হিসাবে ব্যাখ্যা করা উচিত।
ঘন জঙ্গলের এলাকায় (সাধারণত মধ্য আফ্রিকার উপরে), মডেলের নির্ভুলতা কম এবং তাই ব্যান্ডিং (স্ট্রাইপিং) এর মতো শিল্পকর্ম দেখা যেতে পারে।
ইনোভেটিভ সলিউশন ফর ডিসিশন এগ্রিকালচার লিমিটেড (iSDA) দ্বারা 30 মিটার পিক্সেল আকারে মেশিন লার্নিং এবং রিমোট সেন্সিং ডেটা এবং 100,000 টিরও বেশি বিশ্লেষণ করা মাটির নমুনার একটি প্রশিক্ষণ সেট ব্যবহার করে মাটির সম্পত্তির ভবিষ্যদ্বাণী করা হয়েছিল।
Hengl, T., Miller, MAE, Križan, J., et al. আফ্রিকান মাটির বৈশিষ্ট্য এবং পুষ্টি উপাদান 30 মিটার স্থানিক রেজোলিউশনে ম্যাপ করা হয়েছে টু-স্কেল এনসেম্বল মেশিন লার্নিং ব্যবহার করে। Sci Rep 11, 6130 (2021)। doi:10.1038/s41598-021-85639-y
0-200 সেমি গভীরতায় বেডরক থেকে গভীরতা, পূর্বাভাসিত গড় এবং মানক বিচ্যুতি। সম্ভাব্য ফসলি জমির মুখোশের কারণে যেটি ডেটা তৈরির জন্য ব্যবহৃত হয়েছিল, উন্মুক্ত শিলার অনেক এলাকা (যেখানে গভীরতা 0 সেমি হবে) মুখোশ করা হয়েছে এবং তাই নোডাটা মান হিসাবে উপস্থিত হয়েছে। সর্বোচ্চ…
[null,null,[],[[["\u003cp\u003eThis dataset provides the predicted mean and standard deviation of bedrock depth at 0-200 cm for Africa.\u003c/p\u003e\n"],["\u003cp\u003eIt was created by iSDA using machine learning and remote sensing data with over 100,000 soil samples.\u003c/p\u003e\n"],["\u003cp\u003eThe dataset has a 30-meter resolution and covers the period from 2001 to 2017.\u003c/p\u003e\n"],["\u003cp\u003eAreas with exposed rock and dense jungles may have lower accuracy or missing data.\u003c/p\u003e\n"],["\u003cp\u003eThe data is available under the CC-BY-4.0 license.\u003c/p\u003e\n"]]],["The iSDA dataset provides predicted mean and standard deviation of bedrock depth in Africa, ranging from 0-200 cm, with a pixel size of 30 meters. Data spans from 2001-01-01 to 2017-01-01. It was created using machine learning and over 100,000 soil samples by Innovative Solutions for Decision Agriculture Ltd. (iSDA). Areas with exposed rock are masked, and dense jungle regions may show reduced model accuracy. The dataset can be accessed through Google Earth Engine.\n"],null,["# iSDAsoil Depth to Bedrock\n\nDataset Availability\n: 2001-01-01T00:00:00Z--2017-01-01T00:00:00Z\n\nDataset Provider\n:\n\n\n [iSDA](https://isda-africa.com/)\n\nTags\n:\n[africa](/earth-engine/datasets/tags/africa) [bedrock](/earth-engine/datasets/tags/bedrock) [isda](/earth-engine/datasets/tags/isda) [soil](/earth-engine/datasets/tags/soil) \n\n#### Description\n\nDepth to bedrock at 0-200 cm depth, predicted mean and standard deviation.\n\nDue to the potential cropland mask that was used for generating the data,\nmany areas of exposed rock (where depth to bedrock would be 0 cm) have been\nmasked out and therefore appear as nodata values. The maximum depth of this\nlayer is 200 cm, but this does not represent the maximum possible soil depth,\ntherefore values of 200 should be interpreted as \\\u003e= 200.\n\nIn areas of dense jungle (generally over central Africa), model accuracy is\nlow and therefore artifacts such as banding (striping) might be seen.\n\nSoil property predictions were made by\n[Innovative Solutions for Decision Agriculture Ltd. (iSDA)](https://isda-africa.com/)\nat 30 m pixel size using machine learning coupled with remote sensing data\nand a training set of over 100,000 analyzed soil samples.\n\nFurther information can be found in the\n[FAQ](https://www.isda-africa.com/isdasoil/faq/) and\n[technical information documentation](https://www.isda-africa.com/isdasoil/technical-information/). To submit an issue or request support, please visit\n[the iSDAsoil site](https://isda-africa.com/isdasoil).\n\n### Bands\n\n\n**Pixel Size**\n\n30 meters\n\n**Bands**\n\n| Name | Units | Min | Max | Pixel Size | Description |\n|---------------|-------|-----|-----|------------|-------------------------------------------------------|\n| `mean_0_200` | cm | 27 | 200 | meters | Depth to bedrock, predicted mean at 0-200 cm depth |\n| `stdev_0_200` | cm | 9 | 254 | meters | Depth to bedrock, standard deviation at 0-20 cm depth |\n\n### Terms of Use\n\n**Terms of Use**\n\n[CC-BY-4.0](https://spdx.org/licenses/CC-BY-4.0.html)\n\n### Citations\n\nCitations:\n\n- Hengl, T., Miller, M.A.E., Križan, J., et al. African soil properties and nutrients\n mapped at 30 m spatial resolution using two-scale ensemble machine learning.\n Sci Rep 11, 6130 (2021).\n [doi:10.1038/s41598-021-85639-y](https://doi.org/10.1038/s41598-021-85639-y)\n\n### Explore with Earth Engine\n\n| **Important:** Earth Engine is a platform for petabyte-scale scientific analysis and visualization of geospatial datasets, both for public benefit and for business and government users. Earth Engine is free to use for research, education, and nonprofit use. To get started, please [register for Earth Engine access.](https://console.cloud.google.com/earth-engine)\n\n### Code Editor (JavaScript)\n\n```javascript\nvar mean_0_200 =\n'\u003cRasterSymbolizer\u003e' +\n '\u003cColorMap type=\"ramp\"\u003e' +\n '\u003cColorMapEntry color=\"#00204D\" label=\"0-13\" opacity=\"1\" quantity=\"13\"/\u003e' +\n '\u003cColorMapEntry color=\"#002D6C\" label=\"13-26\" opacity=\"1\" quantity=\"26\"/\u003e' +\n '\u003cColorMapEntry color=\"#16396D\" label=\"26-39\" opacity=\"1\" quantity=\"39\"/\u003e' +\n '\u003cColorMapEntry color=\"#36476B\" label=\"39-52\" opacity=\"1\" quantity=\"52\"/\u003e' +\n '\u003cColorMapEntry color=\"#4B546C\" label=\"52-65\" opacity=\"1\" quantity=\"65\"/\u003e' +\n '\u003cColorMapEntry color=\"#5C616E\" label=\"65-78\" opacity=\"1\" quantity=\"78\"/\u003e' +\n '\u003cColorMapEntry color=\"#6C6E72\" label=\"78-91\" opacity=\"1\" quantity=\"91\"/\u003e' +\n '\u003cColorMapEntry color=\"#7C7B78\" label=\"91-104\" opacity=\"1\" quantity=\"104\"/\u003e' +\n '\u003cColorMapEntry color=\"#8E8A79\" label=\"104-117\" opacity=\"1\" quantity=\"117\"/\u003e' +\n '\u003cColorMapEntry color=\"#A09877\" label=\"117-130\" opacity=\"1\" quantity=\"130\"/\u003e' +\n '\u003cColorMapEntry color=\"#B3A772\" label=\"130-143\" opacity=\"1\" quantity=\"143\"/\u003e' +\n '\u003cColorMapEntry color=\"#C6B66B\" label=\"143-156\" opacity=\"1\" quantity=\"156\"/\u003e' +\n '\u003cColorMapEntry color=\"#DBC761\" label=\"156-169\" opacity=\"1\" quantity=\"169\"/\u003e' +\n '\u003cColorMapEntry color=\"#F0D852\" label=\"169-182\" opacity=\"1\" quantity=\"182\"/\u003e' +\n '\u003cColorMapEntry color=\"#FFEA46\" label=\"182-200\" opacity=\"1\" quantity=\"195\"/\u003e' +\n '\u003c/ColorMap\u003e' +\n '\u003cContrastEnhancement/\u003e' +\n'\u003c/RasterSymbolizer\u003e';\n\nvar stdev_0_200 =\n'\u003cRasterSymbolizer\u003e' +\n '\u003cColorMap type=\"ramp\"\u003e' +\n '\u003cColorMapEntry color=\"#fde725\" label=\"low\" opacity=\"1\" quantity=\"14\"/\u003e' +\n '\u003cColorMapEntry color=\"#5dc962\" label=\" \" opacity=\"1\" quantity=\"18\"/\u003e' +\n '\u003cColorMapEntry color=\"#20908d\" label=\" \" opacity=\"1\" quantity=\"21\"/\u003e' +\n '\u003cColorMapEntry color=\"#3a528b\" label=\" \" opacity=\"1\" quantity=\"22\"/\u003e' +\n '\u003cColorMapEntry color=\"#440154\" label=\"high\" opacity=\"1\" quantity=\"25\"/\u003e' +\n '\u003c/ColorMap\u003e' +\n '\u003cContrastEnhancement/\u003e' +\n'\u003c/RasterSymbolizer\u003e';\n\nvar raw = ee.Image(\"ISDASOIL/Africa/v1/bedrock_depth\");\nMap.addLayer(\n raw.select(0).sldStyle(mean_0_200), {},\n \"Bedrock depth, mean visualization, 0-200 cm\");\nMap.addLayer(\n raw.select(1).sldStyle(stdev_0_200), {},\n \"Bedrock depth, stdev visualization, 0-200 cm\");\n\nvar visualization = {min: 27, max: 200};\n\nMap.setCenter(25, -3, 2);\n\nMap.addLayer(raw.select(0), visualization, \"Bedrock depth, mean, 0-200 cm\");\n```\n[Open in Code Editor](https://code.earthengine.google.com/?scriptPath=Examples:Datasets/ISDASOIL/ISDASOIL_Africa_v1_bedrock_depth) \n[iSDAsoil Depth to Bedrock](/earth-engine/datasets/catalog/ISDASOIL_Africa_v1_bedrock_depth) \nDepth to bedrock at 0-200 cm depth, predicted mean and standard deviation. Due to the potential cropland mask that was used for generating the data, many areas of exposed rock (where depth to bedrock would be 0 cm) have been masked out and therefore appear as nodata values. The maximum ... \nISDASOIL/Africa/v1/bedrock_depth, africa,bedrock,isda,soil \n2001-01-01T00:00:00Z/2017-01-01T00:00:00Z \n-35.22 -31.46 37.98 57.08 \nGoogle Earth Engine \nhttps://developers.google.com/earth-engine/datasets\n\n- [](https://doi.org/https://isda-africa.com/)\n- [](https://doi.org/https://developers.google.com/earth-engine/datasets/catalog/ISDASOIL_Africa_v1_bedrock_depth)"]]
