iSDAsoil Bulk Density, <2mm Fraction
จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน
บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ
- ความพร้อมใช้งานของชุดข้อมูล
- 2001-01-01T00:00:00Z–2017-01-01T00:00:00Z
- ผู้ให้บริการชุดข้อมูล
-
iSDA
- ตัวอย่างข้อมูล Earth Engine
-
ee.Image("ISDASOIL/Africa/v1/bulk_density")
open_in_new
- แท็ก
-
africa
isda
soil
ความหนาแน่นรวม
คำอธิบาย
ความหนาแน่นรวม ส่วนที่เล็กกว่า 2 มม. ที่ความลึกของดิน 0-20 ซม. และ 20-50 ซม.
ค่าเฉลี่ยที่คาดการณ์ไว้และค่าเบี่ยงเบนมาตรฐาน
ต้องแปลงค่าพิกเซลกลับด้วย x/100
ในพื้นที่ป่าทึบ (โดยทั่วไปคือแอฟริกากลาง) ความแม่นยำของโมเดลจะต่ำ จึงอาจเห็นสิ่งประดิษฐ์ เช่น แถบ (ลาย)
การคาดการณ์คุณสมบัติของดินดำเนินการโดย
Innovative Solutions for Decision Agriculture Ltd. (iSDA)
ที่ขนาดพิกเซล 30 ม. โดยใช้แมชชีนเลิร์นนิงร่วมกับข้อมูลการรับรู้จากระยะไกล
และชุดการฝึกที่มีตัวอย่างดินที่วิเคราะห์แล้วกว่า 100,000 ตัวอย่าง
ดูข้อมูลเพิ่มเติมได้ในคำถามที่พบบ่อยและเอกสารประกอบเกี่ยวกับข้อมูลทางเทคนิค หากต้องการส่งปัญหาหรือขอรับการสนับสนุน โปรดไปที่เว็บไซต์ iSDAsoil
ย่านความถี่
ขนาดพิกเซล
30 เมตร
ย่านความถี่
| ชื่อ |
หน่วย |
ต่ำสุด |
สูงสุด |
ขนาดพิกเซล |
คำอธิบาย |
mean_0_20 |
ก./ซม.^3 |
44
|
197
|
เมตร
|
ความหนาแน่นรวม ส่วนที่เล็กกว่า 2 มม. ค่าเฉลี่ยที่คาดการณ์ที่ความลึก 0-20 ซม. |
mean_20_50 |
ก./ซม.^3 |
44
|
196
|
เมตร
|
ความหนาแน่นรวม ส่วนที่เล็กกว่า 2 มม. ค่าเฉลี่ยที่คาดการณ์ไว้ที่ความลึก 20-50 ซม. |
stdev_0_20 |
ก./ซม.^3 |
0
|
92
|
เมตร
|
ความหนาแน่นรวม ส่วนที่เล็กกว่า 2 มม. ค่าเบี่ยงเบนมาตรฐานที่ความลึก 0-20 ซม. |
stdev_20_50 |
ก./ซม.^3 |
0
|
92
|
เมตร
|
ความหนาแน่นรวม ส่วนที่เล็กกว่า 2 มม. ค่าเบี่ยงเบนมาตรฐานที่ความลึก 20-50 ซม. |
ข้อกำหนดในการใช้งาน
ข้อกำหนดในการใช้งาน
CC-BY-4.0
การอ้างอิง
Hengl, T., Miller, M.A.E., Križan, J., et al. African soil properties and nutrients
mapped at 30 m spatial resolution using two-scale ensemble machine learning.
Sci Rep 11, 6130 (2021)
doi:10.1038/s41598-021-85639-y
สำรวจด้วย Earth Engine
ตัวแก้ไขโค้ด (JavaScript)
var mean_0_20 =
'<RasterSymbolizer>' +
'<ColorMap type="ramp">' +
'<ColorMapEntry color="#00204D" label="0.8-1.05" opacity="1" quantity="105"/>' +
'<ColorMapEntry color="#002D6C" label="1.05-1.19" opacity="1" quantity="119"/>' +
'<ColorMapEntry color="#16396D" label="1.19-1.23" opacity="1" quantity="123"/>' +
'<ColorMapEntry color="#36476B" label="1.23-1.25" opacity="1" quantity="125"/>' +
'<ColorMapEntry color="#4B546C" label="1.25-1.28" opacity="1" quantity="128"/>' +
'<ColorMapEntry color="#5C616E" label="1.28-1.31" opacity="1" quantity="131"/>' +
'<ColorMapEntry color="#6C6E72" label="1.31-1.34" opacity="1" quantity="134"/>' +
'<ColorMapEntry color="#7C7B78" label="1.34-1.36" opacity="1" quantity="136"/>' +
'<ColorMapEntry color="#8E8A79" label="1.36-1.38" opacity="1" quantity="138"/>' +
'<ColorMapEntry color="#A09877" label="1.38-1.41" opacity="1" quantity="141"/>' +
'<ColorMapEntry color="#B3A772" label="1.41-1.43" opacity="1" quantity="143"/>' +
'<ColorMapEntry color="#C6B66B" label="1.43-1.45" opacity="1" quantity="145"/>' +
'<ColorMapEntry color="#DBC761" label="1.45-1.48" opacity="1" quantity="148"/>' +
'<ColorMapEntry color="#F0D852" label="1.48-1.51" opacity="1" quantity="151"/>' +
'<ColorMapEntry color="#FFEA46" label="1.51-1.85" opacity="1" quantity="154"/>' +
'</ColorMap>' +
'<ContrastEnhancement/>' +
'</RasterSymbolizer>';
var mean_20_50 =
'<RasterSymbolizer>' +
'<ColorMap type="ramp">' +
'<ColorMapEntry color="#00204D" label="0.8-1.05" opacity="1" quantity="105"/>' +
'<ColorMapEntry color="#002D6C" label="1.05-1.19" opacity="1" quantity="119"/>' +
'<ColorMapEntry color="#16396D" label="1.19-1.23" opacity="1" quantity="123"/>' +
'<ColorMapEntry color="#36476B" label="1.23-1.25" opacity="1" quantity="125"/>' +
'<ColorMapEntry color="#4B546C" label="1.25-1.28" opacity="1" quantity="128"/>' +
'<ColorMapEntry color="#5C616E" label="1.28-1.31" opacity="1" quantity="131"/>' +
'<ColorMapEntry color="#6C6E72" label="1.31-1.34" opacity="1" quantity="134"/>' +
'<ColorMapEntry color="#7C7B78" label="1.34-1.36" opacity="1" quantity="136"/>' +
'<ColorMapEntry color="#8E8A79" label="1.36-1.38" opacity="1" quantity="138"/>' +
'<ColorMapEntry color="#A09877" label="1.38-1.41" opacity="1" quantity="141"/>' +
'<ColorMapEntry color="#B3A772" label="1.41-1.43" opacity="1" quantity="143"/>' +
'<ColorMapEntry color="#C6B66B" label="1.43-1.45" opacity="1" quantity="145"/>' +
'<ColorMapEntry color="#DBC761" label="1.45-1.48" opacity="1" quantity="148"/>' +
'<ColorMapEntry color="#F0D852" label="1.48-1.51" opacity="1" quantity="151"/>' +
'<ColorMapEntry color="#FFEA46" label="1.51-1.85" opacity="1" quantity="154"/>' +
'</ColorMap>' +
'<ContrastEnhancement/>' +
'</RasterSymbolizer>';
var stdev_0_20 =
'<RasterSymbolizer>' +
'<ColorMap type="ramp">' +
'<ColorMapEntry color="#fde725" label="low" opacity="1" quantity="2"/>' +
'<ColorMapEntry color="#5dc962" label=" " opacity="1" quantity="4"/>' +
'<ColorMapEntry color="#20908d" label=" " opacity="1" quantity="5"/>' +
'<ColorMapEntry color="#3a528b" label=" " opacity="1" quantity="7"/>' +
'<ColorMapEntry color="#440154" label="high" opacity="1" quantity="9"/>' +
'</ColorMap>' +
'<ContrastEnhancement/>' +
'</RasterSymbolizer>';
var stdev_20_50 =
'<RasterSymbolizer>' +
'<ColorMap type="ramp">' +
'<ColorMapEntry color="#fde725" label="low" opacity="1" quantity="2"/>' +
'<ColorMapEntry color="#5dc962" label=" " opacity="1" quantity="4"/>' +
'<ColorMapEntry color="#20908d" label=" " opacity="1" quantity="5"/>' +
'<ColorMapEntry color="#3a528b" label=" " opacity="1" quantity="7"/>' +
'<ColorMapEntry color="#440154" label="high" opacity="1" quantity="9"/>' +
'</ColorMap>' +
'<ContrastEnhancement/>' +
'</RasterSymbolizer>';
var raw = ee.Image("ISDASOIL/Africa/v1/bulk_density");
Map.addLayer(
raw.select(0).sldStyle(mean_0_20), {},
"Bulk density, mean visualization, 0-20 cm");
Map.addLayer(
raw.select(1).sldStyle(mean_20_50), {},
"Bulk density, mean visualization, 20-50 cm");
Map.addLayer(
raw.select(2).sldStyle(stdev_0_20), {},
"Bulk density, stdev visualization, 0-20 cm");
Map.addLayer(
raw.select(3).sldStyle(stdev_20_50), {},
"Bulk density, stdev visualization, 20-50 cm");
var converted = raw.divide(100);
var visualization = {min: 1, max: 1.5};
Map.setCenter(25, -3, 2);
Map.addLayer(converted.select(0), visualization, "Bulk density, mean, 0-20 cm");
เปิดในตัวแก้ไขโค้ด
[null,null,[],[[["\u003cp\u003eThis dataset provides soil bulk density data for Africa at 30-meter resolution, covering the period from 2001 to 2017.\u003c/p\u003e\n"],["\u003cp\u003eIt includes predicted mean and standard deviation of bulk density for soil depths of 0-20 cm and 20-50 cm.\u003c/p\u003e\n"],["\u003cp\u003eThe data is derived from machine learning models trained on over 100,000 soil samples and remote sensing data, with potential for lower accuracy in dense jungle areas.\u003c/p\u003e\n"],["\u003cp\u003ePixel values require back-transformation by dividing by 100 to obtain the actual bulk density in g/cm³.\u003c/p\u003e\n"],["\u003cp\u003eThe dataset is provided by Innovative Solutions for Decision Agriculture Ltd.(iSDA) under a CC-BY-4.0 license.\u003c/p\u003e\n"]]],[],null,["# iSDAsoil Bulk Density, <2mm Fraction\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) [isda](/earth-engine/datasets/tags/isda) [soil](/earth-engine/datasets/tags/soil) \nbulk-density \n\n#### Description\n\nBulk density, \\\u003c2mm fraction at soil depths of 0-20 cm and 20-50 cm,\npredicted mean and standard deviation.\n\nPixel values must be back-transformed with `x/100`.\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_20` | g/cm\\^3 | 44 | 197 | meters | Bulk density, \\\u003c2mm fraction, predicted mean at 0-20 cm depth |\n| `mean_20_50` | g/cm\\^3 | 44 | 196 | meters | Bulk density, \\\u003c2mm fraction, predicted mean at 20-50 cm depth |\n| `stdev_0_20` | g/cm\\^3 | 0 | 92 | meters | Bulk density, \\\u003c2mm fraction, standard deviation at 0-20 cm depth |\n| `stdev_20_50` | g/cm\\^3 | 0 | 92 | meters | Bulk density, \\\u003c2mm fraction, standard deviation at 20-50 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_20 =\n'\u003cRasterSymbolizer\u003e' +\n '\u003cColorMap type=\"ramp\"\u003e' +\n '\u003cColorMapEntry color=\"#00204D\" label=\"0.8-1.05\" opacity=\"1\" quantity=\"105\"/\u003e' +\n '\u003cColorMapEntry color=\"#002D6C\" label=\"1.05-1.19\" opacity=\"1\" quantity=\"119\"/\u003e' +\n '\u003cColorMapEntry color=\"#16396D\" label=\"1.19-1.23\" opacity=\"1\" quantity=\"123\"/\u003e' +\n '\u003cColorMapEntry color=\"#36476B\" label=\"1.23-1.25\" opacity=\"1\" quantity=\"125\"/\u003e' +\n '\u003cColorMapEntry color=\"#4B546C\" label=\"1.25-1.28\" opacity=\"1\" quantity=\"128\"/\u003e' +\n '\u003cColorMapEntry color=\"#5C616E\" label=\"1.28-1.31\" opacity=\"1\" quantity=\"131\"/\u003e' +\n '\u003cColorMapEntry color=\"#6C6E72\" label=\"1.31-1.34\" opacity=\"1\" quantity=\"134\"/\u003e' +\n '\u003cColorMapEntry color=\"#7C7B78\" label=\"1.34-1.36\" opacity=\"1\" quantity=\"136\"/\u003e' +\n '\u003cColorMapEntry color=\"#8E8A79\" label=\"1.36-1.38\" opacity=\"1\" quantity=\"138\"/\u003e' +\n '\u003cColorMapEntry color=\"#A09877\" label=\"1.38-1.41\" opacity=\"1\" quantity=\"141\"/\u003e' +\n '\u003cColorMapEntry color=\"#B3A772\" label=\"1.41-1.43\" opacity=\"1\" quantity=\"143\"/\u003e' +\n '\u003cColorMapEntry color=\"#C6B66B\" label=\"1.43-1.45\" opacity=\"1\" quantity=\"145\"/\u003e' +\n '\u003cColorMapEntry color=\"#DBC761\" label=\"1.45-1.48\" opacity=\"1\" quantity=\"148\"/\u003e' +\n '\u003cColorMapEntry color=\"#F0D852\" label=\"1.48-1.51\" opacity=\"1\" quantity=\"151\"/\u003e' +\n '\u003cColorMapEntry color=\"#FFEA46\" label=\"1.51-1.85\" opacity=\"1\" quantity=\"154\"/\u003e' +\n '\u003c/ColorMap\u003e' +\n '\u003cContrastEnhancement/\u003e' +\n'\u003c/RasterSymbolizer\u003e';\n\nvar mean_20_50 =\n'\u003cRasterSymbolizer\u003e' +\n '\u003cColorMap type=\"ramp\"\u003e' +\n '\u003cColorMapEntry color=\"#00204D\" label=\"0.8-1.05\" opacity=\"1\" quantity=\"105\"/\u003e' +\n '\u003cColorMapEntry color=\"#002D6C\" label=\"1.05-1.19\" opacity=\"1\" quantity=\"119\"/\u003e' +\n '\u003cColorMapEntry color=\"#16396D\" label=\"1.19-1.23\" opacity=\"1\" quantity=\"123\"/\u003e' +\n '\u003cColorMapEntry color=\"#36476B\" label=\"1.23-1.25\" opacity=\"1\" quantity=\"125\"/\u003e' +\n '\u003cColorMapEntry color=\"#4B546C\" label=\"1.25-1.28\" opacity=\"1\" quantity=\"128\"/\u003e' +\n '\u003cColorMapEntry color=\"#5C616E\" label=\"1.28-1.31\" opacity=\"1\" quantity=\"131\"/\u003e' +\n '\u003cColorMapEntry color=\"#6C6E72\" label=\"1.31-1.34\" opacity=\"1\" quantity=\"134\"/\u003e' +\n '\u003cColorMapEntry color=\"#7C7B78\" label=\"1.34-1.36\" opacity=\"1\" quantity=\"136\"/\u003e' +\n '\u003cColorMapEntry color=\"#8E8A79\" label=\"1.36-1.38\" opacity=\"1\" quantity=\"138\"/\u003e' +\n '\u003cColorMapEntry color=\"#A09877\" label=\"1.38-1.41\" opacity=\"1\" quantity=\"141\"/\u003e' +\n '\u003cColorMapEntry color=\"#B3A772\" label=\"1.41-1.43\" opacity=\"1\" quantity=\"143\"/\u003e' +\n '\u003cColorMapEntry color=\"#C6B66B\" label=\"1.43-1.45\" opacity=\"1\" quantity=\"145\"/\u003e' +\n '\u003cColorMapEntry color=\"#DBC761\" label=\"1.45-1.48\" opacity=\"1\" quantity=\"148\"/\u003e' +\n '\u003cColorMapEntry color=\"#F0D852\" label=\"1.48-1.51\" opacity=\"1\" quantity=\"151\"/\u003e' +\n '\u003cColorMapEntry color=\"#FFEA46\" label=\"1.51-1.85\" opacity=\"1\" quantity=\"154\"/\u003e' +\n '\u003c/ColorMap\u003e' +\n '\u003cContrastEnhancement/\u003e' +\n'\u003c/RasterSymbolizer\u003e';\n\nvar stdev_0_20 =\n'\u003cRasterSymbolizer\u003e' +\n '\u003cColorMap type=\"ramp\"\u003e' +\n '\u003cColorMapEntry color=\"#fde725\" label=\"low\" opacity=\"1\" quantity=\"2\"/\u003e' +\n '\u003cColorMapEntry color=\"#5dc962\" label=\" \" opacity=\"1\" quantity=\"4\"/\u003e' +\n '\u003cColorMapEntry color=\"#20908d\" label=\" \" opacity=\"1\" quantity=\"5\"/\u003e' +\n '\u003cColorMapEntry color=\"#3a528b\" label=\" \" opacity=\"1\" quantity=\"7\"/\u003e' +\n '\u003cColorMapEntry color=\"#440154\" label=\"high\" opacity=\"1\" quantity=\"9\"/\u003e' +\n '\u003c/ColorMap\u003e' +\n '\u003cContrastEnhancement/\u003e' +\n'\u003c/RasterSymbolizer\u003e';\n\nvar stdev_20_50 =\n'\u003cRasterSymbolizer\u003e' +\n '\u003cColorMap type=\"ramp\"\u003e' +\n '\u003cColorMapEntry color=\"#fde725\" label=\"low\" opacity=\"1\" quantity=\"2\"/\u003e' +\n '\u003cColorMapEntry color=\"#5dc962\" label=\" \" opacity=\"1\" quantity=\"4\"/\u003e' +\n '\u003cColorMapEntry color=\"#20908d\" label=\" \" opacity=\"1\" quantity=\"5\"/\u003e' +\n '\u003cColorMapEntry color=\"#3a528b\" label=\" \" opacity=\"1\" quantity=\"7\"/\u003e' +\n '\u003cColorMapEntry color=\"#440154\" label=\"high\" opacity=\"1\" quantity=\"9\"/\u003e' +\n '\u003c/ColorMap\u003e' +\n '\u003cContrastEnhancement/\u003e' +\n'\u003c/RasterSymbolizer\u003e';\n\nvar raw = ee.Image(\"ISDASOIL/Africa/v1/bulk_density\");\nMap.addLayer(\n raw.select(0).sldStyle(mean_0_20), {},\n \"Bulk density, mean visualization, 0-20 cm\");\nMap.addLayer(\n raw.select(1).sldStyle(mean_20_50), {},\n \"Bulk density, mean visualization, 20-50 cm\");\nMap.addLayer(\n raw.select(2).sldStyle(stdev_0_20), {},\n \"Bulk density, stdev visualization, 0-20 cm\");\nMap.addLayer(\n raw.select(3).sldStyle(stdev_20_50), {},\n \"Bulk density, stdev visualization, 20-50 cm\");\n\nvar converted = raw.divide(100);\n\nvar visualization = {min: 1, max: 1.5};\n\nMap.setCenter(25, -3, 2);\n\nMap.addLayer(converted.select(0), visualization, \"Bulk density, mean, 0-20 cm\");\n```\n[Open in Code Editor](https://code.earthengine.google.com/?scriptPath=Examples:Datasets/ISDASOIL/ISDASOIL_Africa_v1_bulk_density) \n[iSDAsoil Bulk Density, \\\u003c2mm Fraction](/earth-engine/datasets/catalog/ISDASOIL_Africa_v1_bulk_density) \nBulk density, \\\u003c2mm fraction at soil depths of 0-20 cm and 20-50 cm, predicted mean and standard deviation. Pixel values must be back-transformed with x/100. In areas of dense jungle (generally over central Africa), model accuracy is low and therefore artifacts such as banding (striping) might be seen. Soil property ... \nISDASOIL/Africa/v1/bulk_density, africa,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_bulk_density)"]]
