
- 数据集可用性
- 2015-04-02T12:00:00Z–2022-08-02T12:00:00Z
- 数据集提供程序
- NASA GSFC
- Earth Engine 代码段
-
ee.ImageCollection("NASA_USDA/HSL/SMAP10KM_soil_moisture")
- 频率
- 3 天
- 标签
说明
NASA-USDA 增强型 SMAP 全球土壤湿度数据可提供全球范围内的土壤湿度信息,空间分辨率为 10 公里。此数据集包括:地表、地下、土壤湿度 (mm)、土壤湿度剖面 (%)、地表和地下土壤湿度异常值 (-)。
该数据集是通过使用 1 维集合卡尔曼滤波器 (EnKF) 数据同化方法,将卫星派生土壤湿度主动-被动 (SMAP) 第三层土壤湿度观测数据集成到经过修改的双层 Palmer 模型中而生成的。土壤湿度异常值是根据相关日期的气候学数据计算得出的。气候学数据是根据 SMAP 卫星观测的完整数据记录和以 31 天为中心的滑动窗口方法估算得出的。同化 SMAP 土壤湿度观测数据有助于改进基于模型的土壤湿度预测,尤其是在缺少优质降水数据且仪器配置较差的全球区域。
此数据集由美国国家航空航天局戈达德太空飞行中心的水文科学实验室与美国农业部外国农业服务局和美国农业部水文与遥感实验室合作开发。
频段
像素大小
10,000 米
乐队
名称 | 单位 | 最小值 | 最大值 | 说明 |
---|---|---|---|---|
ssm |
mm | 0* | 25.39* | 地表土壤湿度 |
susm |
mm | 0* | 274.6* | 地下土壤湿度 |
smp |
分数 | 0* | 1* | 土壤湿度剖面 |
ssma |
无维度 | -4* | 4* | 地表土壤湿度异常 |
susma |
无维度 | -4* | 4* | 地下土壤湿度异常 |
使用条款
使用条款
此数据集属于公共领域,可供使用和分发,不受限制。如需了解详情,请参阅 NASA 的地球科学数据和信息政策。
引用
Sazib, N., J. D. Bolten,以及我。E. Mladenova。2021 年。 利用 NASA 土壤湿度主动-被动传感器评估澳大利亚和加利福尼亚州的火灾易感性和潜在影响。IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 15: 779-787. doi:10.1109/jstars.2021.3136756
Mladenova, I.E., Bolten, J.D., Crow, W., Sazib, N. and Reynolds, C., 2020 年。 通过将 SMAP 土壤湿度检索结果同化到全球土壤水分平衡模型中,监测农业干旱。前面。Big Data, 3(10). doi:10.3389/fdata.2020.00010
Sazib, N., J. D. Bolten,以及我。E. Mladenova。2021 年。 利用 NASA 土壤湿度主动-被动传感器评估澳大利亚和加利福尼亚州的火灾易感性和潜在影响。IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 15: 779-787. doi:10.1109/jstars.2021.3136756
Mladenova, I.E., Bolten, J.D., Crow, W.T., Sazib, N., Cosh, M.H., Tucker, C.J. and Reynolds, C., 2019 年。 评估 SMAP 在全球农业干旱监测方面的应用。 IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 12(9): 3387-3397. doi:10.1109/JSTARS.2019.2923555
Sazib, N., Mladenova, I., & Bolten, J. (2020)。 使用地球观测数据评估 ENSO 对非洲农业的影响。 Frontiers in Sustainable Food Systems, 4, 188. doi:10.3389/fsufs.2020.509914 Google 学术
Sazib, N., Mladenova, I. and Bolten, J., 2018 年。 利用 Google Earth Engine 使用全球土壤湿度数据进行干旱评估。 遥感, 10(8): 1265. doi:10.3390/rs10081265
Bolten, J., W.T. Crow, X. Zhan, T.J. Jackson, and C.A. Reynolds (2010). Evaluating the Utility of Remotely Sensed Soil Moisture Retrievals for Operational Agricultural drought Monitoring, IEEE Transactions on Geoscience and Remote Sensing, 3(1): 57-66. doi:10.1109/JSTARS.2009.2037163 Google Scholar
Bolten, J., and W. T. Crow (2012)。 使用遥感地表土壤湿度改进了对近乎全球植被条件的预测,Geophysical Research Letters, 39: (L19406)。 [doi:10.1029/2012GL053470][https://doi.org/10.1029/2012GL053470) Google 学术搜索
Entekhabi, D, Njoku, EG, O'Neill, PE, Kellogg, KH, Crow, WT, Edelstein, WN, Entin, JK, Goodman, SD, Jackson, TJ, Johnson, J, Kimball, J, Piepmeier, JR, Koster, RD, Martin, N, McDonald, KC, Moghaddam, M, Moran, S, Reichle, R, Shi, JC, Spencer, MW, Thurman, SW, Tsang, L & Van Zyl, J (2010). The soil moisture active passive (SMAP) mission, Proceedings of the IEEE, 98(5): 704-716. doi:10.1109/JPROC.2010.2043918
I. E. Mladenova, J.D. Bolten, W.T. Crow, M.C. Anderson, C.R. Hain, D.M. Johnson, R. Mueller (2017)。土壤湿度、蒸发压力和植被指数的互比,以估算美国的玉米和大豆产量IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10(4): 1328-1343. doi:10.1109/JSTARS.2016.2639338
O'Neill, P. E., 韩Chan, E. G. Njoku, T. Jackson 和 R. Bindlish (2016)。 SMAP L3 辐射计全球每日 36 公里 EASE-Grid 土壤湿度,版本 4。 美国科罗拉多州博尔德。NASA 国家雪冰数据中心分布式活跃归档中心。doi:10.5067/ZX7YX2Y2LHEB
DOI
- https://doi.org/10.1029/2012GL053470
- https://doi.org/10.1109/JPROC.2010.2043918
- https://doi.org/10.1109/JSTARS.2009.2037163
- https://doi.org/10.1109/JSTARS.2016.2639338
- https://doi.org/10.1109/JSTARS.2019.2923555
- https://doi.org/10.1109/jstars.2021.3136756
- https://doi.org/10.3389/fsufs.2020.509914
- https://doi.org/10.3390/rs10081265
- https://doi.org/10.5067/ZX7YX2Y2LHEB
使用 Earth Engine 进行探索
Code Editor (JavaScript)
var dataset = ee.ImageCollection('NASA_USDA/HSL/SMAP10KM_soil_moisture') .filter(ee.Filter.date('2017-04-01', '2017-04-30')); var soilMoisture = dataset.select('ssm'); var soilMoistureVis = { min: 0.0, max: 28.0, palette: ['0300ff', '418504', 'efff07', 'efff07', 'ff0303'], }; Map.setCenter(-6.746, 46.529, 2); Map.addLayer(soilMoisture, soilMoistureVis, 'Soil Moisture');