- 数据集可用时间
- 2015-04-02T12:00:00Z–2022-08-02T12:00:00Z
- 数据集生产者
- NASA GSFC Google Earth Engine
- 频率
- 3 天
- 标签
说明
NASA-USDA 增强型 SMAP 全球土壤湿度数据以 10 公里的空间分辨率提供全球土壤湿度信息。此数据集包括：地表、地下、土壤湿度（毫米）、土壤湿度剖面（百分比）、地表和地下土壤湿度异常（-）。
该数据集通过以下方式生成：使用一维集合卡尔曼滤波器 (EnKF) 数据同化方法，将卫星衍生的土壤水分主动被动 (SMAP) 3 级土壤水分观测数据集成到修改后的双层 Palmer 模型中。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。 气候学是根据 SMAP 卫星观测的完整数据记录和以 31 天为中心的移动窗口方法估算的。SMAP 土壤湿度观测数据的同化有助于改进基于模型的土壤湿度预测，尤其是在缺乏高质量降水数据的全球欠发达地区。
此数据集由 NASA 戈达德航天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以及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
波段
| 名称 | 单位 | 最小值 | 最大值 | 像元大小 | 说明 |
|---|---|---|---|---|---|
ssm |
mm | 0* | 25.39* | 米 | 表层土壤湿度 |
susm |
mm | 0* | 274.6* | 米 | 地下土壤湿度 |
smp |
分数 | 0* | 1* | 米 | 土壤湿度剖面 |
ssma |
无量纲 | -4* | 4* | 米 | 表层土壤湿度异常 |
susma |
无量纲 | -4* | 4* | 米 | 地下土壤湿度异常 |
使用条款
使用条款
本数据集属于公共领域，使用和分发不受限制。如需更多信息，请参见 NASA 地球科学数据和信息政策。
引用
Sazib, N.、J. D. Bolten 和 I. E. Mladenova。2021 年。 利用 NASA Soil Moisture Active Passive 评估澳大利亚和加利福尼亚的火灾易发性和潜在影响。 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. 和 Reynolds, C.，2020 年。 通过将 SMAP 土壤湿度反演结果同化到全球土壤水分平衡模型中，实现农业干旱监测。正面。Big Data, 3(10). doi:10.3389/fdata.2020.00010
Sazib, N.、J. D. Bolten 和 I. E. Mladenova。2021 年。 利用 NASA Soil Moisture Active Passive 评估澳大利亚和加利福尼亚的火灾易发性和潜在影响。 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. 和 Reynolds, C.，2019 年。 评估 SMAP 在全球农业干旱监测中的实际应用。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 年）。 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. 和 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。 Remote sensing，10(8)：1265。 doi:10.3390/rs10081265
Bolten, J.、W.T. Crow, X. Zhan、T.J. Jackson 和 C.A. Reynolds（2010 年）。 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 学术
Bolten, J. 和 W. T. Crow（2012 年）。 Improved prediction of quasi-global vegetation conditions using remotely sensed surface soil moisture, Geophysical Research Letters, 39: (L19406). [doi:10.1029/2012GL053470][https://doi.org/10.1029/2012GL053470) Google 学术
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). 土壤湿度主动被动 (SMAP) 任务，《IEEE 论文集》(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 年）。美国玉米和大豆产量估计的土壤湿度、蒸发胁迫和植被指数的相互比较，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 Radiometer Global Daily 36 km EASE-Grid Soil Moisture，版本 4。 美国科罗拉多州博尔德。美国国家航空航天局国家冰雪数据中心分布式主动归档中心。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
通过 Earth Engine 探索
代码编辑器 (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');