NASA-USDA Enhanced SMAP Global Soil Moisture Data [deprecated]

NASA_USDA/HSL/SMAP10KM_soil_moisture
数据集可用时间
2015-04-02T12:00:00Z–2022-08-02T12:00:00Z
数据集生产者
Earth Engine 代码段
ee.ImageCollection("NASA_USDA/HSL/SMAP10KM_soil_moisture")
步频
3 天
标签
地球物理
hsl
nasa
smap
土壤
土壤湿度
usda

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 (mm)、土壤湿度剖面 (%)、地表和地下土壤湿度异常值 (-)。

该数据集通过使用一维集合卡尔曼滤波器 (EnKF) 数据同化方法，将卫星衍生的土壤湿度主动被动 (SMAP) 3 级土壤湿度观测结果整合到修改后的双层 Palmer 模型中生成。土壤湿度异常值是根据感兴趣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 天为中心的移动窗口方法估算的。SMAP 土壤湿度观测结果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仪器设备较差的地区。

此数据集由 NASA 戈达德太空飞行中心的水文科学实验室与 USDA 外国农业服务局和 USDA 水文与遥感实验室合作开发。

频段

频段

像素大小：10000 米（所有频段）

名称 单位 最小值 全速 像素大小 说明
ssm mm 0* 25.39* 10000 米

地表土壤湿度
susm mm 0* 274.6* 10000 米

地下土壤湿度
smp 分数 0* 1* 10000 米

土壤湿度剖面
ssma 无量纲 -4* 4* 10000 米

地表土壤湿度异常值
susma 无量纲 -4* 4* 10000 米

地下土壤湿度异常值
* 估算的最小值或最大值

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

引用：

  • Sazib, N.，J. D. Bolten 和 I. E. Mladenova。2021 年。 Leveraging NASA Soil Moisture Active Passive for Assessing Fire Susceptibility and Potential Impacts Over Australia and California。 《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。 Agricultural drought monitoring via the assimilation of SMAP soil moisture retrievals into a global soil water balance model。《Front. Big Data，《3(10)。 doi:10.3389/fdata.2020.00010

  • Sazib, N.，J. D. Bolten 和 I. E. Mladenova。2021 年。 Leveraging NASA Soil Moisture Active Passive for Assessing Fire Susceptibility and Potential Impacts Over Australia and California。 《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。 Evaluating the operational application of SMAP for global agricultural drought monitoring。 《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)。 Assessing the Impact of ENSO on Agriculture over Africa using Earth Observation Data。 《Frontiers in Sustainable Food Systems》，4，188。 doi:10.3389/fsufs.2020.509914 Google 学术搜索

  • Sazib, N.，Mladenova, I. 和 Bolten, J.，2018 年。 Leveraging the google earth engine for drought assessment using global soil moisture data。 《Remote sensing》， 10(8)：1265。 doi:10.3390/rs10081265

  • Bolten, J.，W.T. Crow, X. Zhan, T.J. Jackson 和 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 学术搜索

  • Bolten, J. 和 W. T. Crow (2012)。 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)。 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.，S. Chan, E. G. Njoku, T. Jackson 和 R. Bindlish (2016)。 SMAP L3 Radiometer Global Daily 36 km EASE-Grid Soil Moisture, Version 4。 美国科罗拉多州博尔德市。NASA National Snow and Ice Data Center Distributed Active Archive Center。doi:10.5067/ZX7YX2Y2LHEB

DOI

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');

Python 设置

如需了解 Python API 和如何使用 geemap 进行交互式开发，请访问 Python 环境页面。

import ee
import geemap.core as geemap

Colab (Python)

dataset = ee.ImageCollection('NASA_USDA/HSL/SMAP10KM_soil_moisture').filter(
    ee.Filter.date('2017-04-01', '2017-04-30')
)

soil_moisture = dataset.select('ssm')

soil_moisture_vis = {
    'min': 0.0,
    'max': 28.0,
    'palette': ['0300ff', '418504', 'efff07', 'efff07', 'ff0303'],
}

m = geemap.Map()
m.set_center(-6.746, 46.529, 2)
m.add_layer(soil_moisture, soil_moisture_vis, 'Soil Moisture')
m
在代码编辑器中打开
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 (mm)、土壤湿度剖面 (%)、地表和地下土壤湿度异常值 (-)。该数据集通过整合卫星衍生的土壤湿度主动被动 (SMAP) …
NASA_USDA/HSL/SMAP10KM_soil_moisture, geophysical,hsl,nasa,smap,soil,soil-moisture,usda
2015-04-02T12:00:00Z/2022-08-02T12:00:00Z
-60 -180 90 180
Google Earth Engine