- 資料集可用性
- 2015-04-02T12:00:00Z–2022-08-02T12:00:00Z
- 資料集來源
- NASA GSFC
- 行銷系列活動
- 3 天
- 標記
說明
NASA-USDA Enhanced SMAP Global 土壤濕度資料提供全球土壤濕度資訊，空間解析度為 10 公里。這個資料集包含：地表、地表下、土壤濕度 (公釐)、土壤濕度剖面 (百分比)、地表和地表下土壤濕度異常 (負值)。
這項資料集是透過 1 維集合卡爾曼篩選器 (EnKF) 資料同化方法，將衛星衍生的土壤濕度主動被動 (SMAP) 第 3 級土壤濕度觀測資料整合至修改後的雙層 Palmer 模型中而產生。土壤濕度異常是根據感興趣日期的氣候學計算而得。 氣候學是根據 SMAP 衛星觀測的完整資料記錄，以及以 31 天為中心的移動視窗方法估算而得。同化 SMAP 土壤濕度觀測資料有助於提升模型預測的土壤濕度，尤其是在全球儀器設備不足、缺乏優質降水資料的地區。
這項資料集是由 NASA 戈達德太空飛行中心的水文科學實驗室，與美國農業部國外農業服務局和美國農業部水文與遙測實驗室合作開發。
頻帶
Pixel Size
10000 meters
頻帶
| 名稱 | 單位 | 最小值 | 最大值 | 像素大小 | 說明 |
|---|---|---|---|---|---|
ssm |
mm | 0* | 25.39* | 公尺 | 表土濕度 |
susm |
mm | 0* | 274.6* | 公尺 | 地表下土壤濕度 |
smp |
分數 | 0* | 1* | 公尺 | 土壤濕度剖面 |
ssma |
無尺寸 | -4* | 4* | 公尺 | 地表土壤濕度異常 |
susma |
無尺寸 | -4* | 4* | 公尺 | 地表下土壤濕度異常 |
使用條款
使用條款
這個資料集屬於公有領域，可供使用及散布，不受任何限制。詳情請參閱 NASA 的地球科學資料與資訊政策。
引用內容
Sazib, N.、J. D. Bolten，以及 I. E. Mladenova。2021 年。 運用 NASA Soil Moisture Active Passive 評估澳洲和加州發生火災的可能性和潛在影響。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。 透過將 SMAP 土壤濕度擷取資料同化到全球土壤水分平衡模型中，監控農業乾旱。前置鏡頭。Big Data, 3(10). doi:10.3389/fdata.2020.00010
Sazib, N.、J. D. Bolten，以及 I. E. Mladenova。2021 年。 運用 NASA Soil Moisture Active Passive 評估澳洲和加州發生火災的可能性和潛在影響。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。 評估 SMAP 在全球農業乾旱監測作業應用中的價值。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)。 使用地球觀測資料評估 ENSO 對非洲農業的影響。Frontiers in Sustainable Food Systems, 4, 188. doi:10.3389/fsufs.2020.509914 Google Scholar
Sazib, N.、Mladenova, I. 和 Bolten, J.，2018 年。 運用 Google Earth Engine，根據全球土壤濕度資料評估乾旱。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 Scholar
Bolten, J., and 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 學術搜尋
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)。Intercomparison of Soil Moisture, Evaporative Stress, and Vegetation Indices for Estimating Corn and Soybean Yields Over the U.S., 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，第 4 版。 美國科羅拉多州波爾德。NASA National Snow and Ice Data Center Distributed Active Archive Center.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 探索
程式碼編輯器 (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');