Gęstość nasypowa, frakcja o wielkości do 2 mm na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli muszą być przekształcane z powrotem za pomocą x/100. W obszarach gęstej dżungli (zazwyczaj w środkowej Afryce) dokładność modelu jest niska, dlatego artefakty takie jak pasy …
Zawartość gliny w glebie na głębokości 0–20 cm i 20–50 cm,\nprzewidywana średnia i odchylenie standardowe. W obszarach gęstej dżungli (zazwyczaj w centralnej Afryce) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak paskowanie. Prognozy właściwości gleby zostały przygotowane przez Innovative …
Głębokość skały macierzystej na głębokości 0–200 cm, przewidywana średnia i odchylenie standardowe. Ze względu na maskę upraw rolnych użytą do wygenerowania danych wiele obszarów odsłoniętej skały (gdzie głębokość do podłoża wynosi 0 cm) zostało zamaskowanych i dlatego wyglądają …
Przewidywana średnia i standardowe odchylenie pojemności wymiany kationów na głębokości 0–20 cm i 20–50 cm, wartości Pixela muszą zostać odwzorowane za pomocą funkcji exp(x/10)-1. W obszarach gęstej dżungli (zazwyczaj w środkowej Afryce) dokładność modelu jest niska, dlatego artefakty takie jak pasy …
Ilość wapnia w glebie na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli muszą zostać odwzorowane za pomocą funkcji exp(x/10)-1. W obszarach gęstej dżungli (zazwyczaj w środkowej Afryce) dokładność modelu jest niska, dlatego artefakty takie jak paskowanie mogą być …
Żelazo wydobywalne z gleby na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli muszą zostać odwzorowane za pomocą funkcji exp(x/10)-1. W obszarach gęstej dżungli (zazwyczaj w środkowej Afryce) dokładność modelu jest niska, dlatego artefakty takie jak paskowanie mogą być …
Odzyskiwalne ilości magnezu w glebie na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli muszą zostać odwzorowane za pomocą funkcji exp(x/10)-1. W obszarach gęstej dżungli (zazwyczaj w środkowej Afryce) dokładność modelu jest niska, dlatego artefakty takie jak paskowanie mogą być …
Wydobywalny fosfor w glebie na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli muszą zostać odwzorowane za pomocą funkcji exp(x/10)-1. W obszarach gęstej dżungli (zazwyczaj w środkowej Afryce) dokładność modelu jest niska, dlatego artefakty takie jak paskowanie mogą być …
Wydobywalny potas na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli muszą zostać odwzorowane za pomocą funkcji exp(x/10)-1. W obszarach gęstej dżungli (zazwyczaj w środkowej Afryce) dokładność modelu jest niska, dlatego artefakty takie jak paskowanie mogą być …
Ilość siarki przyswajalnej w glebie na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli muszą zostać odwzorowane za pomocą funkcji exp(x/10)-1. W obszarach gęstej dżungli (zazwyczaj w środkowej Afryce) dokładność modelu jest niska, dlatego artefakty takie jak paskowanie mogą być …
Wydobywalny cynk na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli muszą zostać odwzorowane za pomocą funkcji exp(x/10)-1. W obszarach gęstej dżungli (zazwyczaj w środkowej Afryce) dokładność modelu jest niska, dlatego artefakty takie jak paskowanie mogą być …
Klasyfikacja zdolności gleb do zaopatrzenia roślin w pożywienie, oparta na nachyleniu, właściwościach chemicznych i fizycznych gleby. Więcej informacji o tej warstwie znajdziesz na tej stronie. Klasy dla pasma „fcc” dotyczą wartości pikseli, które muszą zostać odwzorowane z powrotem za pomocą x modulo 3000. W obszarach gęstej dżungli…
Organiczny węgiel na głębokości 0–20 cm i 20–50 cm, prognozowana średnia i standardowe odchylenie. Wartości pikseli muszą zostać odwzorowane za pomocą funkcji exp(x/10)-1. W obszarach gęstej dżungli (zazwyczaj w środkowej Afryce) dokładność modelu jest niska, dlatego artefakty takie jak paskowanie mogą być …
Zawartość piasku na głębokości 0–20 cm i 20–50 cm,\nprzewidywana średnia i odchylenie standardowe. W obszarach gęstej dżungli (zazwyczaj w centralnej Afryce) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak paskowanie. Prognozy właściwości gleby zostały przygotowane przez Innovative …
Zawartość mułu na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli muszą zostać odwzorowane za pomocą funkcji exp(x/10)-1. W obszarach gęstej dżungli (zazwyczaj w środkowej Afryce) dokładność modelu jest niska, dlatego artefakty takie jak paskowanie mogą być …
Zawartość kamienia w glebie na głębokości 0–20 cm i 20–50 cm, prognozowana średnia i odchylenie standardowe. Wartości pikseli muszą zostać odwzorowane za pomocą funkcji exp(x/10)-1. W obszarach gęstej dżungli (zazwyczaj w środkowej Afryce) dokładność modelu jest niska, dlatego artefakty takie jak paskowanie mogą być …
Łączny węgiel na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli muszą zostać odwzorowane za pomocą funkcji exp(x/10)-1. W obszarach gęstej dżungli (zazwyczaj w środkowej Afryce) dokładność modelu jest niska, dlatego artefakty takie jak paskowanie mogą być …
Łączny azot na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli muszą zostać odwzorowane za pomocą funkcji exp(x/100)-1. W obszarach gęstej dżungli (zazwyczaj w środkowej Afryce) dokładność modelu jest niska, dlatego artefakty takie jak paskowanie mogą być …
Klasa tekstury USDA dla głębokości gleby 0–20 cm i 20–50 cm. W obszarach gęstej dżungli (zazwyczaj w centralnej Afryce) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak paskowanie. Prognozy właściwości gleby zostały opracowane przez Innovative Solutions for Decision …
Wydobywalne aluminium na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli muszą zostać odwzorowane za pomocą funkcji exp(x/10)-1. Prognozy właściwości gleby zostały opracowane przez Innovative Solutions for Decision Agriculture Ltd. (iSDA) w rozdzielczości 30 m przy użyciu systemów uczących się w połączeniu z modelami …
pH na głębokości 0–20 cm i 20–50 cm, prognozowana średnia i standardowe odchylenie. Wartości pikseli muszą zostać przekształcone z x/10. W obszarach gęstej dżungli (zazwyczaj w centralnej Afryce) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak paskowanie. …
[null,null,[],[[["\u003cp\u003eThis dataset collection provides predictions for various soil properties across Africa, including organic carbon, clay content, pH, and bulk density, at different soil depths.\u003c/p\u003e\n"],["\u003cp\u003ePredictions were generated by iSDA using machine learning models at a 30m resolution and often require back-transformation for proper interpretation.\u003c/p\u003e\n"],["\u003cp\u003eThe datasets cover a wide range of essential soil properties, such as extractable nutrients (e.g., calcium, potassium, phosphorus), total elements (e.g., carbon, nitrogen), and physical characteristics (e.g., texture, bedrock depth).\u003c/p\u003e\n"],["\u003cp\u003eModel accuracy may be lower in dense jungle areas, potentially leading to artifacts like banding or striping in the data.\u003c/p\u003e\n"],["\u003cp\u003eThese soil property predictions can be valuable for applications like agricultural planning, environmental monitoring, and soil health assessments.\u003c/p\u003e\n"]]],[],null,[]]
