Sejak tahun 2011, Bureau of Land Management (BLM) telah mengumpulkan informasi lapangan untuk menginformasikan kondisi lahan melalui strategi Penilaian Inventaris dan Pemantauan (AIM). Hingga saat ini, lebih dari 6.000 plot lapangan AIM terestrial telah dikumpulkan di atas lahan BLM. Arsip data BLM AIM adalah …
Set data FLDAS (McNally et al. 2017), dirancang untuk membantu penilaian ketahanan pangan di negara berkembang yang memiliki sedikit data. Set data ini mencakup informasi tentang banyak variabel terkait iklim, termasuk kandungan kelembapan, kelembapan, evapotranspirasi, suhu tanah rata-rata, total laju presipitasi, dll. Ada beberapa set data FLDAS yang berbeda; …
Global Land Data Assimilation System Version 2 (GLDAS-2) NASA memiliki tiga komponen: GLDAS-2.0, GLDAS-2.1, dan GLDAS-2.2. GLDAS-2.0 sepenuhnya dipaksa dengan data input pemicu meteorologi Princeton dan memberikan deret yang konsisten secara temporal dari tahun 1948 hingga 2014. GLDAS-2.1 dipaksa dengan kombinasi model …
Global Land Data Assimilation System Version 2 (GLDAS-2) NASA memiliki tiga komponen: GLDAS-2.0, GLDAS-2.1, dan GLDAS-2.2. GLDAS-2.0 sepenuhnya dipaksa dengan data input pemicu meteorologi Princeton dan memberikan deret yang konsisten secara temporal dari tahun 1948 hingga 2014. GLDAS-2.1 dipaksa dengan kombinasi model …
M2T1NXLND (atau tavg1_2d_lnd_Nx) adalah pengumpulan data rata-rata waktu per jam dalam analisis Retrospektif Era Modern untuk Riset dan Aplikasi versi 2 (MERRA-2). Kumpulan ini terdiri dari diagnostik permukaan tanah, seperti fluks aliran dasar, limpasan, kelembapan tanah permukaan, kelembapan tanah zona akar, air di lapisan permukaan, air di …
Land Data Assimilation System (LDAS) menggabungkan beberapa sumber pengamatan (seperti data pengukur presipitasi, data satelit, dan pengukuran presipitasi radar) untuk menghasilkan estimasi properti klimatologis di atau dekat permukaan Bumi. Set data ini adalah file pemicu utama (default) (File A) untuk Fase …
Kandungan lempung dalam % (kg / kg) pada 6 kedalaman standar (0, 10, 30, 60, 100, dan 200 cm) pada resolusi 250 m. Berdasarkan prediksi machine learning dari kompilasi global profil dan sampel tanah. Langkah-langkah pemrosesan dijelaskan secara mendetail di sini. Antartika adalah …
Kelompok besar tanah USDA yang diprediksi pada 250 m (probabilitas). Distribusi grup besar tanah USDA berdasarkan prediksi machine learning dari kompilasi global profil tanah. Untuk mempelajari lebih lanjut grup besar tanah, lihat Illustrated Guide to Soil Taxonomy - NRCS …
Kandungan pasir dalam % (kg / kg) pada 6 kedalaman standar (0, 10, 30, 60, 100, dan 200 cm) pada resolusi 250 m. Berdasarkan prediksi machine learning dari kompilasi global profil dan sampel tanah. Langkah-langkah pemrosesan dijelaskan secara mendetail di sini. Antartika adalah …
Kepadatan massa tanah (tanah halus) 10 x kg / m3 pada 6 kedalaman standar (0, 10, 30, 60, 100, dan 200 cm) pada resolusi 250 m. Langkah-langkah pemrosesan dijelaskan secara mendetail di sini. Antartika tidak disertakan. Untuk mengakses dan memvisualisasikan peta di luar Bumi …
Kandungan karbon organik tanah dalam x 5 g / kg pada 6 kedalaman standar (0, 10, 30, 60, 100, dan 200 cm) pada resolusi 250 m Diprediksi dari kompilasi global titik tanah. Langkah-langkah pemrosesan dijelaskan secara mendetail di sini. Antartika tidak disertakan. …
Kelas tekstur tanah (sistem USDA) untuk 6 kedalaman tanah (0, 10, 30, 60, 100, dan 200 cm) pada 250 m. Didasarkan pada prediksi fraksi tekstur tanah menggunakan paket soiltexture di R. Langkah-langkah pemrosesan dijelaskan secara mendetail di sini. Antartika tidak disertakan. Untuk mengakses …
Kandungan air tanah (volumetrik %) untuk hisapan 33 kPa dan 1.500 kPa yang diprediksi pada 6 kedalaman standar (0, 10, 30, 60, 100, dan 200 cm) pada resolusi 250 m Titik pelatihan didasarkan pada kompilasi global profil tanah: USDA NCSS AfSPDB ISRIC WISE EGRPR SPADE …
pH tanah dalam H2O pada 6 kedalaman standar (0, 10, 30, 60, 100, dan 200 cm) pada resolusi 250 m. Langkah-langkah pemrosesan dijelaskan secara mendetail di sini. Antartika tidak disertakan. Untuk mengakses dan memvisualisasikan peta di luar Earth Engine, gunakan halaman ini. Jika Anda …
Prediksi probabilitas grup besar tanah USDA pada 250 m. Distribusi grup besar tanah USDA berdasarkan prediksi machine learning dari kompilasi global profil tanah. Untuk mempelajari lebih lanjut grup besar tanah, lihat Illustrated Guide to Soil Taxonomy - NRCS - …
Global Land Data Assimilation System Version 2 (GLDAS-2) NASA memiliki tiga komponen: GLDAS-2.0, GLDAS-2.1, dan GLDAS-2.2. GLDAS-2.0 sepenuhnya dipaksa dengan data input pemicu meteorologi Princeton dan memberikan deret yang konsisten secara temporal dari tahun 1948 hingga 2014. GLDAS-2.1 dipaksa dengan kombinasi model …
Soil and Landscape Grid of Australia (SLGA) adalah set data atribut tanah yang komprehensif di seluruh Australia dengan resolusi 3 arc-second (~90 m piksel). Permukaan adalah hasil dari pemodelan yang menjelaskan distribusi spasial atribut tanah menggunakan data tanah dan lingkungan yang ada …
Data mulai 04-12-2023 tersedia dalam koleksi NASA/SMAP/SPL3SMP_E/006. Produk kelembapan tanah Level-3 (L3) ini memberikan gabungan harian kondisi permukaan tanah global yang diambil oleh radiometer L-Band Soil Moisture Active Passive (SMAP). Data harian di sini dikumpulkan dari turunan (lokal …
Data sebelum 04-12-2023 tersedia dalam koleksi NASA/SMAP/SPL3SMP_E/005 yang lebih lama. Data tersebut pada akhirnya akan diproses ulang dan ditambahkan ke koleksi ini. Produk kelembapan tanah Level-3 (L3) ini memberikan gabungan harian kondisi permukaan tanah global yang diambil oleh L-Band Soil Moisture Active Passive (SMAP) …
Produk Kelembapan Tanah SMAP Level-4 (L4) mencakup kelembapan tanah permukaan (rata-rata vertikal 0-5 cm), kelembapan tanah zona akar (rata-rata vertikal 0-100 cm), dan produk riset tambahan (tidak divalidasi), termasuk variabel pemicu meteorologi permukaan, suhu tanah, evapotranspirasi, dan radiasi bersih. SMAP L4 memberikan kelembapan tanah yang tidak terputus …
Kandungan Air Volumetrik pada hisapan 10kPa, 33kPa, dan 1500kPa dalam 10^-3 cm^3/cm^3 (0,1 v% atau 1 mm/m) pada 6 kedalaman standar (0-5cm, 5-15cm, 15-30cm, 30-60cm, 60-100cm, 100-200cm). Prediksi diperoleh menggunakan pendekatan pemetaan tanah digital berdasarkan Quantile Random Forest, yang menggunakan …
Kepadatan massa, fraksi <2 mm pada kedalaman tanah 0-20 cm dan 20-50 cm, prediksi rerata dan simpangan baku. Nilai piksel harus ditransformasikan kembali dengan x/100. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (striping) …
Kandungan lempung pada kedalaman tanah 0-20 cm dan 20-50 cm,\nprediksi rata-rata dan simpangan baku. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti garis-garis (striping) mungkin terlihat. Prediksi properti tanah dibuat oleh Innovative …
Kedalaman hingga batuan dasar pada kedalaman 0-200 cm, prediksi rata-rata dan simpangan baku. Karena potensi mask lahan pertanian yang digunakan untuk menghasilkan data, banyak area batuan yang terekspos (dengan kedalaman hingga batuan dasar 0 cm) telah disamarkan sehingga tampak …
Kapasitas Pertukaran Kation Efektif memprediksi rata-rata dan simpangan baku pada kedalaman tanah 0-20 cm dan 20-50 cm, Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (striping) …
Kalsium yang dapat diekstrak pada kedalaman tanah 0-20 cm dan 20-50 cm, prediksi rata-rata dan simpangan baku. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (striping) mungkin …
Besi yang dapat diekstrak pada kedalaman tanah 0-20 cm dan 20-50 cm, prediksi rata-rata dan simpangan baku. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (striping) mungkin …
Magnesium yang dapat diekstrak pada kedalaman tanah 0-20 cm dan 20-50 cm, rata-rata yang diprediksi, dan simpangan baku. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (striping) mungkin …
Fosfor yang dapat diekstrak pada kedalaman tanah 0-20 cm dan 20-50 cm, prediksi rata-rata dan simpangan baku. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (striping) mungkin …
Kalium yang dapat diekstrak pada kedalaman tanah 0-20 cm dan 20-50 cm, rata-rata yang diprediksi, dan simpangan baku. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (striping) mungkin …
Sulfur yang dapat diekstrak pada kedalaman tanah 0-20 cm dan 20-50 cm, rata-rata yang diprediksi, dan simpangan baku. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (striping) mungkin …
Seng yang dapat diekstrak pada kedalaman tanah 0-20 cm dan 20-50 cm, prediksi rata-rata dan simpangan baku. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (striping) mungkin …
Klasifikasi kemampuan kesuburan tanah yang diperoleh menggunakan kemiringan, kimia, dan sifat fisik tanah. Untuk informasi selengkapnya tentang lapisan ini, buka halaman ini. Class untuk band 'fcc' berlaku untuk nilai piksel yang harus ditransformasikan kembali dengan x modulo 3000. Di area hutan lebat …
Karbon organik pada kedalaman tanah 0-20 cm dan 20-50 cm, rataan dan simpangan baku yang diprediksi. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (striping) mungkin …
Kandungan pasir pada kedalaman tanah 0-20 cm dan 20-50 cm,\nprediksi rata-rata dan simpangan baku. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti garis-garis (striping) mungkin terlihat. Prediksi properti tanah dibuat oleh Innovative …
Kandungan lumpur pada kedalaman tanah 0-20 cm dan 20-50 cm, prediksi rata-rata dan simpangan baku. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (striping) mungkin …
Konten batu pada kedalaman tanah 0-20 cm dan 20-50 cm, prediksi rata-rata dan simpangan baku. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (striping) mungkin …
Total karbon pada kedalaman tanah 0-20 cm dan 20-50 cm, prediksi rata-rata dan simpangan baku. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (striping) mungkin …
Total nitrogen pada kedalaman tanah 0-20 cm dan 20-50 cm, prediksi rata-rata dan simpangan baku. Nilai piksel harus ditransformasikan kembali dengan exp(x/100)-1. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti banding (striping) mungkin …
Kelas Tekstur USDA pada kedalaman tanah 0-20 cm dan 20-50 cm. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti garis-garis (striping) mungkin terlihat. Prediksi properti tanah dibuat oleh Innovative Solutions for Decision …
Aluminium yang dapat diekstrak pada kedalaman tanah 0-20 cm dan 20-50 cm, prediksi rata-rata dan simpangan baku. Nilai piksel harus ditransformasikan kembali dengan exp(x/10)-1. Prediksi properti tanah dibuat oleh Innovative Solutions for Decision Agriculture Ltd. (iSDA) dengan ukuran piksel 30 m menggunakan machine learning yang digabungkan dengan …
pH pada kedalaman tanah 0-20 cm dan 20-50 cm, prediksi rata-rata dan simpangan baku. Nilai piksel harus ditransformasikan kembali dengan x/10. Di area hutan lebat (umumnya di Afrika tengah), akurasi model rendah sehingga artefak seperti garis-garis (striping) mungkin terlihat. …
[null,null,[],[[["Google Earth Engine hosts a variety of soil datasets, including SLGA for Australia and iSDAsoil for Africa, offering diverse soil property information."],["iSDAsoil data often requires back-transformation for accurate values and may have lower accuracy in dense jungle areas."],["GLDAS-2 provides time-series climate and geophysical data globally at 3-hourly intervals."],["OpenLandMap offers global coverage (excluding Antarctica) of key soil properties like bulk density and organic carbon content at 250m resolution."],["Datasets vary in resolution and prediction methods, with many utilizing machine learning techniques."]]],[]]
