-
BLM AIM TerrADat TerrestrialAIM Point v1
Od 2011 roku Biuro Zarządzania Gruntami (BLM) zbiera informacje terenowe, aby na podstawie strategii oceny, inwentaryzacji i monitorowania (AIM) określać stan gruntów. Do tej pory na terenach BLM zebrano ponad 6000 danych z obszarów AIM. Archiwum danych BLM AIM … blm ecosystems hydrology soil table vegetation -
FLDAS: Famine Early Warning Systems Network (FEWS NET) Land Data Assimilation System
Zbiór danych FLDAS (McNally i in. 2017) został opracowany, aby ułatwić ocenę bezpieczeństwa żywnościowego w krajach rozwijających się o ograniczonym dostępie do danych. Zawiera informacje o wielu zmiennych związanych z klimatem, w tym o zawartości wilgoci, wilgotności, ewapotranspiracji, średniej temperaturze gleby, całkowitej ilości opadów itp. Istnieje wiele różnych zbiorów danych FLDAS. climate cryosphere evapotranspiration humidity ldas monthly -
GLDAS-2.1: Global Land Data Assimilation System
Globalny system asymilacji danych o powierzchni Ziemi NASA w wersji 2 (GLDAS-2) ma 3 komponenty: GLDAS-2.0, GLDAS-2.1 i GLDAS-2.2. GLDAS-2.0 jest w całości oparty na danych wejściowych dotyczących wymuszeń meteorologicznych z Princeton i zapewnia spójną czasowo serię danych z lat 1948–2014. GLDAS-2.1 jest wymuszany przez połączenie modelu … co 3 godziny klimat kriosfera parowanie wymuszanie geofizyczne -
GLDAS-2.2: Global Land Data Assimilation System
Globalny system asymilacji danych o powierzchni Ziemi NASA w wersji 2 (GLDAS-2) ma 3 komponenty: GLDAS-2.0, GLDAS-2.1 i GLDAS-2.2. GLDAS-2.0 jest w całości oparty na danych wejściowych dotyczących wymuszeń meteorologicznych z Princeton i zapewnia spójną czasowo serię danych z lat 1948–2014. GLDAS-2.1 jest wymuszany przez połączenie modelu … co 3 godziny klimat kriosfera parowanie wymuszanie geofizyczne -
MERRA-2 M2T1NXLND: Land Surface Diagnostics V5.12.4
M2T1NXLND (lub tavg1_2d_lnd_Nx) to zbiór danych z godzinnym uśrednieniem czasowym w ramach analizy MERRA-2 (Modern-Era Retrospective Analysis for Research and Applications) w wersji 2. Zawiera on dane diagnostyczne dotyczące powierzchni lądu, takie jak przepływ podstawowy, spływ powierzchniowy, wilgotność gleby na powierzchni, wilgotność gleby w strefie korzeniowej, woda w warstwie powierzchniowej, woda w … climate cryosphere evaporation ice merra precipitation -
NLDAS-2: North American Land Data Assimilation System Forcing Fields
System LDAS łączy wiele źródeł obserwacji (takich jak dane z deszczomierzy, dane satelitarne i pomiary opadów radarowych), aby tworzyć szacunki właściwości klimatycznych na powierzchni Ziemi lub w jej pobliżu. Ten zbiór danych jest głównym (domyślnym) plikiem wymuszającym (plik A) w fazie … climate evaporation forcing geophysical hourly humidity -
OpenLandMap Clay Content
Zawartość gliny w % (kg / kg) na 6 standardowych głębokościach (0, 10, 30, 60, 100 i 200 cm) w rozdzielczości 250 m. Na podstawie prognoz uczenia maszynowego z globalnego zestawienia profili i próbek gleby. Szczegółowe informacje o etapach przetwarzania znajdziesz tutaj. Antarktyda to… clay envirometrix opengeohub openlandmap soil usda -
OpenLandMap Predicted Hapludalfs Probability
Prognozowane główne grupy gleb USDA w odległości 250 m (prawdopodobieństwa). Rozkład głównych grup gleb według klasyfikacji USDA na podstawie prognoz uczenia maszynowego z globalnego zestawienia profili glebowych. Więcej informacji o grupach gleb znajdziesz w ilustrowanym przewodniku po taksonomii gleb – NRCS… envirometrix opengeohub openlandmap gleby -
OpenLandMap Sand Content
Zawartość piasku w % (kg / kg) na 6 standardowych głębokościach (0, 10, 30, 60, 100 i 200 cm) w rozdzielczości 250 m. Na podstawie prognoz uczenia maszynowego z globalnego zestawienia profili i próbek gleby. Szczegółowe informacje o etapach przetwarzania znajdziesz tutaj. Antarktyda to… envirometrix opengeohub openlandmap sand soil usda -
OpenLandMap Soil Bulk Density
Gęstość nasypowa gleby (drobna frakcja) w jednostkach 10 x kg / m³ na 6 standardowych głębokościach (0, 10, 30, 60, 100 i 200 cm) w rozdzielczości 250 m. Szczegółowe informacje o etapach przetwarzania znajdziesz tutaj. Antarktyda nie jest uwzględniona. Aby uzyskać dostęp do map innych niż Ziemia i je wyświetlić… gęstość envirometrix opengeohub openlandmap gleba -
OpenLandMap Soil Organic Carbon Content
Zawartość węgla organicznego w glebie w jednostkach x 5 g / kg na 6 standardowych głębokościach (0, 10, 30, 60, 100 i 200 cm) w rozdzielczości 250 m. Prognoza na podstawie globalnego zestawienia punktów glebowych. Szczegółowe informacje o etapach przetwarzania znajdziesz tutaj. Antarktyda nie jest uwzględniona. … carbon envirometrix opengeohub openlandmap soil -
OpenLandMap Soil Texture Class (USDA System)
Klasy tekstury gleby (system USDA) dla 6 głębokości gleby (0, 10, 30, 60, 100 i 200 cm) w rozdzielczości 250 m. Dane pochodzą z przewidywanych frakcji tekstury gleby przy użyciu pakietu soiltexture w R. Szczegółowe informacje o etapach przetwarzania znajdziesz tutaj. Antarktyda nie jest uwzględniona. Aby uzyskać dostęp do… envirometrix opengeohub openlandmap gleby usda -
OpenLandMap Soil Water Content at 33kPa (Field Capacity)
Zawartość wody w glebie (objętościowo %) przy ciśnieniu 33 kPa i 1500 kPa, przewidywana na 6 standardowych głębokościach (0, 10, 30, 60, 100 i 200 cm) w rozdzielczości 250 m. Punkty szkoleniowe są oparte na globalnym zestawieniu profili glebowych: USDA NCSS AfSPDB ISRIC WISE EGRPR SPADE… envirometrix opengeohub openlandmap gleby -
OpenLandMap Soil pH in H2O
pH gleby w H2O na 6 standardowych głębokościach (0, 10, 30, 60, 100 i 200 cm) w rozdzielczości 250 m. Szczegółowe informacje o etapach przetwarzania znajdziesz tutaj. Antarktyda nie jest uwzględniona. Aby uzyskać dostęp do map i je wizualizować poza Earth Engine, skorzystaj z tej strony. Jeśli… envirometrix opengeohub openlandmap ph soil -
OpenLandMap USDA Soil Taxonomy Great Groups
Prognozowane prawdopodobieństwa wystąpienia wielkich grup gleb według klasyfikacji USDA w rozdzielczości 250 m. Rozkład głównych grup gleb według klasyfikacji USDA na podstawie prognoz uczenia maszynowego z globalnego zestawienia profili glebowych. Więcej informacji o grupach gleb znajdziesz w ilustrowanym przewodniku po taksonomii gleb – NRCS – … envirometrix opengeohub openlandmap gleby usda -
Reprocessed GLDAS-2.0: Global Land Data Assimilation System
Globalny system asymilacji danych o powierzchni Ziemi NASA w wersji 2 (GLDAS-2) ma 3 komponenty: GLDAS-2.0, GLDAS-2.1 i GLDAS-2.2. GLDAS-2.0 jest w całości oparty na danych wejściowych dotyczących wymuszeń meteorologicznych z Princeton i zapewnia spójną czasowo serię danych z lat 1948–2014. GLDAS-2.1 jest wymuszany przez połączenie modelu … co 3 godziny klimat kriosfera parowanie wymuszanie geofizyczne -
SLGA: Soil and Landscape Grid of Australia (Soil Attributes)
Soil and Landscape Grid of Australia (SLGA) to kompleksowy zbiór danych o właściwościach gleby w Australii w rozdzielczości 3 sekund łuku (~90 m pikseli). Powierzchnie to wyniki modelowania, które opisują przestrzenny rozkład atrybutów gleby na podstawie istniejących danych o glebie i środowisku. australia csiro soil tern -
SPL3SMP_E.005 SMAP L3 Radiometer Global Daily 9 km Soil Moisture
Dane od 4 grudnia 2023 r. są dostępne w kolekcji NASA/SMAP/SPL3SMP_E/006. Ten produkt dotyczący wilgotności gleby na poziomie 3 (L3) zawiera dzienny kompozyt globalnych warunków powierzchni lądu uzyskany za pomocą radiometru pasma L instrumentu SMAP (Soil Moisture Active Passive). Dane dzienne zostały zebrane z danych malejących (lokalnych … drought nasa smap soil soil-moisture surface -
SPL3SMP_E.006 SMAP L3 Radiometer Global Daily 9 km Soil Moisture
Dane sprzed 4 grudnia 2023 r. są dostępne w starszej kolekcji NASA/SMAP/SPL3SMP_E/005. Zostaną one ostatecznie ponownie przetworzone i dodane do tej kolekcji. Ten produkt dotyczący wilgotności gleby na poziomie 3 (L3) zawiera dzienny kompozyt globalnych warunków powierzchni lądu uzyskany za pomocą instrumentu Soil Moisture Active Passive (SMAP) L-Band… drought nasa smap soil soil-moisture surface -
SPL4SMGP.008 SMAP L4 Global 3-hourly 9-km Surface and Root Zone Soil Moisture
Produkt SMAP Level-4 (L4) Soil Moisture zawiera dane o wilgotności gleby powierzchniowej (średnia pionowa w zakresie 0–5 cm) i wilgotności gleby w strefie korzeniowej (średnia pionowa w zakresie 0–100 cm) oraz dodatkowe produkty badawcze (niezweryfikowane), w tym zmienne wymuszające meteorologiczne na powierzchni, temperaturę gleby, ewapotranspirację i promieniowanie netto. Ten zbiór danych, formalnie znany jako … drought nasa smap soil soil-moisture surface -
SoilGrids250m 2.0 - Volumetric Water Content
Objętościowa zawartość wody przy ssaniu 10 kPa, 33 kPa i 1500 kPa w jednostkach 10^-3 cm^3/cm^3 (0, 1% obj.lub 1 mm/m) na 6 standardowych głębokościach (0–5 cm, 5–15 cm, 15–30 cm, 30–60 cm, 60–100 cm, 100–200 cm). Prognozy zostały opracowane przy użyciu cyfrowego mapowania gleby na podstawie algorytmu Quantile Random Forest, z wykorzystaniem globalnych… soil soil-moisture water -
iSDAsoil Bulk Density, <2mm Fraction
Gęstość nasypowa, frakcja <2 mm na głębokościach gleby 0–20 cm i 20–50 cm, prognozowana średnia i odchylenie standardowe. Wartości pikseli muszą zostać przekształcone z powrotem za pomocą wzoru x/100. Na obszarach gęstej dżungli (zwykle w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy (paski) … afryka isda gleby -
iSDAsoil Clay Content
Zawartość gliny na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. Prognozy dotyczące właściwości gleby zostały opracowane przez firmę Innovative … afryka glina isda gleby -
iSDAsoil Depth to Bedrock
Głębokość do podłoża skalnego na głębokości 0–200 cm, prognozowana średnia i odchylenie standardowe. Ze względu na potencjalną maskę gruntów ornych, która została użyta do wygenerowania danych, wiele obszarów odsłoniętej skały (gdzie głębokość do podłoża skalnego wynosiłaby 0 cm) zostało zamaskowanych i dlatego pojawia się jako … afryka podłoże skalne isda gleby -
iSDAsoil Effective Cation Exchange Capacity
Przewidywana średnia i odchylenie standardowe efektywnej pojemności wymiany kationowej na głębokościach gleby 0–20 cm i 20–50 cm. Wartości pikseli muszą być przekształcone wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (zwykle w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy (paski) … afryka aluminium isda gleby -
iSDAsoil Extractable Calcium
Ekstrakcyjny wapń na głębokości gleby 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. afryka isda gleby -
iSDAsoil Extractable Iron
Żelazo, które można wyekstrahować z gleby na głębokości 0–20 cm i 20–50 cm, prognozowana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. afryka isda gleby -
iSDAsoil Extractable Magnesium
Ekstrahowany magnez na głębokościach gleby 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. afryka isda gleby -
iSDAsoil Extractable Phosphorus
Ekstrahowany fosfor na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. afryka isda gleby -
iSDAsoil Extractable Potassium
Ekstrahowany potas na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. afryka isda gleby -
iSDAsoil Extractable Sulfur
Ekstrakcyjny siarka na głębokości gleby 0–20 cm i 20–50 cm, prognozowana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. afryka isda gleby -
iSDAsoil Extractable Zinc
Ekstrakcyjny cynk na głębokościach gleby 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. afryka isda gleby -
iSDAsoil Fertility Capability Classification
Klasyfikacja zdolności gleby do użyźniania na podstawie nachylenia, właściwości chemicznych i fizycznych gleby. Więcej informacji o tej warstwie znajdziesz na tej stronie. Klasy pasma „fcc” dotyczą wartości pikseli, które muszą zostać przekształcone wstecznie za pomocą funkcji x modulo 3000. Na obszarach gęstej dżungli… afryka isda gleby -
iSDAsoil Organic Carbon
Węgiel organiczny na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. afryka węgiel isda gleby -
iSDAsoil Sand Content
Zawartość piasku na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. Prognozy dotyczące właściwości gleby zostały opracowane przez firmę Innovative … afryka isda sand soil -
iSDAsoil Silt Content
Zawartość mułu na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. afryka isda gleby -
iSDAsoil Stone Content
Zawartość kamieni na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. afryka isda gleby -
iSDAsoil Total Carbon
Całkowita zawartość węgla na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. afryka aluminium isda gleby -
iSDAsoil Total Nitrogen
Całkowita zawartość azotu na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli muszą być przekształcone wstecznie za pomocą funkcji exp(x/100)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. afryka isda gleby -
iSDAsoil USDA Texture Class
Klasa tekstury USDA na głębokości gleby 0–20 cm i 20–50 cm. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. Prognozy dotyczące właściwości gleby zostały opracowane przez Innovative Solutions for Decision … afryka aluminium isda gleby -
Aluminium ekstrahowane z gleby iSDA
Ekstrahowane aluminium na głębokościach 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Prognozy dotyczące właściwości gleby zostały opracowane przez firmę Innovative Solutions for Decision Agriculture Ltd. (iSDA) w rozdzielczości 30 m przy użyciu systemów uczących się w połączeniu z … afryka aluminium isda gleby -
iSDAsoil pH
pH na głębokościach 0–20 cm i 20–50 cm, prognozowana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić z powrotem za pomocą wzoru x/10. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. … afryka isda ph gleby
