С 2011 года Бюро землеустройства (BLM) собирает информацию с мест для информирования о состоянии земель в рамках своей стратегии инвентаризации и мониторинга оценки (AIM). На сегодняшний день на землях BLM собрано более 6000 наземных участков поля AIM. Архив данных BLM AIM — это…
FLDAS: Сеть систем раннего предупреждения о голоде (FEWS NET) Система ассимиляции земельных данных
Набор данных FLDAS (McNally et al. 2017) был разработан для оказания помощи в оценке продовольственной безопасности в условиях скудных данных в развивающихся странах. Он включает в себя информацию о многих переменных, связанных с климатом, включая содержание влаги, влажность, суммарное испарение, среднюю температуру почвы, общее количество осадков и т. д. Существует множество различных наборов данных FLDAS; …
GLDAS-2.1: Глобальная система ассимиляции данных о земле
Глобальная система ассимиляции наземных данных НАСА версии 2 (GLDAS-2) состоит из трех компонентов: GLDAS-2.0, GLDAS-2.1 и GLDAS-2.2. GLDAS-2.0 полностью использует входные данные о метеорологических воздействиях Принстона и обеспечивает согласованные во времени ряды с 1948 по 2014 год. GLDAS-2.1 принудительно используется с комбинацией моделей…
GLDAS-2.2: Глобальная система ассимиляции данных о земле
Глобальная система ассимиляции наземных данных НАСА версии 2 (GLDAS-2) состоит из трех компонентов: GLDAS-2.0, GLDAS-2.1 и GLDAS-2.2. GLDAS-2.0 полностью использует входные данные о метеорологических воздействиях Принстона и обеспечивает согласованные во времени ряды с 1948 по 2014 год. GLDAS-2.1 принудительно используется с комбинацией моделей…
MERRA-2 M2T1NXLND: Диагностика поверхности земли V5.12.4
M2T1NXLND (или tavg1_2d_lnd_Nx) — это ежечасный сбор усредненных по времени данных в рамках ретроспективного анализа современной эпохи для исследований и приложений версии 2 (MERRA-2). Эта коллекция состоит из диагностики поверхности земли, такой как поток основного стока, сток, влажность поверхности почвы, влажность почвы корневой зоны, вода в поверхностном слое, вода в…
NLDAS-2: Силовые поля североамериканской системы ассимиляции наземных данных
Система ассимиляции наземных данных (LDAS) объединяет несколько источников наблюдений (таких как данные осадкомеров, спутниковые данные и радиолокационные измерения осадков) для получения оценок климатологических свойств на поверхности Земли или вблизи нее. Этот набор данных является основным (по умолчанию) файлом форсирования (файл A) для фазы…
Содержание глины в % (кг/кг) на 6 стандартных глубинах (0, 10, 30, 60, 100 и 200 см) с разрешением 250 м. На основе прогнозов машинного обучения на основе глобальной компиляции профилей почвы и образцов. Подробно этапы обработки описаны здесь. Антарктида - это...
Прогнозируемые Министерством сельского хозяйства США большие группы почвы на высоте 250 м (вероятность). Распределение больших групп почв Министерства сельского хозяйства США на основе прогнозов машинного обучения на основе глобальной компиляции профилей почвы. Чтобы узнать больше о группах почв, пожалуйста, обратитесь к Иллюстрированному справочнику по таксономии почв – NRCS…
Содержание песка в % (кг/кг) на 6 стандартных глубинах (0, 10, 30, 60, 100 и 200 см) с разрешением 250 м. На основе прогнозов машинного обучения на основе глобальной компиляции профилей почвы и образцов. Подробно этапы обработки описаны здесь. Антарктида - это...
Объемная плотность почвы (мелкозем) 10 х кг/м3 на 6 стандартных глубинах (0, 10, 30, 60, 100 и 200 см) при разрешении 250 м. Подробно этапы обработки описаны здесь. Антарктида не входит. Для доступа и визуализации карт за пределами Земли…
Содержание органического углерода в почве OpenLandMap
Содержание органического углерода в почве в x 5 г/кг на 6 стандартных глубинах (0, 10, 30, 60, 100 и 200 см) с разрешением 250 м. Прогнозируется на основе глобальной компиляции почвенных точек. Подробно этапы обработки описаны здесь. Антарктида не входит. …
Класс текстуры почвы OpenLandMap (система Министерства сельского хозяйства США)
Классы текстуры почвы (система Министерства сельского хозяйства США) для 6 глубин почвы (0, 10, 30, 60, 100 и 200 см) на высоте 250 м. Получены на основе прогнозируемых фракций текстуры почвы с использованием пакета Soiltexture в R. Этапы обработки подробно описаны здесь. Антарктида не входит. Чтобы получить доступ…
Содержание воды в почве OpenLandMap при давлении 33 кПа (полевая емкость)
Содержание влаги в почве (объемный %) для всасывания 33 кПа и 1500 кПа прогнозируется на 6 стандартных глубинах (0, 10, 30, 60, 100 и 200 см) с разрешением 250 м. Точки обучения основаны на глобальной компиляции профилей почвы: USDA NCSS AfSPDB ISRIC WISE EGRPR SPADE …
pH почвы в H2O на 6 стандартных глубинах (0, 10, 30, 60, 100 и 200 см) с разрешением 250 м. Этапы обработки подробно описаны здесь. Антарктида не входит. Чтобы получить доступ к картам и визуализировать их за пределами Earth Engine, используйте эту страницу. Если вы…
OpenLandMap Классификация почв Министерства сельского хозяйства США: большие группы
Прогнозируемые вероятности большой группы почвы Министерства сельского хозяйства США на высоте 250 метров. Распределение больших групп почв Министерства сельского хозяйства США на основе прогнозов машинного обучения на основе глобальной компиляции профилей почвы. Чтобы узнать больше о группах почв, пожалуйста, обратитесь к Иллюстрированному справочнику по таксономии почв – NRCS – …
Переработанная GLDAS-2.0: Глобальная система ассимиляции земельных данных
Глобальная система ассимиляции наземных данных НАСА версии 2 (GLDAS-2) состоит из трех компонентов: GLDAS-2.0, GLDAS-2.1 и GLDAS-2.2. GLDAS-2.0 полностью использует входные данные о метеорологических воздействиях Принстона и обеспечивает согласованные во времени ряды с 1948 по 2014 год. GLDAS-2.1 принудительно используется с комбинацией моделей…
SLGA: Сетка почв и ландшафтов Австралии (атрибуты почвы)
Сетка почв и ландшафтов Австралии (SLGA) представляет собой комплексный набор данных об атрибутах почвы по всей Австралии с разрешением 3 угловых секунды (~ 90 м пикселей). Поверхности являются результатом моделирования, которое описывает пространственное распределение свойств почвы с использованием существующих данных о почве и экологических данных.
SPL3SMP_E.005 Радиометр SMAP L3 Global Daily 9 км Влажность почвы
Данные начиная с 4 декабря 2023 г. доступны в коллекции NASA/SMAP/SPL3SMP_E/006. Этот продукт о влажности почвы уровня 3 (L3) предоставляет ежедневную совокупную информацию о состоянии поверхности земли в мире, полученную с помощью радиометра L-диапазона активной пассивной влажности почвы (SMAP). Ежедневные данные здесь собирались по нисходящей (локальной …
SPL3SMP_E.006 Радиометр SMAP L3 Global Daily 9 км Влажность почвы
Данные за период с 4 декабря 2023 г. доступны в более старой коллекции NASA/SMAP/SPL3SMP_E/005. Со временем они будут переработаны и добавлены в эту коллекцию. Этот продукт о влажности почвы уровня 3 (L3) предоставляет ежедневную совокупную информацию о состоянии поверхности земли в мире, полученную с помощью активного пассивного пассивного датчика влажности почвы (SMAP) L-диапазона…
SPL4SMGP.007 SMAP L4 Глобальная 3-часовая 9-км поверхностная и корневая зона Влажность почвы
Продукт SMAP Level-4 (L4) Soil Moisture включает в себя поверхностную влажность почвы (среднее значение по вертикали 0–5 см), влажность почвы в корневой зоне (среднее значение по вертикали 0–100 см) и дополнительные исследовательские продукты (не проверенные), включая переменные приземного метеорологического воздействия, температуру почвы, суммарное испарение и чистую радиацию. SMAP L4 обеспечивает бесперебойное увлажнение почвы…
Объемное содержание воды при всасывании 10 кПа, 33 кПа и 1500 кПа в 10^-3 см^3/см^3 (0,1 об.% или 1 мм/м) при 6 стандартных глубинах (0–5 см, 5–15 см, 15–30 см, 30–60 см, 60–100 см, 100–200 см). Прогнозы были получены с использованием подхода цифрового картографирования почвы на основе квантильного случайного леса с использованием глобального…
Объемная плотность, фракция <2 мм на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее и стандартное отклонение. Значения пикселей должны быть преобразованы обратно с помощью x/100. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая и поэтому такие артефакты, как полосатость (полосы)…
Содержание глины на глубине почвы 0–20 см и 20–50 см,\nпрогнозируемое среднее и стандартное отклонение. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая, поэтому могут быть видны такие артефакты, как полосы. Прогнозы свойств почвы были сделаны Innovative…
Глубина до коренной породы на глубине 0–200 см, прогнозируемое среднее и стандартное отклонение. Из-за потенциальной маски пахотных земель, которая использовалась для генерации данных, многие участки обнаженной породы (где глубина до коренной породы составляла бы 0 см) были замаскированы и поэтому выглядят …
Прогнозируемое среднее и стандартное отклонение эффективной емкости катионного обмена на глубине почвы 0–20 см и 20–50 см. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая и поэтому такие артефакты, как полосатость (полосы)…
Экстрагируемый кальций на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее и стандартное отклонение. Значения пикселей должны быть обратно преобразованы с помощью exp(x/10)-1. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая, и поэтому такие артефакты, как полосы (полосы), могут быть…
Извлекаемое железо на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее и стандартное отклонение. Значения пикселей должны быть обратно преобразованы с помощью exp(x/10)-1. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая, и поэтому такие артефакты, как полосы (полосы), могут быть…
Экстрагируемый магний на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее и стандартное отклонение. Значения пикселей должны быть обратно преобразованы с помощью exp(x/10)-1. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая, и поэтому такие артефакты, как полосы (полосы), могут быть…
Экстрагируемый фосфор на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее и стандартное отклонение. Значения пикселей должны быть обратно преобразованы с помощью exp(x/10)-1. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая, и поэтому такие артефакты, как полосы (полосы), могут быть…
Экстрагируемый калий на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее и стандартное отклонение. Значения пикселей должны быть обратно преобразованы с помощью exp(x/10)-1. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая, и поэтому такие артефакты, как полосы (полосы), могут быть…
Экстрагируемая сера на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее и стандартное отклонение. Значения пикселей должны быть обратно преобразованы с помощью exp(x/10)-1. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая, и поэтому такие артефакты, как полосы (полосы), могут быть…
Извлекаемый цинк на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее и стандартное отклонение. Значения пикселей должны быть обратно преобразованы с помощью exp(x/10)-1. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая, и поэтому такие артефакты, как полосы (полосы), могут быть…
Классификация плодородия почвы основана на уклоне, химических и физических свойствах почвы. Для получения дополнительной информации об этом слое посетите эту страницу. Классы полосы «fcc» применяются к значениям пикселей, которые необходимо обратно преобразовать с помощью x по модулю 3000. В районах густых джунглей…
Органический углерод на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее и стандартное отклонение. Значения пикселей должны быть обратно преобразованы с помощью exp(x/10)-1. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая, и поэтому такие артефакты, как полосы (полосы), могут быть…
Содержание песка на глубине почвы 0–20 см и 20–50 см,\nпрогнозируемое среднее и стандартное отклонение. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая, поэтому могут быть видны такие артефакты, как полосы. Прогнозы свойств почвы были сделаны Innovative…
Содержание ила на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее и стандартное отклонение. Значения пикселей должны быть обратно преобразованы с помощью exp(x/10)-1. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая, и поэтому такие артефакты, как полосы (полосы), могут быть…
Содержание камней на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее и стандартное отклонение. Значения пикселей должны быть обратно преобразованы с помощью exp(x/10)-1. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая, и поэтому такие артефакты, как полосы (полосы), могут быть…
Общий углерод на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее и стандартное отклонение. Значения пикселей должны быть обратно преобразованы с помощью exp(x/10)-1. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая, и поэтому такие артефакты, как полосы (полосы), могут быть…
Общий азот на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее и стандартное отклонение. Значения пикселей должны быть обратно преобразованы с помощью exp(x/100)-1. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая, и поэтому такие артефакты, как полосы (полосы), могут быть…
Класс текстуры Министерства сельского хозяйства США при глубине почвы 0–20 см и 20–50 см. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая, поэтому могут быть видны такие артефакты, как полосы. Прогнозы свойств почвы были сделаны компанией Innovative Solutions for Decision…
Извлекаемый алюминий на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее и стандартное отклонение. Значения пикселей должны быть обратно преобразованы с помощью exp(x/10)-1. Прогнозы свойств почвы были сделаны компанией Innovative Solutions for Decision Agriculture Ltd. (iSDA) с размером пикселя 30 м с использованием машинного обучения в сочетании…
pH на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее и стандартное отклонение. Значения пикселей должны быть преобразованы обратно с помощью x/10. В районах густых джунглей (как правило, над центральной Африкой) точность модели низкая, поэтому могут быть видны такие артефакты, как полосы. …
[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."]]],[]]
