Google Earth Engine ——2001-2017年非洲0-200 厘米深度的基岩深度,预测平均值和标准偏差数据集
iSDAsoil Depth to Bedrock
Depth to bedrock at 0-200 cm depth, predicted mean and standard deviation.
Due to the potential cropland mask that was used for generating the data, many areas of exposed rock (where depth to bedrock would be 0 cm) have been masked out and therefore appear as nodata values. The maximum depth of this layer is 200 cm, but this does not represent the maximum possible soil depth, therefore values of 200 should be interpreted as >= 200.
In areas of dense jungle (generally over central Africa), model accuracy is low and therefore artefacts such as banding (striping) might be seen.
Soil property predictions were made by Innovative Solutions for Decision Agriculture Ltd. (iSDA) at 30 m pixel size using machine learning coupled with remote sensing data and a training set of over 100,000 analyzed soil samples.
Further information can be found in the FAQ and technical information documentation. To submit an issue or request support, please visit the iSDAsoil site.
0-200 厘米深度的基岩深度,预测平均值和标准偏差。 由于用于生成数据的潜在农田掩膜,许多裸露岩石区域(基岩深度为 0 厘米)已被掩蔽,因此显示为无数据值。该层的最大深度为 200 厘米,但这并不代表可能的最大土壤深度,因此值 200 应解释为 >= 200。 在茂密的丛林地区(通常在非洲中部),模型精度较低,因此可能会看到条带(条纹)等伪影。 Innovative Solutions for Decision Agriculture Ltd. (iSDA) 使用机器学习、遥感数据和超过 100,000 个分析土壤样本的训练集,以 30 m 像素大小进行了土壤特性预测。 可以在常见问题解答和技术信息文档中找到更多信息。要提交问题或请求支持,请访问 iSDAsoil 站点。
Dataset Availability
2001-01-01T00:00:00 - 2017-01-01T00:00:00
Dataset Provider
Collection Snippet
ee.Image("ISDASOIL/Africa/v1/bedrock_depth")
Resolution
30 meters
Bands Table
Name | Description | Min | Max | Units |
---|---|---|---|---|
mean_0_200 | Depth to bedrock, predicted mean at 0-200 cm depth | 27 | 200 | cm |
stdev_0_200 | Depth to bedrock, standard deviation at 0-20 cm depth | 9 | 254 | cm |
数据引用:
Hengl, T., Miller, M.A.E., Križan, J., et al. African soil properties and nutrients mapped at 30 m spatial resolution using two-scale ensemble machine learning. Sci Rep 11, 6130 (2021). doi:10.1038/s41598-021-85639-y
代码:
var mean_0_200 =
'<RasterSymbolizer>' +
'<ColorMap type="ramp">' +
'<ColorMapEntry color="#00204D" label="0-13" opacity="1" quantity="13"/>' +
'<ColorMapEntry color="#002D6C" label="13-26" opacity="1" quantity="26"/>' +
'<ColorMapEntry color="#16396D" label="26-39" opacity="1" quantity="39"/>' +
'<ColorMapEntry color="#36476B" label="39-52" opacity="1" quantity="52"/>' +
'<ColorMapEntry color="#4B546C" label="52-65" opacity="1" quantity="65"/>' +
'<ColorMapEntry color="#5C616E" label="65-78" opacity="1" quantity="78"/>' +
'<ColorMapEntry color="#6C6E72" label="78-91" opacity="1" quantity="91"/>' +
'<ColorMapEntry color="#7C7B78" label="91-104" opacity="1" quantity="104"/>' +
'<ColorMapEntry color="#8E8A79" label="104-117" opacity="1" quantity="117"/>' +
'<ColorMapEntry color="#A09877" label="117-130" opacity="1" quantity="130"/>' +
'<ColorMapEntry color="#B3A772" label="130-143" opacity="1" quantity="143"/>' +
'<ColorMapEntry color="#C6B66B" label="143-156" opacity="1" quantity="156"/>' +
'<ColorMapEntry color="#DBC761" label="156-169" opacity="1" quantity="169"/>' +
'<ColorMapEntry color="#F0D852" label="169-182" opacity="1" quantity="182"/>' +
'<ColorMapEntry color="#FFEA46" label="182-200" opacity="1" quantity="195"/>' +
'</ColorMap>' +
'<ContrastEnhancement/>' +
'</RasterSymbolizer>';
var stdev_0_200 =
'<RasterSymbolizer>' +
'<ColorMap type="ramp">' +
'<ColorMapEntry color="#fde725" label="low" opacity="1" quantity="14"/>' +
'<ColorMapEntry color="#5dc962" label=" " opacity="1" quantity="18"/>' +
'<ColorMapEntry color="#20908d" label=" " opacity="1" quantity="21"/>' +
'<ColorMapEntry color="#3a528b" label=" " opacity="1" quantity="22"/>' +
'<ColorMapEntry color="#440154" label="high" opacity="1" quantity="25"/>' +
'</ColorMap>' +
'<ContrastEnhancement/>' +
'</RasterSymbolizer>';
var raw = ee.Image("ISDASOIL/Africa/v1/bedrock_depth");
Map.addLayer(
raw.select(0).sldStyle(mean_0_200), {},
"Bedrock depth, mean visualization, 0-200 cm");
Map.addLayer(
raw.select(1).sldStyle(stdev_0_200), {},
"Bedrock depth, stdev visualization, 0-200 cm");
var visualization = {min: 27, max: 200};
Map.setCenter(25, -3, 2);
Map.addLayer(raw.select(0), visualization, "Bedrock depth, mean, 0-200 cm");
相关文章
- Facebook和Google如何激发工程师的创造力
- Google Earth Engine(GEE)——MODIS/MOD09A1影像的去云
- Google Earth Engine(GEE)——影像的信息挖掘
- Google Earth Engine(GEE)—geemap矢量样式和栅格样式
- Google Earth Engine(GEE)—— Landsat 4 TM全球森林分布分析
- Google Earth Engine(GEE)——矢量转栅格(ee.FeatureCollection.reduceToImage)美国电厂为例
- Google Earth Engine(GEE)——ERA5-数据计算逐年全球潜在蒸发量PET
- Google Earth Engine APP(GEE) ——秘鲁和厄瓜多尔流域的高分辨率网格化降水数据集(1981-2015)
- Google Earth Engine(GEE)——全球河流宽度数据集1970—2017年
- Google Earth Engine(GEE)——全球人类居住区网格数据 1975-1990-2000-2014 (P2016)
- Google Earth Engine——美国人口普查局的TIGER数据集包含美国主要政府部门的2018年边界。除了50个州之外,人口普查局还将哥伦比亚特区、波多黎各和每个岛屿地区
- Google Earth Engine——气候危害组红外降水与站点数据(CHIRPS)是一个30年以上的准全球降水数据集
- Google Earth Engine——全球土壤含沙量数据集:250米分辨率下6个标准深度(0、10、30、60、100和200厘米)的含沙量(%)(千克/千克)
- Google Earth Engine——全球土壤体积密度数据集在6个标准深度(0、10、30、60、100和200厘米)的土壤体积密度(细土)10 x kg / m3,分辨率250米。
- Google Earth Engine——海洋近表层大气特性数据集是NOAA海洋表层数据包(OSB)的一部分,提供了无冰海洋表面的空气温度、风速和特定湿度的高质量气候数据
- Google Earth Engine——美国国家环境预测中心(NCEP,前身为 “NMC“)和美国国家大气研究中心(NCAR)海平面气压数据集
- Google Earth Engine ——Landsat 5 TM合成影像8天/32天/年际归一化植被指数(NDWI)指数数据集
- Google Earth Engine ——2001-2017年非洲土壤深度 0-20 厘米和 20-50 厘米的可提取阳离子交换容量,预测平均值和标准偏差数据集
- Google Earth Engine ——数据全解析专辑(COPERNICUS/S1_GRD)20154至今哨兵-1号合成孔径雷达 (SAR) 数据集
- Google Earth Engine(GEE)——sentinel-5p数据每三日SO2数据平均值
- Google Earth Engine(GEE)——Landsat 系列卫星及其算法的介绍(新手必备)!
- 《流量的秘密 Google Analytics网站分析与商业实战》一2.4 获得执行支持
- 《流量的秘密: Google Analytics网站分析与优化技巧(第3版)》一第一部分 衡量成功
- 最新的黑客大杀器:Google Dorking