Google Earth Engine（GEE）——美国大陆(CONUS)30米土壤属性概率图数据库

SSURGO(POLARIS)土壤属性的概率重绘--美国大陆(CONUS)30米土壤属性概率图数据库。绘制的CONUS变量包括土壤质地、有机物、pH值、饱和导水率、Brooks-Corey和Van Genuchten保水曲线参数、体积密度和饱和含水量。

Variable	Description	Units
silt	silt percentage	%
sand	sand percentage	%
clay	clay percentage	%
bd	bulk density	g/cm3
theta_s	saturated soil water content	m3/m3
theta_r	residual soil water content	m3/m3
ksat	saturated hydraulic conductivity	log10(cm/hr)
ph	soil pH in H20	N/A
om	organic matter	log10(%)
lambda	pore size distribution index (brooks corey)	N/A
hb	bubbling pressure (brooks corey)	log10(kPa)
n	measure of the pore size distribution (van genuchten)	N/A
alpha	scale parameter inversely proportional to mean pore diameter (van genuchten)	log10(kPa-1)

文献引用：

Chaney, Nathaniel W., Budiman Minasny, Jonathan D. Herman, Travis W. Nauman, Colby W. Brungard, Cristine LS Morgan Alexander B. McBratney, Eric F. Wood, and Yohannes Yimam. "POLARIS soil properties: 30‐m probabilistic maps of soil properties over the contiguous United States." Water Resources Research 55, no. 4 (2019): 2916-2938.

数据特点¶
POLARIS提供了一个空间上连续的、内部一致的、定量预测的土壤系列。它为SSURGO的主要弱点提供了潜在的解决方案：1）利用周边地区的调查数据填补未绘制区域的空白；2）消除政治边界上的人为不连续性；3）使用高分辨率的环境协变量数据导致粗大多边形的空间分解。

该数据集可从地表获得不同深度的数据，而提供的统计数据包括平均数、模式、中位数和百分位数，只有中位数被包括在所创建的集合中。

Depth from Surface
0-5 cm
5-15 cm
15-30 cm
30-60 cm
60-100 cm
100-200 cm

总体数据集包括处理大约80,000个文件，这些文件在不同深度的每个属性的集合中被转换为单个图像。例如，bd_mean集合包括bd_0_5，代表连续的美国bd值在距离地表0-5厘米深度的单一图像。

数据提供者的说明¶
05/01/2019 - 变量hb、alpha、ksat、om是在log10空间。

05/01/2019 - 由于文件大小的限制，1 arcsec数据库被分割成1x1度的tiffs。每个变量/层/统计数字都有自己的虚拟栅格，作为所有较小的1x1度块的 "粘合剂"。关于虚拟栅格的更多信息，见

https://www.gdal.org/gdal_vrttut.html.

06/02/2019 - 变量hb和alpha最初报告的单位分别为log10（cm）和log10（cm-1）。这是一个打字错误。正确的单位分别是log10（kPa）和log10（kPa-1）。

代码：

var bd_mean = ee.ImageCollection('projects/sat-io/open-datasets/polaris/bd_mean');
var clay_mean = ee.ImageCollection('projects/sat-io/open-datasets/polaris/clay_mean');
var ksat_mean = ee.ImageCollection('projects/sat-io/open-datasets/polaris/ksat_mean');
var n_mean = ee.ImageCollection('projects/sat-io/open-datasets/polaris/n_mean');
var om_mean = ee.ImageCollection('projects/sat-io/open-datasets/polaris/om_mean');
var ph_mean = ee.ImageCollection('projects/sat-io/open-datasets/polaris/ph_mean');
var sand_mean = ee.ImageCollection('projects/sat-io/open-datasets/polaris/sand_mean');
var silt_mean = ee.ImageCollection('projects/sat-io/open-datasets/polaris/silt_mean');
var theta_r_mean = ee.ImageCollection('projects/sat-io/open-datasets/polaris/theta_r_mean');
var theta_s_mean = ee.ImageCollection('projects/sat-io/open-datasets/polaris/theta_s_mean');
var lambda_mean = ee.ImageCollection('projects/sat-io/open-datasets/polaris/lambda_mean');
var hb_mean = ee.ImageCollection('projects/sat-io/open-datasets/polaris/hb_mean');
var alpha_mean = ee.ImageCollection('projects/sat-io/open-datasets/polaris/alpha_mean');//Import palette
var palettes = require('users/gena/packages:palettes');Map.addLayer(bd_mean.first(),{min:0.67,max:1.6,palette:palettes.cmocean.Delta[7]},'bd_mean_0_5',false)
Map.addLayer(clay_mean.first(),{min:3,max:55,palette:palettes.cmocean.Speed[7]},'clay_mean_0_5')
Map.addLayer(ksat_mean.first(),{min:-1,max:1.8,palette:palettes.cmocean.Haline[7]},'ksat_mean_0_5',false)
Map.addLayer(n_mean.first(),{min:1.22,max:1.6,palette:palettes.cmocean.Solar[7]},'n_mean_0_5')
Map.addLayer(om_mean.first(),{min:-0.8,max:1.8,palette:palettes.cmocean.Gray[7]},'om_mean_0_5',false)
Map.addLayer(ph_mean.first(),{min:4,max:9,palette:palettes.cmocean.Oxy[7]},'ph_mean_0_5')
Map.addLayer(sand_mean.first(),{min:5,max:90,palette:palettes.cmocean.Dense[7]},'sand_mean_0_5',false)
Map.addLayer(silt_mean.first(),{min:2,max:80,palette:palettes.cmocean.Curl[7]},'silt_mean_0_5')
Map.addLayer(theta_r_mean.first(),{min:0.022,max:0.15,palette:palettes.cmocean.Algae[7]},'theta_r_mean_0_5',false)
Map.addLayer(theta_s_mean.first(),{min:0.4,max:0.8,palette:palettes.cmocean.Turbid[7]},'theta_s_mean_0_5',false)
Map.addLayer(alpha_mean.first(),{min:-0.15,max:0.2,palette:palettes.cmocean.Speed[7]},'alpha_mean_0_5',false)
Map.addLayer(hb_mean.first(),{min:-0.15,max:0.75,palette:palettes.cmocean.Matter[7]},'hb_mean_0_5',false)
Map.addLayer(lambda_mean.first(),{min:0.2,max:0.5,palette:palettes.cmocean.Balance[7]},'lambda_mean_0_5')

代码连接：

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:soil-properties/POLARIS-PROBABILISTIC-SOIL-PROPERTIES-30

不适用GEE可以在这里下载: Index of /POLARIS

License¶

POLARIS is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Curated by: Samapriya Roy

Keywords: Digital soil mapping, Soil, Environmental modeling, High performance computing

Last updated dataset: 2019-05-04

Last curated: 2022-03-05

Google Earth Engine（GEE）——美国大陆(CONUS)30米土壤属性概率图数据库相关推荐

基于google earth engine(GEE)下载研究区域影像
基于google earth engine(GEE)下载研究区域影像当研究需要Landsat数据时,我们可以通过USGS官网或者地理空间数据云平台下载.由于地理空间数据云目前无法下载到较新的数据,可 ...
Google Earth Engine(GEE)——User memory limit exceeded（2）
上一次我们已经知道如何去进行避免这种错误的发生,有关详细内容,如果单单只是解决这个问题我们用到的是limit 和 first,上一次的博客在这里: (207条消息) Google Earth Engi ...
Google Earth Engine(GEE) 01-中输入提示快捷键Ctrl+space无法使用的问题
Google Earth Engine(GEE) 01-中输入提示快捷键Ctrl+space无法使用的问题 GEE中 Ctrl+space组合键用于代码输入快捷提示,能够提高编码的准确度和速度,但是, ...
Google Earth Engine(GEE)批量下载代码（以 NDVI数据为例）
下载数据先准备工作(具体细节都能查到):科学上网谷歌邮箱,谷歌邮箱注册GEE账号. 一:导入需要下载边界shp文件. 标题找到自己的shp文件,导入除了sbx文件的所有文件. 导入成功命名ass ...
使用Google Earth Engine (GEE)实现MODIS数据批量下载
使用Google Earth Engine GEE实现MODIS数据批量下载前言下载数据代码批量执行run任务关注公众号,分享GIS知识.ArcGIS教程.SCI论文与科研日常等前言上图是 ...
Google Earth Engine(GEE)——可视化动态图
代码: var geometry = /* color: #d63000 *//* shown: false *//* displayProperties: [{"type": & ...
Google Earth Engine (GEE) ——卫星影像的监督分类（svm）
问题 GEE 提供哪些机器学习技术? 如何对卫星图像进行监督分类? 如何评估分类器的准确性? 如何手动创建自己的几何图形? 目标练习查找无云图像和使用手绘几何导入学习训练和应用分类算法所需的基本功 ...
关于google earth engine(GEE)的一些想法与大胆预测
我接触GEE有两年了,GEE留给我的印象是:无所不能. 不管是从庞大的数据量,还是包含遥感的各类算法:随机森林.SVM.CNN,都让人惊讶. 从GEE的云端操作来看,传统遥感需要几个月做出来的全国ND ...
google earth engine GEE批量 run下载插件
在Google earth engine中,批量导出文件经常遇到多个文件下载的情况,只能一个个点击RUN.这里介绍一款插件,Open Earth Engine extension .该插件的作者是Ma ...

Google Earth Engine（GEE）——美国大陆(CONUS)30米土壤属性概率图数据库

Google Earth Engine（GEE）——美国大陆(CONUS)30米土壤属性概率图数据库相关推荐

最新文章

热门文章