美国大陆(CONUS)30米土壤属性概率图数据库

举报
此星光明 发表于 2023/03/02 18:39:34 2023/03/02
5.3k+ 0 0
【摘要】 ​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。VariableDescriptionUnitssiltsilt percentage%sandsand percentage%claycl...

​

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

​

GEE数据集：SDA-NCSS的土壤调查数据

GEE数据集：全球土壤网格数据集

会议沙龙| 无人机植被遥感前沿技术与应用学习班[专家授课|限时报名]

GEE数据集：加拿大高分辨率数字高程模型（HRDEM）

​GEE数据集：NOAA海平面上升数字高程模型（DEMs）

【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱： cloudbbs@huaweicloud.com
云计算 数据库 数据结构 网络 遥感
  • 点赞
  • 收藏
  • 关注作者

作者其他文章

评论（0）

抱歉，系统识别当前为高风险访问，暂不支持该操作

    全部回复

    上滑加载中

    设置昵称

    在此一键设置昵称，即可参与社区互动！

    *长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

    *长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

    确认 取消

    加入云驻计划，成为创作者

    • 华为云周边好礼
    • 免费体验产品
    • 特殊身份标识
    • 线下官方门票
    • 内部专家零距离
    • 与10000+优质创作者共同成长
    立即加入