​

OpenLandMap Predicted Hapludalfs Probability 简介与Notebook示例¶

以 250 米分辨率预测的 6 个标准深度（0、10、30、60、100 和 200 厘米）的 33 千帕和 1500 千帕吸力的土壤水分含量（体积百分比）。训练点基于全球土壤剖面汇编（USDA NCSS、AfSPDB、ISRIC WISE、EGRPR、SPADE、CanNPDB、UNSODA、SWIG、HYBRAS 和 HydroS）。此处提供了数据导入步骤。空间预测步骤详见此处。注：这些都是实际测量和绘制的土壤含量值；未使用任何 Pedo-Transfer-Functions 函数（除了填补缺失的 NCSS 体积密度）。这里提供了每层的可用容水量（以毫米为单位，即田间容水量与枯萎点之间的差值乘以土层厚度）。南极洲未包括在内。前言 – 人工智能教程

要访问和可视化部分地图，请使用OpenLandMap.org

如果您发现地图中的错误、人工痕迹或不一致之处，或者您有任何疑问，请使用以下渠道：

有关代码的技术问题和疑问： https://gitlab.com/openlandmap/global-layers/issues
一般问题和评论： https://disqus.com/home/forums/landgis/
所有文件均使用 GDAL 中的 "COMPRESS=DEFLATE "创建选项进行内部压缩。文件命名约定：

sol = theme: soil、
watercontent.33kPa = 实地容量（33 千帕吸力）下的含水量（体积百分比）、
usda.4b1c = 测定方法：实验室方法代码、
m = 平均值、
250m = 空间分辨率/区块支持：250 m,
b10..10cm = 垂直参考值：地表下 10 厘米深度、
1950..2017 = 时间基准：1950-2017 年、
v0.1 = 版本号：0.1、

该数据集为USDA预测的在250米深度的土壤分类概率产品。数据集根据全球土壤剖面汇编数据经机器学习方法进行预测生成。

时相：

1950-2018

范围：

全球

数据来源：

EnvirometriX Ltd

引用代码：dataset = aie.ImageCollection('OPENLANDMAP_SOL_SOL_GRTGROUP_USDA-SOILTAX-HAPLUDALFS_P_V01')

分辨率

250

波段

import aie
aie.Authenticate()
aie.Initialize()


#指定检索数据集
dataset = aie.Image('OPENLANDMAP_SOL_SOL_GRTGROUP_USDA-SOILTAX-HAPLUDALFS_P_V01')
                
imgs = dataset.select(['grtgroup']);

map = aie.Map(
    center=imgs.getCenter(),
    height=800,
    zoom=2
)
vis_params = {
    'bands': 'grtgroup',
    'min': 0.0,
    'max': 35.0,
    'palette': [
        '#ffffb2', '#fecc5c', '#fd8d3c', '#f03b20', '#bd0026'
    ]
}
map.addLayer(
    imgs,
    vis_params,
    'Soil Predicted Hapludalfs Probability',
    bounds=imgs.getBounds()
)
map

此数据集属于公开数据，有关此数据产品正确引用的更多详细信息，请参阅 EnvirometriX Ltd。 引用参考： Tomislav Hengl, & Surya Gupta. (2019). Soil water content (volumetric %) for 33kPa and 1500kPa suctions predicted at 6 standard depths (0, 10, 30, 60, 100 and 200 cm) at 250 m resolution (Version v01)。【更多信息】 

​