GEE 数据集——美国gNATSGO(网格化国家土壤调查地理数据库)完整覆盖了美国所有地区和岛屿领土的最佳可用土壤信息

目录

简介

代码

引用

网址推荐

知识星球

机器学习


gNATSGO(网格化国家土壤调查地理数据库)

简介

gNATSGO(网格化国家土壤调查地理数据库)数据库是一个综合数据库,完整覆盖了美国所有地区和岛屿领土的最佳可用土壤信息。 本数据集仅提供栅格数据。 由于数据的原始格式为专有格式,因此源 COG 数据来源于 Planetary Computer STAC 目录。

gNATSGO 数据库由三个来源的数据组合而成:土壤调查地理数据库 (SSURGO)、州土壤地理数据库 (STATSGO2) 和栅格土壤调查数据库 (RSS)。 SSURGO 是 USDA-NRCS 土壤与植物科学部 (SPSD) 的旗舰土壤数据库,拥有 100 多年经实地验证的详细土壤制图数据。

SSURGO 包含美国 90% 以上地区和岛屿领土的土壤信息,但仍有未绘制地图的土地。 STATSGO2 是一个普通土壤地图,包含美国所有地区和岛屿领土的土壤数据,但数据不如 SSURGO 数据详细。 栅格土壤调查(RSS)是利用先进的数字土壤制图方法开发的下一代土壤调查数据库。 gNATSGO 数据库主要由 SSURGO 数据组成,STATSGO2 数据用于填补空白。 在合并 SSURGO 和 STATSGO2 数据后,RSS 被并入 gNATSGO。 目前,RSS 的范围相对有限,但预计在未来几年会有所增加。 要使用 mukey 栅格资产中包含的地图单位值,您需要连接到 gNATSGO 表集合中表示为 "项 "的表。 许多项目的常用值都编码在其他栅格资产中。

代码

python 复制代码
/*标准 1 区(0-5 厘米深)的可用蓄水估计值 (AWS),以毫米为单位
 标准 2 区(0-20 厘米深)的可用蓄水估计值 (AWS),以毫米为单位。

*/

var aws0_5 = ee.ImageCollection("projects/sat-io/open-datasets/gNATSGO/raster/aws0_5"),
    aws0_20 = ee.ImageCollection("projects/sat-io/open-datasets/gNATSGO/raster/aws0_20");
var aws0_5_image = aws0_5.mosaic();
var aws0_20_image = aws0_20.mosaic();

var visParams = {
  min: 0,
  max: 150,
  palette: ['blue', 'green', 'yellow', 'orange', 'red']
};

Map.addLayer(aws0_5_image, {min: 0,max: 30,palette: ['blue', 'green', 'yellow', 'orange', 'red']}, 'Available water storage estimate (AWS) 0-5 cm');
Map.addLayer(aws0_20_image, {min: 0,max: 120,palette: ['blue', 'green', 'yellow', 'orange', 'red']}, 'Available water storage estimate (AWS) 0-20 cm');

// 加载影像集合
var soc0_100 = ee.ImageCollection('projects/sat-io/open-datasets/gNATSGO/raster/soc0_100');
var soc0_150 = ee.ImageCollection('projects/sat-io/open-datasets/gNATSGO/raster/soc0_150');
var soc0_20 = ee.ImageCollection('projects/sat-io/open-datasets/gNATSGO/raster/soc0_20');
var soc0_30 = ee.ImageCollection('projects/sat-io/open-datasets/gNATSGO/raster/soc0_30');
var soc0_5 = ee.ImageCollection('projects/sat-io/open-datasets/gNATSGO/raster/soc0_5');
var soc0_999 = ee.ImageCollection('projects/sat-io/open-datasets/gNATSGO/raster/soc0_999');
var soc100_150 = ee.ImageCollection('projects/sat-io/open-datasets/gNATSGO/raster/soc100_150');
var soc150_999 = ee.ImageCollection('projects/sat-io/open-datasets/gNATSGO/raster/soc150_999');
var soc20_50 = ee.ImageCollection('projects/sat-io/open-datasets/gNATSGO/raster/soc20_50');
var soc50_100 = ee.ImageCollection('projects/sat-io/open-datasets/gNATSGO/raster/soc50_100');
var soc5_20 = ee.ImageCollection('projects/sat-io/open-datasets/gNATSGO/raster/soc5_20');

// 可视化参数

var visParams = {
  min: 0,
  max: 10000,
  palette: [
    '440154', // Deep purple
    '482878', // Purple-blue
    '3E4A89', // Blue
    '31688E', // Teal-blue
    '26828E', // Green-blue
    '1F9E89', // Green-cyan
    '35B779', // Light green
    '6DCD59', // Yellow-green
    'B4DE2C', // Yellow
    'FDE725', // Bright yellow
    'FCA636', // Orange
    'F58526', // Deep orange
    'F04520', // Red-orange
    'D73027', // Red
    'A50026'  // Deep red
  ]
};



// 从每个影像中镶嵌影像
var soc0_100_img = soc0_100.mosaic();
var soc0_150_img = soc0_150.mosaic();
var soc0_20_img = soc0_20.mosaic();
var soc0_30_img = soc0_30.mosaic();
var soc0_5_img = soc0_5.mosaic();
var soc0_999_img = soc0_999.mosaic();
var soc100_150_img = soc100_150.mosaic();
var soc150_999_img = soc150_999.mosaic();
var soc20_50_img = soc20_50.mosaic();
var soc50_100_img = soc50_100.mosaic();
var soc5_20_img = soc5_20.mosaic();

// 加载所有图层
Map.addLayer(soc0_100_img, visParams, 'SOC 0-100 cm');
Map.addLayer(soc0_150_img, visParams, 'SOC 0-150 cm');
Map.addLayer(soc0_20_img, visParams, 'SOC 0-20 cm');
Map.addLayer(soc0_30_img, visParams, 'SOC 0-30 cm');
Map.addLayer(soc0_5_img, visParams, 'SOC 0-5 cm');
Map.addLayer(soc0_999_img, visParams, 'SOC 0-999 cm');
Map.addLayer(soc100_150_img, visParams, 'SOC 100-150 cm');
Map.addLayer(soc150_999_img, visParams, 'SOC 150-999 cm');
Map.addLayer(soc20_50_img, visParams, 'SOC 20-50 cm');
Map.addLayer(soc50_100_img, visParams, 'SOC 50-100 cm');
Map.addLayer(soc5_20_img, visParams, 'SOC 5-20 cm');

var snazzy = require("users/aazuspan/snazzy:styles");
snazzy.addStyle("https://snazzymaps.com/style/65217/grey", "Greyscale");

Map.setCenter(-100, 40, 4);

引用

由美国农业部自然资源保护局 (NRCS) 提供的网格化国家土壤调查地理数据库 (gNATSGO) 中的数据以公共领域许可证(CC0 1.0 通用公共领域专用)提供。

提供者:美国农业部自然资源保护局: 美国农业部自然资源保护局

主持:Microsoft 微软 在 GEE 中的策划: Samapriya Roy Samapriya Roy 关键词 土壤调查, USDA, NRCS, 栅格数据, 格栅数据

最近更新: 2024-10-22 更新日志¶ 已添加所有图层,数据集现已普遍可用 已添加 SOC 图层

网址推荐

机器学习

https://www.cbedai.net/xg

相关推荐
失落的多巴胺23 分钟前
使用deepseek制作“喝什么奶茶”随机抽签小网页
javascript·css·css3·html5
DataGear26 分钟前
如何在DataGear 5.4.1 中快速制作SQL服务端分页的数据表格看板
javascript·数据库·sql·信息可视化·数据分析·echarts·数据可视化
影子信息28 分钟前
vue 前端动态导入文件 import.meta.glob
前端·javascript·vue.js
样子201834 分钟前
Vue3 之dialog弹框简单制作
前端·javascript·vue.js·前端框架·ecmascript
kevin_水滴石穿34 分钟前
Vue 中报错 TypeError: crypto$2.getRandomValues is not a function
前端·javascript·vue.js
翻滚吧键盘35 分钟前
vue文本插值
javascript·vue.js·ecmascript
码不停蹄的玄黓41 分钟前
MySQL Undo Log 深度解析:事务回滚与MVCC的核心功臣
数据库·mysql·undo log·回滚日志
Qdgr_1 小时前
价值实证:数字化转型标杆案例深度解析
大数据·数据库·人工智能
数据狐(DataFox)1 小时前
SQL参数化查询:防注入与计划缓存的双重优势
数据库·sql·缓存
Arthurmoo1 小时前
Linux系统之MySQL数据库基础
linux·数据库·mysql