Zbiór danych Open Buildings 2.5D Temporal Dataset zawiera dane o obecności budynków, ułamkowych liczbach budynków i wysokościach budynków w efektywnej rozdzielczości przestrzennej 4 m (rastry są udostępniane w rozdzielczości 0, 5 m) w rocznej częstotliwości od 2016 r.do 2023 r. Jest on tworzony na podstawie obrazów o niskiej rozdzielczości pochodzących z otwartych źródeł, które są udostępniane przez …
Ten otwarty zbiór danych na dużą skalę zawiera kontury budynków uzyskane na podstawie zdjęć satelitarnych w wysokiej rozdzielczości (50 cm). Zawiera 1,8 mld wykrytych budynków w Afryce, Ameryce Łacińskiej, na Karaibach, w Azji Południowej i Południowo-Wschodniej. Wnioskowanie obejmowało obszar o powierzchni 58 mln km². W przypadku każdego budynku w tym zbiorze danych…
Gęstość nasypowa, frakcja <2 mm na głębokościach gleby 0–20 cm i 20–50 cm, prognozowana średnia i odchylenie standardowe. Wartości pikseli muszą zostać przekształcone z powrotem za pomocą wzoru x/100. Na obszarach gęstej dżungli (zwykle w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy (paski) …
Zawartość gliny na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. Prognozy dotyczące właściwości gleby zostały opracowane przez firmę Innovative …
Głębokość do podłoża skalnego na głębokości 0–200 cm, prognozowana średnia i odchylenie standardowe. Ze względu na potencjalną maskę gruntów ornych, która została użyta do wygenerowania danych, wiele obszarów odsłoniętej skały (gdzie głębokość do podłoża skalnego wynosiłaby 0 cm) zostało zamaskowanych i dlatego pojawia się jako …
Przewidywana średnia i odchylenie standardowe efektywnej pojemności wymiany kationowej na głębokościach gleby 0–20 cm i 20–50 cm. Wartości pikseli muszą być przekształcone wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (zwykle w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy (paski) …
Ekstrakcyjny wapń na głębokości gleby 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy.
Żelazo, które można wyekstrahować z gleby na głębokości 0–20 cm i 20–50 cm, prognozowana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy.
Ekstrahowany magnez na głębokościach gleby 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy.
Ekstrahowany fosfor na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy.
Ekstrahowany potas na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy.
Ekstrakcyjny siarka na głębokości gleby 0–20 cm i 20–50 cm, prognozowana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy.
Ekstrakcyjny cynk na głębokościach gleby 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy.
Klasyfikacja zdolności gleby do użyźniania na podstawie nachylenia, właściwości chemicznych i fizycznych gleby. Więcej informacji o tej warstwie znajdziesz na tej stronie. Klasy pasma „fcc” dotyczą wartości pikseli, które muszą zostać przekształcone wstecznie za pomocą funkcji x modulo 3000. Na obszarach gęstej dżungli…
Węgiel organiczny na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy.
Zawartość piasku na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. Prognozy dotyczące właściwości gleby zostały opracowane przez firmę Innovative …
Zawartość mułu na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy.
Zawartość kamieni na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy.
Całkowita zawartość węgla na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy.
Całkowita zawartość azotu na głębokości 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli muszą być przekształcone wstecznie za pomocą funkcji exp(x/100)-1. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy.
Klasa tekstury USDA na głębokości gleby 0–20 cm i 20–50 cm. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. Prognozy dotyczące właściwości gleby zostały opracowane przez Innovative Solutions for Decision …
Ekstrahowane aluminium na głębokościach 0–20 cm i 20–50 cm, przewidywana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić wstecznie za pomocą funkcji exp(x/10)-1. Prognozy dotyczące właściwości gleby zostały opracowane przez firmę Innovative Solutions for Decision Agriculture Ltd. (iSDA) w rozdzielczości 30 m przy użyciu systemów uczących się w połączeniu z …
pH na głębokościach 0–20 cm i 20–50 cm, prognozowana średnia i odchylenie standardowe. Wartości pikseli należy przekształcić z powrotem za pomocą wzoru x/10. Na obszarach gęstej dżungli (głównie w Afryce Środkowej) dokładność modelu jest niska, dlatego mogą pojawiać się artefakty, takie jak pasy. …
[[["Łatwo zrozumieć","easyToUnderstand","thumb-up"],["Rozwiązało to mój problem","solvedMyProblem","thumb-up"],["Inne","otherUp","thumb-up"]],[["Brak potrzebnych mi informacji","missingTheInformationINeed","thumb-down"],["Zbyt skomplikowane / zbyt wiele czynności do wykonania","tooComplicatedTooManySteps","thumb-down"],["Nieaktualne treści","outOfDate","thumb-down"],["Problem z tłumaczeniem","translationIssue","thumb-down"],["Problem z przykładami/kodem","samplesCodeIssue","thumb-down"],["Inne","otherDown","thumb-down"]],[],[],["The datasets provide information on building data and soil properties. Open Buildings Temporal V1 offers annual building presence, counts, and heights from 2016-2023. Open Buildings V3 Polygons details 1.8 billion building outlines across Africa, Latin America, the Caribbean, and Asia. iSDAsoil datasets predict soil characteristics like aluminium, calcium, carbon, and clay content at depths of 0-20 cm and 20-50 cm across Africa, noting potential inaccuracies in dense jungle areas.\n"]]
