Datasets tagged africa in Earth Engine
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Открытые здания временные V1
Набор временных данных Open Buildings 2.5D содержит данные о наличии зданий, их дробном количестве и высоте с эффективным1 пространственным разрешением 4 м (растровые изображения предоставляются с разрешением 0,5 м) с ежегодной периодичностью с 2016 по 2023 год. Он создан на основе открытых изображений низкого разрешения из…
Этот масштабный открытый набор данных содержит контуры зданий, полученные с помощью спутниковых снимков высокого разрешения (50 см). Он содержит 1,8 млрд обнаруженных зданий в Африке, Латинской Америке, странах Карибского бассейна, Южной и Юго-Восточной Азии. Выводы охватывают территорию площадью 58 млн км². Для каждого здания в этом наборе данных…
Плотность насыпного материала, фракция <2 мм на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с коэффициентом x/100. В районах густых джунглей (обычно в Центральной Африке) точность модели низкая, поэтому возможны артефакты, такие как полосатость…
Содержание глины на глубине 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. В районах густых джунглей (в основном в Центральной Африке) точность модели низкая, поэтому могут наблюдаться артефакты, такие как полосчатость. Прогнозы свойств почвы были сделаны компанией Innovative…
Глубина до коренной породы на глубине 0–200 см, прогнозируемое среднее значение и стандартное отклонение. Из-за маски потенциальной пахотной земли, использованной для получения данных, многие участки обнаженной породы (где глубина до коренной породы составляла бы 0 см) оказались замаскированы и, следовательно, выглядят…
Прогнозируемое среднее значение и стандартное отклонение эффективной катионообменной ёмкости на глубинах почвы 0–20 см и 20–50 см. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (обычно в Центральной Африке) точность модели низкая, поэтому возможны артефакты, такие как полосатость…
Извлекаемый кальций на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (обычно в Центральной Африке) точность модели низкая, поэтому возможны артефакты, такие как полосчатость (или образование полос).
Извлекаемое железо на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (обычно в Центральной Африке) точность модели низкая, поэтому возможны артефакты, такие как полосчатость (или образование полос).
Извлекаемый магний на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (обычно в Центральной Африке) точность модели низкая, поэтому возможны артефакты, такие как полосчатость (или образование полос).
Извлекаемый фосфор на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (обычно в Центральной Африке) точность модели низкая, поэтому возможны артефакты, такие как полосатость (или образование полос).
Извлекаемый калий на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (обычно в Центральной Африке) точность модели низкая, поэтому возможны артефакты, такие как полосатость (или поперечные полосы).
Извлекаемая сера на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (обычно в Центральной Африке) точность модели низкая, поэтому возможны артефакты, такие как полосатость (или образование полос).
Извлекаемый цинк на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (обычно в Центральной Африке) точность модели низкая, поэтому возможны артефакты, такие как полосчатость (или образование полос).
Классификация плодородности почвы, основанная на уклоне, химических и физических свойствах почвы. Подробнее об этом слое можно узнать на этой странице. Классы для диапазона «fcc» применяются к значениям пикселей, которые необходимо преобразовать обратно с помощью x по модулю 3000. В районах с густыми джунглями…
Органический углерод на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (обычно в Центральной Африке) точность модели низкая, поэтому возможны артефакты, такие как полосатость (или образование полос).
Содержание песка на глубине 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. В районах густых джунглей (в основном в Центральной Африке) точность модели низкая, поэтому могут наблюдаться артефакты, такие как полосчатость. Прогнозы свойств почвы были сделаны компанией Innovative…
Содержание ила на глубине 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (обычно в Центральной Африке) точность модели низкая, поэтому возможны артефакты, такие как полосатость (или образование полос).
Содержание камней на глубине 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (обычно в Центральной Африке) точность модели низкая, поэтому возможны артефакты, такие как полосатость (или образование полос).
Общее содержание углерода на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/10)-1. В районах густых джунглей (обычно в Центральной Африке) точность модели низкая, поэтому возможны артефакты, такие как полосатость (или образование полос).
Общее содержание азота на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с помощью exp(x/100)-1. В районах густых джунглей (обычно в Центральной Африке) точность модели низкая, поэтому возможны артефакты, такие как полосатость (или образование полос).
Класс текстуры почвы по данным Министерства сельского хозяйства США (USDA) на глубине 0–20 см и 20–50 см. В районах густых джунглей (в основном в Центральной Африке) точность модели низкая, поэтому могут наблюдаться артефакты, такие как полосчатость. Прогнозы свойств почвы были сделаны компанией Innovative Solutions for Decision…
Извлекаемый алюминий на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей должны быть обратно преобразованы с помощью exp(x/10)-1. Прогнозы свойств почвы были выполнены компанией Innovative Solutions for Decision Agriculture Ltd. (iSDA) для размера пикселя 30 м с использованием машинного обучения в сочетании с…
pH на глубине почвы 0–20 см и 20–50 см, прогнозируемое среднее значение и стандартное отклонение. Значения пикселей необходимо преобразовать обратно с коэффициентом x/10. В районах густых джунглей (обычно в Центральной Африке) точность модели низкая, поэтому могут наблюдаться артефакты, такие как полосатость. …
[[["Прост для понимания","easyToUnderstand","thumb-up"],["Помог мне решить мою проблему","solvedMyProblem","thumb-up"],["Другое","otherUp","thumb-up"]],[["Отсутствует нужная мне информация","missingTheInformationINeed","thumb-down"],["Слишком сложен/слишком много шагов","tooComplicatedTooManySteps","thumb-down"],["Устарел","outOfDate","thumb-down"],["Проблема с переводом текста","translationIssue","thumb-down"],["Проблемы образцов/кода","samplesCodeIssue","thumb-down"],["Другое","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"]]
