全球土壤有机碳含量预测数据集(5g/kg)250米分辨率

OpenLandMap Soil Organic Carbon Content 简介与Notebook示例

该数据集为在6个土壤标准深度下(0、10、30、60、100和200cm)预测的土壤有机碳含量(5g/kg)。数据空间分辨率为250米。

分辨率为 250 米的 6 个标准深度(0、10、30、60、100 和 200 厘米)的土壤有机碳含量 x 5 克/千克
前言 – 人工智能教程

分辨率为 250 米的 6 个标准深度(0、10、30、60、100 和 200 厘米)的土壤有机碳含量,单位为 × 5 克/千克(要转换为 %,则除以 2)。地图采用字节类型提供,以大幅减少文件大小。根据全球土壤点汇编进行预测。还可下载:土壤有机储量图(单位:千克/平方米)(https://doi.org/10.5281/zenodo.1475453) 和容重图(单位:千克/立方米)(https://doi.org/10.5281/zenodo.1475970)。处理步骤详见此处。南极洲未包括在内。

要访问和可视化地图,请使用  OpenLandMap.org

如果您发现地图中的错误、人工制品或不一致之处,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 = 主题:土壤、
organic.carbon = 变量:土壤有机碳含量(单位:x 5 克/千克)、
usda.6a1c = 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、
v0.2 = 版本号:0.2、

分辨率

250

波段

名称描述最小值最大值单位scale
b0Soil organic carbon content at 0 cm depth0120g/kg5
b10Soil organic carbon content at 10 cm depth0120g/kg5
b30Soil organic carbon content at 30 cm depth0120g/kg5
b60Soil organic carbon content at 60 cm depth0120g/kg5
b100Soil organic carbon content at 100 cm depth0120g/kg5
b200Soil organic carbon content at 200 cm depth0120g/kg5

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, & Ichsani Wheeler. (2018). Soil organic carbon content in x 5 g / kg at 6 standard depths (0, 10, 30, 60, 100 and 200 cm) at 250 m resolution (Version v02)。【更多信息】 

代码:

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


#指定检索数据集
dataset = aie.Image('OPENLANDMAP_SOL_SOL_ORGANIC-CARBON_USDA-6A1C_M_V02')
                
imgs = dataset.select(['b0']);

map = aie.Map(
    center=imgs.getCenter(),
    height=800,
    zoom=2
)
vis_params = {
    'bands': 'b0',
    'min': 0.0,
    'max': 120.0,
    'palette': [
        "#ffffa0","#f7fcb9","#d9f0a3","#addd8e","#78c679","#41ab5d",
        "#238443","#005b29","#004b29","#012b13","#00120b",
  ]
}
map.addLayer(
    imgs,
    vis_params,
    'Soil organic carbon',
    bounds=imgs.getBounds()
)
map

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
对于土壤有机预测,使用卷积神经网络(Convolutional Neural Network, CNN)可以是一个有效的方法。下面是一个基本的步骤: 1. 数据收集和准备:收集具有不同土壤特征和有机含量数据集。确保数据集包含足够的样本和标签,以便训练和验证模型。还需要对数据进行预处理,如缺失值处理、标准化等。 2. 数据分割:将数据集划分为训练集和测试集。通常,大部分数据用于训练,而少部分用于测试模型的性能。 3. 构建CNN模型:设计CNN模型架构,它可以包含卷积层、池化层和全连接层。卷积层用于提取土壤特征,池化层用于降低特征的维度,全连接层用于输出有机预测结果。 4. 模型训练:使用训练集对CNN模型进行训练。通过反向传播算法来更新模型的权重和偏置,以最小化预测值与真实值之间的误差。 5. 模型评估:使用测试集评估训练好的CNN模型的性能。可以使用评价指标如均方根误差(Root Mean Square Error, RMSE)或相关系数(Correlation Coefficient)来评估模型的预测准确度。 6. 模型优化:根据评估结果调整模型的超参数,如学习率、卷积核大小等,以提高模型的性能。 7. 预测:使用经过优化的CNN模型进行土壤有机预测。输入土壤特征数据,模型将输出相应的有机含量预测结果。 请注意,这只是一个基本的框架,具体实施时可能需要根据数据集的特点和实际需求进行调整和改进。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

此星光明

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值