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

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

/*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);