L'ensemble de données temporels Open Buildings 2,5D contient des données sur la présence de bâtiments, le nombre fractionnaire de bâtiments et la hauteur des bâtiments à une résolution spatiale effective1 de 4 m (les rasters sont fournis à une résolution de 0,5 m) à une cadence annuelle de 2016 à 2023. Il est produit à partir d'images basse résolution Open Source de la …
Cet ensemble de données ouvert à grande échelle se compose de contours de bâtiments dérivés d'images satellite haute résolution de 50 cm. Il contient 1,8 milliard de détections de bâtiments en Afrique, en Amérique latine, dans les Caraïbes, en Asie du Sud et en Asie du Sud-Est. L'inférence couvrait une superficie de 58 millions de km². Pour chaque bâtiment de cet ensemble de données :
Densité apparente, fraction de moins de 2 mm à des profondeurs de sol de 0 à 20 cm et de 20 à 50 cm, moyenne et écart type prédits. Les valeurs en pixels doivent être retransformées avec x/100. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes (rayures) peuvent apparaître.
Teneur en argile à des profondeurs de sol de 0 à 20 cm et de 20 à 50 cm,\nmoyenne et écart-type prévus. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes peuvent apparaître. Les prédictions des propriétés du sol ont été effectuées par Innovative …
Profondeur du socle entre 0 et 200 cm, moyenne et écart-type prévus En raison du masque potentiel de terres cultivées utilisé pour générer les données, de nombreuses zones de roches exposées (où la profondeur du socle rocheux serait de 0 cm) ont été masquées et apparaissent donc comme …
Moyenne et écart type prévus de la capacité d'échange cationique effective à des profondeurs de sol de 0 à 20 cm et de 20 à 50 cm. Les valeurs de pixel doivent être transformées en arrière avec exp(x/10)-1. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes (rayures) peuvent apparaître.
Calcium extractible à des profondeurs de 0 à 20 cm et de 20 à 50 cm, moyenne et écart type prévus Les valeurs de pixel doivent être transformées en arrière avec exp(x/10)-1. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes peuvent apparaître.
Fer extractible à des profondeurs de 0 à 20 cm et de 20 à 50 cm, moyenne et écart type prévus Les valeurs de pixel doivent être transformées en arrière avec exp(x/10)-1. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes peuvent apparaître.
Magnésium extractible à des profondeurs de sol de 0 à 20 cm et de 20 à 50 cm, moyenne et écart type prévus. Les valeurs de pixel doivent être transformées en arrière avec exp(x/10)-1. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes peuvent apparaître.
Phosphore extractible à des profondeurs de 0 à 20 cm et de 20 à 50 cm, moyenne et écart type prédits. Les valeurs de pixel doivent être transformées en arrière avec exp(x/10)-1. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes peuvent apparaître.
Potassium extractible à des profondeurs de sol de 0 à 20 cm et de 20 à 50 cm, moyenne et écart type prévus. Les valeurs de pixel doivent être transformées en arrière avec exp(x/10)-1. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes peuvent apparaître.
Soufre extractible à des profondeurs de sol de 0 à 20 cm et de 20 à 50 cm, moyenne et écart type prévus Les valeurs de pixel doivent être transformées en arrière avec exp(x/10)-1. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes peuvent apparaître.
Zinc extractible à des profondeurs de sol de 0 à 20 cm et de 20 à 50 cm, moyenne et écart type prévus Les valeurs de pixel doivent être transformées en arrière avec exp(x/10)-1. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes peuvent apparaître.
Classification de la capacité de fertilité des sols dérivée à l'aide des propriétés physiques, chimiques et de pente des sols. Pour en savoir plus sur cette couche, consultez cette page. Les classes de la bande "fcc" s'appliquent aux valeurs de pixel qui doivent être transformées en arrière avec x modulo 3000. Dans les zones de jungle dense…
Carbone organique à des profondeurs de sol de 0 à 20 cm et de 20 à 50 cm, moyenne et écart type prévus. Les valeurs de pixel doivent être transformées en arrière avec exp(x/10)-1. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes peuvent apparaître.
Teneur en sable à des profondeurs de sol comprises entre 0 et 20 cm et entre 20 et 50 cm,\nmoyenne et écart-type prévus. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes peuvent apparaître. Les prédictions des propriétés du sol ont été effectuées par Innovative …
Teneur en limon à des profondeurs de sol comprises entre 0 et 20 cm et entre 20 et 50 cm, moyenne et écart type prédits Les valeurs de pixel doivent être transformées en arrière avec exp(x/10)-1. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes peuvent apparaître.
Teneur en pierres à des profondeurs de sol comprises entre 0 et 20 cm et entre 20 et 50 cm, moyenne et écart-type prédits Les valeurs de pixel doivent être transformées en arrière avec exp(x/10)-1. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes peuvent apparaître.
Carbone total à des profondeurs de sol de 0 à 20 cm et de 20 à 50 cm, moyenne et écart-type prévus. Les valeurs de pixel doivent être transformées en arrière avec exp(x/10)-1. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes peuvent apparaître.
Azote total à des profondeurs de sol de 0 à 20 cm et de 20 à 50 cm, moyenne et écart type prévus. Les valeurs de pixel doivent être transformées en arrière avec exp(x/100)-1. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes peuvent apparaître.
Classe de texture USDA à des profondeurs de 0 à 20 cm et de 20 à 50 cm. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes peuvent apparaître. Les prévisions des propriétés du sol ont été effectuées par Innovative Solutions for Decision …
Aluminium extractible à des profondeurs de sol de 0 à 20 cm et de 20 à 50 cm, moyenne et écart type prévus Les valeurs de pixel doivent être transformées en arrière avec exp(x/10)-1. Innovative Solutions for Decision Agriculture Ltd. (iSDA) a effectué des prédictions sur les propriétés du sol à une résolution de 30 m à l'aide du machine learning associé à …
pH à des profondeurs de sol de 0 à 20 cm et de 20 à 50 cm, moyenne et écart-type prévus. Les valeurs en pixels doivent être retransformées avec x/10. Dans les zones de jungle dense (généralement en Afrique centrale), la précision du modèle est faible. Par conséquent, des artefacts tels que des bandes peuvent apparaître. …
[null,null,[],[[["\u003cp\u003eThis page showcases a variety of datasets, including building footprints, building heights, and soil properties.\u003c/p\u003e\n"],["\u003cp\u003eDatasets primarily cover regions in Africa, Asia, Latin America, and the Caribbean.\u003c/p\u003e\n"],["\u003cp\u003eBuilding datasets include Open Buildings V3 Polygons and Open Buildings Temporal V1, providing information on building outlines and temporal changes.\u003c/p\u003e\n"],["\u003cp\u003eSoil property data from iSDAsoil offers insights into various soil characteristics, like pH, organic carbon, and texture class, predominantly for Africa.\u003c/p\u003e\n"],["\u003cp\u003eMany of the iSDAsoil datasets require specific back-transformations to obtain actual values for the soil properties.\u003c/p\u003e\n"]]],["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"],null,[]]
