
- Dataset-Verfügbarkeit
- 1986-01-01T00:00:00Z–2024-01-01T00:00:00Z
- Dataset-Anbieter
- University of Montana / Montana Climate Office
- Tags
Beschreibung
IrrMapper ist eine jährliche Klassifizierung des Bewässerungsstatus in den 11 westlichen US-Bundesstaaten im Landsat-Maßstab (d.h. 30 m) mit dem Random Forest-Algorithmus für die Jahre 1986 bis heute.
Im IrrMapper-Paper wird die Klassifizierung von vier Klassen beschrieben (d. h. bewässert, Trockenland, unkultiviert, Feuchtgebiet). Das Dataset wird jedoch in eine binäre Klassifizierung von bewässert und nicht bewässert konvertiert.
„Bewässert“ bezieht sich auf die Erkennung von Bewässerung im Laufe des Jahres. Das IrrMapper-Random-Forest-Modell wurde mit einer umfangreichen räumlichen Datenbank zur Bodenbedeckung aus jeder der vier bewässerten und nicht bewässerten Klassen trainiert. Dazu gehören über 50.000 von Menschen verifizierte bewässerte Felder, 38.000 Trockenfelder und über 500.000 Quadratkilometer unbestelltes Land.
Für Version 1.2 wurden die ursprünglichen Trainingsdaten erheblich erweitert, für jeden Bundesstaat wurde ein RF-Modell erstellt und eine gründlichere Validierungs- und Unsicherheitsanalyse durchgeführt. Weitere Informationen finden Sie im Anhang zu unserem Whitepaper zu den Auswirkungen der Bewässerung auf den Abfluss.
Bänder
Pixelgröße
30 Meter
Bänder
Name | Pixelgröße | Beschreibung |
---|---|---|
classification |
Meter | Bewässerte Pixel haben den Wert 1, die anderen Pixel werden maskiert. |
Nutzungsbedingungen
Nutzungsbedingungen
Zitate
Ketchum, D.; Jencso, K.; Maneta, M.P.; Melton, F.; Jones, M.O.; Huntington, J. IrrMapper: A Machine Learning Approach for High Resolution Mapping of Irrigated Agriculture Across the Western U.S., Remote Sens. 2020, 12, 2328. doi:10.3390/rs12142328
Ketchum, D., Hoylman, Z.H., Huntington, J. et al. Irrigation intensification impacts sustainability of streamflow in the Western United States. Commun Earth Environ 4, 479 (2023). doi:10.1038/s43247-023-01152-2
Earth Engine nutzen
Code-Editor (JavaScript)
var dataset = ee.ImageCollection('UMT/Climate/IrrMapper_RF/v1_2'); var irr = dataset.filterDate('2023-01-01', '2023-12-31').mosaic(); var visualization = { min: 0.0, max: 1.0, palette: ['blue'] }; Map.addLayer(irr, visualization, 'IrrMapper 2023'); Map.setCenter(-112.516, 45.262, 10);