
- Ketersediaan Set Data
- 1986-01-01T00:00:00Z–2024-01-01T00:00:00Z
- Penyedia Set Data
- University of Montana / Montana Climate Office
- Tag
Deskripsi
IrrMapper adalah klasifikasi tahunan status irigasi di 11 negara bagian Amerika Serikat bagian Barat yang dibuat dalam skala Landsat (yaitu, 30 m) menggunakan algoritma Random Forest, yang mencakup tahun 1986 hingga saat ini.
Meskipun makalah IrrMapper menjelaskan klasifikasi empat kelas (yaitu, lahan irigasi, lahan kering, lahan tidak diolah, lahan basah), set data dikonversi menjadi klasifikasi biner lahan irigasi dan non-irigasi.
'Diairi' mengacu pada deteksi irigasi apa pun selama tahun tersebut. Model random forest IrrMapper dilatih menggunakan database geospasial yang ekstensif tentang penutupan lahan dari masing-masing empat kelas lahan yang diairi dan tidak diairi, termasuk lebih dari 50.000 lahan yang diairi yang diverifikasi oleh petugas, 38.000 lahan kering, dan lebih dari 500.000 kilometer persegi lahan yang tidak dibudidayakan.
Untuk versi 1.2, data pelatihan asli diperluas secara signifikan, model RF dibuat untuk setiap negara bagian, dan validasi serta analisis ketidakpastian yang lebih menyeluruh dilakukan. Lihat suplemen untuk makalah kami tentang dampak irigasi terhadap aliran sungai.
Band
Ukuran Piksel
30 meter
Band
Nama | Ukuran Piksel | Deskripsi |
---|---|---|
classification |
meter | Piksel yang diairi memiliki nilai 1, piksel lainnya ditutupi. |
Persyaratan Penggunaan
Persyaratan Penggunaan
Kutipan
Ketchum, D.; Jencso, K.; Maneta, M.P.; Melton, F.; Jones, M.O.; Huntington, J. IrrMapper: Pendekatan Machine Learning untuk Pemetaan Resolusi Tinggi Pertanian yang Diairi di Seluruh Amerika Serikat bagian Barat, 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
Menjelajahi dengan Earth Engine
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);