
- 資料集可用性
- 1986-01-01T00:00:00Z–2024-01-01T00:00:00Z
- 資料集來源
- 蒙大拿大學 / 蒙大拿氣候辦公室
- 標記
說明
IrrMapper 每年會以 Landsat 比例 (即 30 公尺),並使用隨機森林演算法,涵蓋 1986 年至今的資料。
雖然 IrrMapper 論文描述了四個類別的分類 (即灌溉、旱地、未耕種、濕地),但資料集會轉換為灌溉和非灌溉的二元分類。
「灌溉」是指在一年內偵測到任何灌溉行為。 IrrMapper 隨機森林模型是使用廣泛的土地覆蓋地理空間資料庫訓練而成,資料來自四個灌溉和非灌溉類別,包括超過 50,000 個經過人工驗證的灌溉田地、38,000 個旱地田地,以及超過 500,000 平方公里的未耕地。
在 1.2 版中,原始訓練資料大幅擴充,並為每個州建立 RF 模型,同時進行更徹底的驗證和不確定性分析。請參閱補充資料,瞭解灌溉對河川流量的影響。論文
頻帶
像素大小
30 公尺
頻帶
名稱 | 像素大小 | 說明 |
---|---|---|
classification |
公尺 | 灌溉的像素值為 1,其他像素則會遮蓋。 |
使用條款
使用條款
引用內容
引用內容:
Ketchum, D.;Jencso, K.;Maneta, M.P.;Melton, F.;Jones, M.O.;Huntington, J. IrrMapper:採用機器學習方法,以高解析度繪製美國西部灌溉農業地圖Remote Sens. 2020, 12, 2328. doi:10.3390/rs12142328
Ketchum, D. Hoylman, Z.H.、Huntington, J. 等人。灌溉強度對美國西部水流永續性的影響。Commun Earth Environ 4, 479 (2023). doi:10.1038/s43247-023-01152-2
使用 Earth Engine 探索
程式碼編輯器 (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);