- ความพร้อมใช้งานของชุดข้อมูล
- 1985-06-01T00:00:00Z–2020-09-30T00:00:00Z
- ผู้ผลิตชุดข้อมูล
- ศูนย์เทคโนโลยีเชิงพื้นที่และการประยุกต์ใช้ (GTAC) ของกรมป่าไม้แห่งสหรัฐอเมริกา (USFS)
- แท็ก
คำอธิบาย
ผลิตภัณฑ์นี้เป็นส่วนหนึ่งของชุดข้อมูลระบบการตรวจสอบการเปลี่ยนแปลงของภูมิประเทศ (LCMS) โดยจะแสดงการเปลี่ยนแปลงที่จำลองด้วย LCMS, สิ่งปกคลุมดิน และ/หรือประเภทการใช้ที่ดินในแต่ละปี LCMS เวอร์ชันนี้ครอบคลุมสหรัฐอเมริกาภาคพื้นทวีป (CONUS) และอลาสก้าตะวันออกเฉียงใต้ (SEAK)
LCMS เป็นระบบที่ใช้การรับรู้จากระยะไกลสำหรับการทำแผนที่และตรวจสอบการเปลี่ยนแปลงของภูมิทัศน์ทั่วสหรัฐอเมริกา โดยมีวัตถุประสงค์เพื่อพัฒนารูปแบบที่สอดคล้องกันโดยใช้เทคโนโลยีล่าสุด และความก้าวหน้าในการตรวจหาการเปลี่ยนแปลงเพื่อสร้างแผนที่ "ดีที่สุด" ของการเปลี่ยนแปลงภูมิทัศน์
เอาต์พุตประกอบด้วยผลิตภัณฑ์รายปี 3 รายการ ได้แก่ การเปลี่ยนแปลง สิ่งปกคลุมดิน และการใช้ที่ดิน การเปลี่ยนแปลงเกี่ยวข้องกับพืชปกคลุมโดยเฉพาะ และรวมถึงการสูญเสียอย่างช้าๆ การสูญเสียอย่างรวดเร็ว (ซึ่งรวมถึงการเปลี่ยนแปลงทางอุทกวิทยา เช่น น้ำท่วมหรือความแห้งแล้ง) และการเพิ่มขึ้น ค่าเหล่านี้เป็นค่าที่คาดการณ์ไว้สำหรับแต่ละปีของอนุกรมเวลา Landsat และเป็นผลิตภัณฑ์พื้นฐานสำหรับ LCMS แผนที่พื้นผิวปกคลุมดินและการใช้ที่ดินแสดงพื้นผิวปกคลุมดินระดับรูปแบบสิ่งมีชีวิตและการใช้ที่ดินระดับกว้าง สำหรับแต่ละปี
เนื่องจากไม่มีอัลกอริทึมใดที่ทำงานได้ดีที่สุดในทุกสถานการณ์ LCMS จึงใช้กลุ่มโมเดลเป็นตัวคาดการณ์ ซึ่งช่วยปรับปรุงความแม่นยำของแผนที่ในระบบนิเวศและกระบวนการเปลี่ยนแปลงที่หลากหลาย (Healey et al., 2018) ชุดแผนที่การเปลี่ยนแปลง LCMS, การปกคลุมของดิน และการใช้ที่ดินที่ได้จึงแสดงภาพรวมของการเปลี่ยนแปลงภูมิทัศน์ทั่วสหรัฐอเมริกาในช่วง 4 ทศวรรษที่ผ่านมา
เลเยอร์ตัวแปรทำนายสำหรับโมเดล LCMS ประกอบด้วยคอมโพสิต Landsat และ Sentinel 2 รายปี เอาต์พุต จากอัลกอริทึมการตรวจหาการเปลี่ยนแปลง LandTrendr และ CCDC รวมถึงข้อมูลภูมิประเทศ โดย คอมโพเนนต์เหล่านี้ทั้งหมดจะได้รับการเข้าถึงและประมวลผลโดยใช้ Google Earth Engine (Gorelick et al., 2017)
ในการสร้างภาพคอมโพสิตรายปี ให้ใช้ cFmask (Zhu and Woodcock 2012), cloudScore และ TDOM (Chastain et al., 2019) จะใช้กับข้อมูลการสะท้อนที่ระดับบนสุดของชั้นบรรยากาศของ Landsat Tier 1 และ Sentinel 2a และ 2b Level-1C จากนั้นจะคำนวณ เมดอยด์รายปีเพื่อสรุปแต่ละปีเป็นองค์ประกอบเดียว
อนุกรมเวลาแบบผสมจะได้รับการแบ่งส่วนตามเวลาโดยใช้ LandTrendr (Kennedy et al., 2010; Kennedy et al., 2018; Cohen et al., 2018)
นอกจากนี้ ค่าที่ไม่มีเมฆและเงาเมฆทั้งหมดจะได้รับการแบ่งกลุ่มตามเวลาโดยใช้อัลกอริทึม CCDC (Zhu and Woodcock, 2014)
ค่าคอมโพสิตดิบ ค่าที่ปรับ LandTrendr ความแตกต่างแบบคู่ ระยะเวลาของกลุ่ม ขนาดการเปลี่ยนแปลง และความชัน รวมถึงสัมประสิทธิ์ไซน์และโคไซน์ของ CCDC ในเดือนกันยายน (ฮาร์มอนิก 3 รายการแรก) ค่าที่ปรับ และความแตกต่างแบบคู่ พร้อมด้วยระดับความสูง ความชัน ไซน์ ของลักษณะ โคไซน์ของลักษณะ และดัชนีตำแหน่งภูมิประเทศ (Weiss, 2001) จากชุดข้อมูล ระดับความสูงแห่งชาติ (NED) จะใช้เป็นตัวแปรทำนายอิสระในโมเดล Random Forest (Breiman, 2001)
เราเก็บรวบรวมข้อมูลอ้างอิงโดยใช้ TimeSync ซึ่งเป็นเครื่องมือบนเว็บที่ช่วยให้นักวิเคราะห์เห็นภาพและตีความบันทึกข้อมูล Landsat ตั้งแต่ปี 1984 จนถึงปัจจุบัน (Cohen et al., 2010)
แหล่งข้อมูลเพิ่มเติม
โปรแกรมสำรวจข้อมูล LCMS เป็นแอปพลิเคชันบนเว็บที่ช่วยให้ผู้ใช้ดู วิเคราะห์ สรุป และดาวน์โหลดข้อมูล LCMS ได้
โปรดดูข้อมูลโดยละเอียดเกี่ยวกับวิธีการและการประเมินความแม่นยำในสรุปวิธีการ LCMS หรือดูเอกสารประกอบเกี่ยวกับข้อมูลเมตา เอกสารสนับสนุน และการดาวน์โหลดข้อมูลได้ที่ ศูนย์แลกเปลี่ยนข้อมูลทางภูมิศาสตร์ของ LCMS
โปรดติดต่อ [sm.fs.lcms@usda.gov] หากมีคำถามหรือคำขอข้อมูลที่เฉพาะเจาะจง
Breiman, L., 2001 แมชชีนเลิร์นนิง Springer, 45(3): 261-277 doi:10.1023/a:1017934522171
Chastain, R., Housman, I., Goldstein, J., Finco, M., and Tenneson, K., 2019 การเปรียบเทียบเซ็นเซอร์ข้ามแบบเชิงประจักษ์ของ MSI ของ Sentinel-2A และ 2B, OLI ของ Landsat-8 และ ETM ของ Landsat-7 ลักษณะสเปกตรัมที่ด้านบนของชั้นบรรยากาศเหนือสหรัฐอเมริกาที่อยู่ติดกัน ในการตรวจจับสภาพแวดล้อมจากระยะไกล Science Direct, 221: 274-285 doi:10.1016/j.rse.2018.11.012
Cohen, W. B., Yang, Z., and Kennedy, R., 2010 การตรวจหาแนวโน้มการรบกวนและการฟื้นตัวของป่าโดยใช้ชุดข้อมูลอนุกรมเวลา Landsat รายปี: 2. TimeSync - เครื่องมือสำหรับการปรับเทียบและการตรวจสอบ ใน Remote Sensing of Environment Science Direct, 114(12): 2911-2924 doi:10.1016/j.rse.2010.07.010
Cohen, W. B., Yang, Z., Healey, S. P., Kennedy, R. E., and Gorelick, N., 2018 ชุดข้อมูลหลายช่วงคลื่นของ LandTrendr สำหรับการตรวจหาการรบกวนป่า ในการสำรวจระยะไกลของ สิ่งแวดล้อม Science Direct, 205: 131-140 doi:10.1016/j.rse.2017.11.015
Healey, S. P., Cohen, W. B., Yang, Z., Kenneth Brewer, C., Brooks, E. B., Gorelick, N., Hernandez, A. J., Huang, C., Joseph Hughes, M., Kennedy, R. E., Loveland, T. R., Moisen, G. G., Schroeder, T. A., Stehman, S. V., Vogelmann, J. E., Woodcock, C. E., Yang, L., and Zhu, Z., 2018 การทำแผนที่การเปลี่ยนแปลงของป่าโดยใช้การวางซ้อนกันของฟังก์ชันทั่วไป: แนวทางแบบรวม ในการสำรวจระยะไกลของ สิ่งแวดล้อม Science Direct, 204: 717-728 doi:10.1016/j.rse.2017.09.029
Kennedy, R. E., Yang, Z., and Cohen, W. B., 2010 การตรวจหาแนวโน้มการรบกวนและการฟื้นตัวของป่าโดยใช้ชุดข้อมูลอนุกรมเวลา Landsat รายปี: 1. LandTrendr - อัลกอริทึมการแบ่งกลุ่มตามเวลา ใน Remote Sensing of Environment Science Direct, 114(12): 2897-2910 doi:10.1016/j.rse.2010.07.008
Kennedy, R., Yang, Z., Gorelick, N., Braaten, J., Cavalcante, L., Cohen, W. และ Healey, S., 2018 การติดตั้งใช้งานอัลกอริทึม LandTrendr ใน Google Earth Engine ในการรับรู้จากระยะไกล MDPI, 10(5): 691 doi:10.3390/rs10050691
Weiss, A.D., 2001 การนำเสนอโปสเตอร์การวิเคราะห์ตำแหน่งภูมิประเทศและภูมิประเทศ การประชุมผู้ใช้ ESRI ซานดิเอโก แคลิฟอร์เนีย
Zhu, Z., and Woodcock, C. จ. (2012) การตรวจจับเมฆและเงาเมฆตามออบเจ็กต์ในภาพจาก Landsat ในการสำรวจระยะไกลของ สิ่งแวดล้อม Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028
Zhu, Z., and Woodcock, C. E., 2014 การตรวจหาการเปลี่ยนแปลงและการแยกประเภทสิ่งปกคลุมดินอย่างต่อเนื่องโดยใช้ข้อมูล Landsat ทั้งหมดที่มี ใน Remote Sensing of Environment Science Direct, 144: 152-171 doi:10.1016/j.rse.2014.01.011
ย่านความถี่
ย่านความถี่
ขนาดพิกเซล: 30 เมตร (ทุกแถบ)
| ชื่อ | ขนาดพิกเซล | คำอธิบาย |
|---|---|---|
Change |
30 เมตร | ผลิตภัณฑ์เปลี่ยน LCMS ตามธีมขั้นสุดท้าย ระบบจะแมปคลาสการเปลี่ยนแปลงทั้งหมด 3 คลาส (การสูญเสียช้า การสูญเสียเร็ว และการเพิ่มขึ้น) สำหรับแต่ละปี ระบบจะคาดการณ์แต่ละคลาสโดยใช้โมเดล Random Forest แยกกัน ซึ่งจะแสดงผลความน่าจะเป็น (สัดส่วนของต้นไม้ภายในโมเดล Random Forest) ที่พิกเซลเป็นของคลาสนั้น ด้วยเหตุนี้ พิกเซลแต่ละรายการจึงมีเอาต์พุตโมเดลที่แตกต่างกัน 3 รายการ สำหรับแต่ละปี ระบบจะกำหนดชั้นเรียนสุดท้ายให้กับชั้นเรียนการเปลี่ยนแปลงที่มีความน่าจะเป็นสูงสุด ซึ่งสูงกว่าเกณฑ์ที่ระบุด้วย พิกเซลที่ไม่มีค่าใดๆ สูงกว่าเกณฑ์ที่เกี่ยวข้องของแต่ละคลาสจะได้รับการกำหนดให้กับคลาส Stable |
Land_Cover |
30 เมตร | ผลิตภัณฑ์สิ่งปกคลุมดิน LCMS ตามธีมสุดท้าย ระบบจะแมปชั้นสิ่งปกคลุมดินทั้งหมด 14 ชั้นเป็นรายปีโดยใช้ข้อมูลอ้างอิง TimeSync และข้อมูลสเปกตรัมที่ได้จากภาพ Landsat ระบบจะคาดการณ์แต่ละคลาสโดยใช้โมเดล Random Forest แยกต่างหาก ซึ่งจะแสดงผล ความน่าจะเป็น (สัดส่วนของต้นไม้ภายในโมเดล Random Forest) ที่พิกเซลเป็นของ คลาสนั้น ด้วยเหตุนี้ พิกเซลแต่ละพิกเซลจึงมีเอาต์พุตโมเดลที่แตกต่างกัน 14 รายการสำหรับแต่ละปี และระบบจะกำหนดคลาสสุดท้ายให้กับสิ่งปกคลุมดินที่มีความน่าจะเป็นสูงสุด การปกคลุมพื้นดิน 7 ใน 14 คลาสระบุการปกคลุมพื้นดินเดียว ซึ่งประเภทการปกคลุมพื้นดินนั้นครอบคลุมพื้นที่ส่วนใหญ่ของพิกเซล และไม่มีคลาสอื่นใดครอบคลุมพื้นที่มากกว่า 10% ของพิกเซล นอกจากนี้ ยังมี ชั้นเรียนแบบผสมอีก 7 ชั้นเรียน ซึ่งแสดงถึงพิกเซลที่คลาสสิ่งปกคลุมดินเพิ่มเติมครอบคลุมอย่างน้อย 10% ของพิกเซล |
Land_Use |
30 เมตร | ผลิตภัณฑ์การใช้ที่ดิน LCMS ตามธีมขั้นสุดท้าย เราจะแมปประเภทการใช้ประโยชน์ที่ดินทั้งหมด 6 ประเภทเป็นรายปีโดยใช้ข้อมูลอ้างอิง TimeSync และข้อมูลสเปกตรัมที่ได้จากภาพ Landsat ระบบจะคาดการณ์แต่ละคลาสโดยใช้โมเดล Random Forest แยกกัน ซึ่งจะแสดงผลความน่าจะเป็น (สัดส่วนของต้นไม้ภายในโมเดล Random Forest) ที่พิกเซลเป็นของคลาสนั้น ด้วยเหตุนี้ พิกเซลแต่ละพิกเซลจึงมีเอาต์พุตโมเดลที่แตกต่างกัน 6 รายการในแต่ละปี และระบบจะกำหนดคลาสสุดท้ายให้กับการใช้ที่ดินที่มีความน่าจะเป็นสูงสุด |
Change_Raw_Probability_Slow_Loss |
30 เมตร | ความน่าจะเป็นของอัตราการสูญเสียลูกค้าอย่างช้าๆ ที่ได้จากการประมาณ LCMS แบบดิบ โดยมีคำจำกัดความดังนี้ การสูญเสียช้าประกอบด้วย คลาสต่อไปนี้จากการตีความกระบวนการเปลี่ยนแปลง TimeSync -
|
Change_Raw_Probability_Fast_Loss |
30 เมตร | ความน่าจะเป็นของ Fast Loss ที่จำลองตาม LCMS ดิบ ซึ่งกำหนดไว้ดังนี้ Fast Loss รวมถึงคลาสต่อไปนี้ จากการตีความกระบวนการเปลี่ยนแปลง TimeSync -
|
Change_Raw_Probability_Gain |
30 เมตร | ความน่าจะเป็นของกำไรที่ได้จาก LCMS ดิบ ซึ่งกำหนดเป็นพื้นที่ที่แสดงให้เห็นถึงการเพิ่มขึ้นของ พืชปกคลุมเนื่องจากการเติบโตและการสืบทอดในช่วงเวลา 1 ปีขึ้นไป ใช้ได้กับทุกพื้นที่ที่อาจ แสดงการเปลี่ยนแปลงของสเปกตรัมที่เกี่ยวข้องกับการงอกใหม่ของพืช ในพื้นที่ที่มีการพัฒนา การเติบโตอาจ เกิดจากพืชที่โตเต็มวัยและ/หรือสนามหญ้าและการจัดสวนที่เพิ่งติดตั้งใหม่ ในป่า การเติบโต รวมถึงการเติบโตของพืชจากพื้นที่โล่ง รวมถึงการปกคลุมของต้นไม้ระดับกลางและต้นไม้ที่ขึ้นร่วมกัน และ/หรือหญ้าและพุ่มไม้ที่อยู่ต่ำกว่า ส่วนการเติบโต/การฟื้นตัว ที่บันทึกไว้หลังจากการเก็บเกี่ยวในป่ามีแนวโน้มที่จะเปลี่ยนผ่านชั้นการปกคลุมของดินที่แตกต่างกัน เมื่อป่าฟื้นตัว สำหรับการเปลี่ยนแปลงเหล่านี้ที่จะถือเป็นการเติบโต/การฟื้นตัว ค่าสเปกตรัมควรเป็นไปตามแนวโน้มที่เพิ่มขึ้นอย่างใกล้ชิด (เช่น ความชันที่เป็นบวก ซึ่งหากขยายไปถึงประมาณ 20 ปี จะอยู่ในลำดับที่ 0.10 หน่วยของ NDVI) ซึ่งคงอยู่ เป็นเวลาหลายปี |
Land_Cover_Raw_Probability_Trees |
30 เมตร | ความน่าจะเป็นของต้นไม้ที่ได้จากการประมาณ LCMS ดิบ กำหนดเป็น: พิกเซลส่วนใหญ่ประกอบด้วย ต้นไม้ที่ยังมีชีวิตอยู่หรือต้นไม้ที่ตายแล้ว |
Land_Cover_Raw_Probability_Tall-Shrubs-and-Trees-Mix |
30 เมตร | ความน่าจะเป็นของ LCMS ดิบที่จำลองของ Tall Shrubs and Trees Mix (SEAK เท่านั้น) กำหนดเป็น: พิกเซลส่วนใหญ่ประกอบด้วยพุ่มไม้ที่มีความสูงมากกว่า 1 เมตร และประกอบด้วยต้นไม้ที่ยังมีชีวิตอยู่หรือต้นไม้ที่ตายแล้วอย่างน้อย 10% |
Land_Cover_Raw_Probability_Shrubs-and-Trees-Mix |
30 เมตร | ความน่าจะเป็นของพุ่มไม้และต้นไม้ผสมที่ได้จาก LCMS ดิบ กำหนดเป็น: พิกเซลส่วนใหญ่ ประกอบด้วยพุ่มไม้ และประกอบด้วยต้นไม้ที่ยังมีชีวิตหรือต้นไม้ที่ตายแล้วอย่างน้อย 10% |
Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Trees-Mix |
30 เมตร | ความน่าจะเป็นของหญ้า/พืชล้มลุก/สมุนไพรและต้นไม้ผสมที่ได้จาก LCMS ดิบ กำหนดเป็น: พิกเซลส่วนใหญ่ ประกอบด้วยหญ้าไม้ยืนต้น ไม้ดอก หรือพืชล้มลุกอื่นๆ และประกอบด้วยต้นไม้ที่ยังมีชีวิตหรือต้นไม้ที่ตายแล้วอย่างน้อย 10% |
Land_Cover_Raw_Probability_Barren-and-Trees-Mix |
30 เมตร | ความน่าจะเป็นของพื้นที่แห้งแล้งและพื้นที่ที่มีต้นไม้ผสมกันที่ได้จาก LCMS แบบดิบ ซึ่งกำหนดไว้ดังนี้ พิกเซลส่วนใหญ่ ประกอบด้วยดินเปล่าที่เกิดจากการรบกวน (เช่น ดินที่เกิดจากการเคลียร์พื้นที่ด้วยเครื่องจักร หรือการเก็บเกี่ยวป่า) รวมถึงพื้นที่แห้งแล้งตลอดปี เช่น ทะเลทราย ทะเลสาบน้ำเค็ม หินโผล่ (รวมถึงแร่ธาตุและวัสดุทางธรณีวิทยาอื่นๆ ที่เกิดจากกิจกรรมการทำเหมืองบนพื้นผิว ) เนินทราย ที่ราบเกลือ และชายหาด ถนนที่ทำจากดินและกรวดก็ถือเป็น พื้นที่แห้งแล้งเช่นกัน และประกอบด้วยต้นไม้ที่ยังมีชีวิตหรือต้นไม้ที่ตายแล้วอย่างน้อย 10% |
Land_Cover_Raw_Probability_Tall-Shrubs |
30 เมตร | ความน่าจะเป็นของพุ่มไม้สูงที่ได้จากการจำลอง LCMS แบบดิบ (SEAK เท่านั้น) ซึ่งกำหนดเป็น: พิกเซลส่วนใหญ่ประกอบด้วยพุ่มไม้ที่มีความสูงมากกว่า 1 เมตร |
Land_Cover_Raw_Probability_Shrubs |
30 เมตร | ความน่าจะเป็นของไม้พุ่มที่ได้จากการจำลอง LCMS แบบดิบ กำหนดเป็น: พิกเซลส่วนใหญ่ประกอบด้วย พุ่มไม้ |
Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Shrubs-Mix |
30 เมตร | ความน่าจะเป็นของหญ้า/พืชล้มลุก/สมุนไพรและไม้พุ่มผสมที่ได้จาก LCMS ดิบ กำหนดเป็น: พิกเซลส่วนใหญ่ประกอบด้วยหญ้าไม้ยืนต้น ไม้ดอก หรือพืชล้มลุกอื่นๆ และประกอบด้วยพุ่มไม้อย่างน้อย 10% |
Land_Cover_Raw_Probability_Barren-and-Shrubs-Mix |
30 เมตร | ความน่าจะเป็นของ LCMS ดิบที่จำลองของ Barren และ Shrubs Mix กำหนดเป็น: พิกเซลส่วนใหญ่ ประกอบด้วยดินเปล่าที่เกิดจากการรบกวน (เช่น ดินที่ไม่มีพืชปกคลุมเนื่องจากการ ถางโดยใช้เครื่องจักรหรือการเก็บเกี่ยวในป่า) รวมถึงพื้นที่แห้งแล้งตลอดปี เช่น ทะเลทราย เพลยา หินโผล่ (รวมถึงแร่ธาตุและวัสดุทางธรณีวิทยาอื่นๆ ที่เกิดจากกิจกรรมการทำเหมืองบนพื้นผิว) เนินทราย ที่ราบเกลือ และชายหาด ถนนที่ทำจากดินและกรวดก็ถือเป็นพื้นที่แห้งแล้งเช่นกัน และประกอบด้วยพุ่มไม้อย่างน้อย 10% |
Land_Cover_Raw_Probability_Grass-Forb-Herb |
30 เมตร | ความน่าจะเป็นของหญ้า/พืชล้มลุก/สมุนไพรที่ได้จากการจำลอง LCMS ดิบ กำหนดเป็น: พิกเซลส่วนใหญ่ประกอบด้วยหญ้าไม้ยืนต้น ไม้ดอก หรือพืชล้มลุกในรูปแบบอื่นๆ |
Land_Cover_Raw_Probability_Barren-and-Grass-Forb-Herb-Mix |
30 เมตร | ความน่าจะเป็นของ LCMS ดิบที่จำลองของ Barren และ Grass/Forb/Herb Mix กำหนดเป็น: พิกเซลส่วนใหญ่ประกอบด้วยดินเปล่าที่เกิดจากการรบกวน (เช่น ดินที่เปิดออกจากการเคลียร์พื้นที่ด้วยเครื่องจักรหรือการเก็บเกี่ยวป่า) รวมถึงพื้นที่แห้งแล้งตลอดปี เช่น ทะเลทราย เพลยา หินโผล่ (รวมถึงแร่ธาตุและวัสดุทางธรณีวิทยาอื่นๆ ที่เกิดจากกิจกรรมการทำเหมืองบนพื้นผิว) เนินทราย ที่ราบเกลือ และชายหาด ถนนที่ทำจากดินและกรวดก็ถือเป็นพื้นที่แห้งแล้งเช่นกัน และประกอบด้วยหญ้าไม้ยืนต้น ไม้ล้มลุก หรือพืชสมุนไพรอื่นๆ อย่างน้อย 10% |
Land_Cover_Raw_Probability_Barren-or-Impervious |
30 เมตร | ความน่าจะเป็นของ LCMS ดิบที่จำลองว่าไม่มีพืชหรือเป็นพื้นผิวที่ไม่ซึมน้ำ กำหนดเป็น: พิกเซลส่วนใหญ่ประกอบด้วย 1) ดินเปล่าที่เกิดจากการรบกวน (เช่น ดินที่ไม่มีสิ่งปกคลุมเนื่องจากการถางโดยใช้เครื่องจักร หรือการเก็บเกี่ยวในป่า) รวมถึงพื้นที่แห้งแล้งตลอดปี เช่น ทะเลทราย เพลยา หินโผล่ (รวมถึงแร่ธาตุและวัสดุทางธรณีวิทยาอื่นๆ ที่เกิดจากกิจกรรมการทำเหมืองบนพื้นผิว) เนินทราย ที่ราบเกลือ และชายหาด ถนนที่ทำจากดินและกรวดก็ถือเป็นพื้นที่แห้งแล้งเช่นกัน หรือ 2) วัสดุที่มนุษย์สร้างขึ้นซึ่งน้ำไม่สามารถซึมผ่านได้ เช่น ถนนลาดยาง หลังคา และที่จอดรถ |
Land_Cover_Raw_Probability_Snow-or-Ice |
30 เมตร | ความน่าจะเป็นของหิมะหรือน้ำแข็งที่ได้จาก LCMS ดิบ ซึ่งกำหนดไว้ว่าพิกเซลส่วนใหญ่ประกอบด้วยหิมะหรือน้ำแข็ง |
Land_Cover_Raw_Probability_Water |
30 เมตร | ความน่าจะเป็นของน้ำที่ได้จากการสร้างโมเดล LCMS ดิบ กำหนดเป็น: พิกเซลส่วนใหญ่ประกอบด้วย น้ำ |
Land_Use_Raw_Probability_Agriculture |
30 เมตร | ความน่าจะเป็นของเกษตรกรรมที่ได้จากการจำลอง LCMS ดิบ ซึ่งกำหนดเป็นที่ดินที่ใช้ในการผลิต อาหาร เส้นใย และเชื้อเพลิง ซึ่งอยู่ในสถานะที่มีพืชปกคลุมหรือไม่มีพืชปกคลุม ซึ่งรวมถึง แต่ไม่จำกัดเพียงพื้นที่เพาะปลูกและพื้นที่เพาะปลูกที่ไม่ได้เพาะปลูก ทุ่งหญ้า สวนผลไม้ ไร่องุ่น การเลี้ยงปศุสัตว์แบบจำกัด และพื้นที่ที่ปลูกเพื่อผลิตผลไม้ ถั่ว หรือเบอร์รี ถนนที่ใช้เพื่อการเกษตรเป็นหลัก (เช่น ไม่ได้ใช้สำหรับการขนส่งสาธารณะจากเมืองหนึ่งไปยังอีกเมืองหนึ่ง) ถือเป็นการใช้ที่ดินเพื่อการเกษตร |
Land_Use_Raw_Probability_Developed |
30 เมตร | ความน่าจะเป็นของ LCMS ดิบที่ผ่านการประมาณว่าได้รับการพัฒนา กำหนดเป็นที่ดินที่ปกคลุมด้วยสิ่งก่อสร้างที่มนุษย์สร้างขึ้น (เช่น ที่อยู่อาศัยที่มีความหนาแน่นสูง เชิงพาณิชย์ อุตสาหกรรม เหมืองแร่ หรือการขนส่ง) หรือ ส่วนผสมของทั้งพืชพรรณ (รวมถึงต้นไม้) และสิ่งก่อสร้าง (เช่น ที่อยู่อาศัยที่มีความหนาแน่นต่ำ สนามหญ้า สถานที่พักผ่อนหย่อนใจ สุสาน ทางเดินขนส่งและสาธารณูปโภค ฯลฯ) รวมถึงที่ดินใดๆ ที่มีการเปลี่ยนแปลงการทำงานโดยกิจกรรมของมนุษย์ |
Land_Use_Raw_Probability_Forest |
30 เมตร | ความน่าจะเป็นของป่าที่ได้จากการจำลอง LCMS แบบดิบ หมายถึงพื้นที่ที่มีการปลูกหรือมีพืชพรรณขึ้นตามธรรมชาติ และมี (หรือมีแนวโน้มที่จะมี) ร่มไม้ตั้งแต่ 10% ขึ้นไปในช่วงเวลาใดเวลาหนึ่งในลำดับการเปลี่ยนแปลงที่เกิดขึ้นในระยะใกล้ ซึ่งอาจรวมถึงป่าธรรมชาติประเภทผลัดใบ ป่าดิบ และ/หรือป่าผสม สวนป่า และพื้นที่ชุ่มน้ำที่มีต้นไม้ |
Land_Use_Raw_Probability_Non-Forest-Wetland |
30 เมตร | ความน่าจะเป็นของพื้นที่ชุ่มน้ำที่ไม่ใช่ป่าไม้ที่ได้จากการจำลอง LCMS ดิบ กำหนดเป็นที่ดินที่อยู่ติดกับหรือภายใน ระดับน้ำใต้ดินที่มองเห็นได้ (อิ่มตัวอย่างถาวรหรือตามฤดูกาล) ซึ่งมีพุ่มไม้หรือ พืชโผล่พ้นน้ำที่คงอยู่เป็นหลัก พื้นที่ชุ่มน้ำเหล่านี้อาจตั้งอยู่บริเวณชายฝั่งของทะเลสาบ ช่องแม่น้ำ หรือปากแม่น้ำ บนที่ราบน้ำท่วมถึงของแม่น้ำ ในพื้นที่ลุ่มน้ำที่แยกตัว หรือบนเนินเขา นอกจากนี้ ยังอาจพบเห็น เป็นแอ่งน้ำในทุ่งหญ้า คลองระบายน้ำ และสระเก็บน้ำในพื้นที่เกษตรกรรม รวมถึงอาจ ปรากฏเป็นเกาะกลางทะเลสาบหรือแม่น้ำด้วย ตัวอย่างอื่นๆ ได้แก่ หนองน้ำ บึง หนองน้ำตื้น ดินโคลน หนองน้ำตื้นที่มีมอสขึ้น หนองน้ำตื้นที่มีหญ้าขึ้น หนองน้ำตื้นที่มีพืชขึ้น และลำน้ำ |
Land_Use_Raw_Probability_Other |
30 เมตร | ความน่าจะเป็นของ "อื่นๆ" ที่ได้จากการประมาณ LCMS แบบดิบ กำหนดเป็น: ที่ดิน (ไม่ว่าจะใช้ประโยชน์หรือไม่ก็ตาม) ซึ่ง แนวโน้มสเปกตรัมหรือหลักฐานสนับสนุนอื่นๆ บ่งชี้ว่าเกิดเหตุการณ์การรบกวนหรือการเปลี่ยนแปลง แต่ไม่สามารถระบุสาเหตุที่แน่ชัดได้ หรือประเภทของการเปลี่ยนแปลงไม่ตรงกับ หมวดหมู่กระบวนการเปลี่ยนแปลงที่กำหนดไว้ข้างต้น |
Land_Use_Raw_Probability_Rangeland-or-Pasture |
30 เมตร | ความน่าจะเป็นของทุ่งหญ้าหรือทุ่งเลี้ยงสัตว์ที่ได้จากการจำลอง LCMS ดิบ ซึ่งกำหนดไว้ดังนี้: คลาสนี้รวมถึงพื้นที่ใดก็ตามที่เป็น ก.) ทุ่งหญ้า ซึ่งมีพืชพรรณเป็นส่วนผสมของหญ้า พุ่มไม้ พืชดอก และพืชคล้ายหญ้าพื้นเมืองที่ส่วนใหญ่เกิดจากปัจจัยและกระบวนการทางธรรมชาติ เช่น ปริมาณน้ำฝน อุณหภูมิ ความสูง และไฟ แม้ว่าการจัดการแบบจำกัดอาจรวมถึงการเผาตามแผนที่กำหนดไว้ รวมถึงการเล็มหญ้าโดยสัตว์กินพืชในประเทศและสัตว์ป่า หรือ ข.) ทุ่งเลี้ยงสัตว์ ซึ่งมีพืชพรรณตั้งแต่หญ้า พืชดอก และสมุนไพรที่ส่วนใหญ่เป็นพืชธรรมชาติแบบผสม ไปจนถึงพืชพรรณที่มีการจัดการมากขึ้นซึ่งมีหญ้าเป็นพืชเด่นที่ได้รับการเพาะเมล็ดและจัดการเพื่อรักษาให้เป็นพืชเชิงเดี่ยว |
เปลี่ยนตารางเรียน
| ค่า | สี | คำอธิบาย |
|---|---|---|
| 1 | #3d4551 | เสถียร |
| 2 | #f39268 | การสูญเสียอย่างช้าๆ |
| 3 | #d54309 | การสูญเสียอย่างรวดเร็ว |
| 4 | #00a398 | ค่าเกน |
| 5 | #1b1716 | มาสก์พื้นที่ที่ไม่ประมวลผล |
ตารางคลาส Land_Cover
| ค่า | สี | คำอธิบาย |
|---|---|---|
| 1 | #005e00 | เกสรจากต้นไม้ |
| 2 | #008000 | พุ่มไม้และต้นไม้สูง (SEAK เท่านั้น) |
| 3 | #00cc00 | มิกซ์เพลงเกี่ยวกับพุ่มไม้และต้นไม้ |
| 4 | #b3ff1a | ส่วนผสมของหญ้า/พืชล้มลุก/สมุนไพรและต้นไม้ |
| 5 | #99ff99 | มิกซ์เพลง Barren & Trees |
| 6 | #b30088 | พุ่มไม้สูง (SEAK เท่านั้น) |
| 7 | #e68a00 | พุ่มไม้ |
| 8 | #ffad33 | ส่วนผสมของหญ้า/พืชล้มลุก/สมุนไพรและพุ่มไม้ |
| 9 | #ffe0b3 | มิกซ์เพลง Barren & Shrubs |
| 10 | #ffff00 | หญ้า/พืชล้มลุก/สมุนไพร |
| 11 | #aa7700 | พื้นที่แห้งแล้งและพื้นที่ผสมหญ้า/พืชล้มลุก/สมุนไพร |
| 12 | #d3bf9b | แห้งแล้งหรือกันน้ำ |
| 13 | #ffffff | หิมะตกหรือถนนเป็นน้ำแข็ง |
| 14 | #4780f3 | น้ำ |
| 15 | #1b1716 | มาสก์พื้นที่ที่ไม่ประมวลผล |
ตารางคลาส Land_Use
| ค่า | สี | คำอธิบาย |
|---|---|---|
| 1 | #efff6b | เกษตรกรรม |
| 2 | #ff2ff8 | พัฒนาแล้ว |
| 3 | #1b9d0c | ป่า |
| 4 | #97ffff | พื้นที่ชุ่มน้ำที่ไม่ใช่ป่า |
| 5 | #a1a1a1 | อื่นๆ |
| 6 | #c2b34a | ทุ่งหญ้าหรือทุ่งเลี้ยงสัตว์ |
| 7 | #1b1716 | มาสก์พื้นที่ที่ไม่ประมวลผล |
พร็อพเพอร์ตี้รูปภาพ
พร็อพเพอร์ตี้รูปภาพ
| ชื่อ | ประเภท | คำอธิบาย |
|---|---|---|
| study_area | STRING | ปัจจุบัน LCMS ครอบคลุม CONUS และอลาสก้าตะวันออกเฉียงใต้ โดยจะขยายการให้บริการให้ครอบคลุมรัฐและเขตแดนทั้งหมดของสหรัฐอเมริกาในอนาคตอันใกล้ ค่าที่เป็นไปได้ ได้แก่ "SEAK" หรือ "CONUS" |
ข้อกำหนดในการใช้งาน
ข้อกำหนดในการใช้งาน
กรมป่าไม้ของ USDA ไม่รับประกันทั้งโดยชัดแจ้งหรือโดยนัย ซึ่งรวมถึงการรับประกัน ความสามารถในการขายและความเหมาะสมสำหรับวัตถุประสงค์เฉพาะ และไม่รับผิดชอบทางกฎหมายหรือ ความรับผิดชอบต่อความถูกต้อง ความน่าเชื่อถือ ความสมบูรณ์ หรือประโยชน์ของข้อมูลเชิงพื้นที่เหล่านี้ หรือต่อการใช้ข้อมูลเชิงพื้นที่เหล่านี้อย่างไม่เหมาะสมหรือไม่ถูกต้อง ข้อมูลเชิงพื้นที่และ แผนที่หรือกราฟิกที่เกี่ยวข้องไม่ใช่เอกสารทางกฎหมายและไม่ได้มีวัตถุประสงค์เพื่อใช้เป็นเอกสารดังกล่าว ห้ามใช้ข้อมูลและแผนที่เพื่อกำหนดกรรมสิทธิ์ การเป็นเจ้าของ คำอธิบายทางกฎหมาย หรือขอบเขต เขตอำนาจศาล หรือข้อจำกัดที่อาจมีอยู่ในที่ดินสาธารณะหรือที่ดินส่วนบุคคล ข้อมูลและแผนที่อาจแสดงหรืออาจไม่แสดงอันตรายจากธรรมชาติ และผู้ใช้ที่ดินควรใช้ความระมัดระวัง ตามสมควร ข้อมูลมีความผันผวนและอาจเปลี่ยนแปลงเมื่อเวลาผ่านไป ผู้ใช้มีหน้าที่รับผิดชอบในการยืนยัน ข้อจำกัดของข้อมูลเชิงพื้นที่และใช้ข้อมูลตามนั้น
ข้อมูลเหล่านี้รวบรวมขึ้นโดยใช้เงินทุนจากรัฐบาลสหรัฐอเมริกา และสามารถนำไปใช้ได้ โดยไม่ต้องขอสิทธิ์หรือเสียค่าธรรมเนียมเพิ่มเติม หากคุณใช้ข้อมูลเหล่านี้ในสิ่งพิมพ์ การนำเสนอ หรือผลิตภัณฑ์การวิจัยอื่นๆ โปรดใช้การอ้างอิงต่อไปนี้
กรมป่าไม้ของ USDA 2021 ระบบตรวจสอบการเปลี่ยนแปลงภูมิทัศน์ของ USFS เวอร์ชัน 2020.5 ซอลต์เลก ซิตี ยูทาห์
การอ้างอิง
กรมป่าไม้ของ USDA 2021 ระบบตรวจสอบการเปลี่ยนแปลงของภูมิประเทศของ USFS เวอร์ชัน 2020.5 ซอลต์เลกซิตี ยูทาห์
สำรวจด้วย Earth Engine
ตัวแก้ไขโค้ด (JavaScript)
var dataset = ee.ImageCollection('USFS/GTAC/LCMS/v2020-5'); var lcms = dataset.filterDate('2020', '2021') // range: [1985, 2020] .filter('study_area == "CONUS"') // or "SEAK" .first(); Map.addLayer(lcms.select('Land_Cover'), {}, 'Land Cover'); Map.addLayer(lcms.select('Land_Use'), {}, 'Land Use'); Map.addLayer(lcms.select('Change'), {}, 'Vegetation Change', false); Map.setCenter(-98.58, 38.14, 4);