- 資料集可用性
- 1985-06-01T00:00:00Z–2020-09-30T00:00:00Z
- 資料集供應來源
- 美國農業部森林局 (USFS) 地理空間技術與應用中心 (GTAC)
- 標記
說明
這項產品是 Landscape Change Monitoring System (LCMS) 資料套件的一部分。 顯示每年 LCMS 模擬的變化、土地覆蓋和/或土地使用類別。這個 LCMS 版本涵蓋美國本土和阿拉斯加東南部。
LCMS 是一種以遙測為基礎的系統，用於繪製和監控美國各地的地貌變化。該計畫的目標是運用最新技術和變化偵測方面的進展，開發一致的方法，製作「最佳可用」的地景變化地圖。
輸出內容包括三項年度產品：變化、土地覆蓋和土地用途。 變更具體與植被覆蓋有關，包括緩慢流失、快速流失 (也包括水文變化，例如淹水或乾旱)，以及增加。這些值是針對 Landsat 時間序列的每年預測值，也是 LCMS 的基礎產品。土地覆蓋和土地使用地圖會顯示每年生命形式層級的土地覆蓋，以及廣泛層級的土地使用。
由於沒有任何演算法在所有情況下都能發揮最佳效用，LCMS 會使用模型組合做為預測因子，藉此提升各種生態系統和變更程序的地圖準確度 (Healey 等人，2018)。這套 LCMS 變化、土地覆蓋和土地利用地圖，可全面呈現美國過去 40 年來的地景變化。
LCMS 模型的預測層包括年度 Landsat 和 Sentinel 2 複合資料、LandTrendr 和 CCDC 變化偵測演算法的輸出內容，以及地形資訊。這些元件全都是使用 Google Earth Engine 存取及處理 (Gorelick 等人，2017)。
如要製作年度合成影像，請使用 cFmask (Zhu 和 Woodcock 2012)、cloudScore 和 TDOM (Chastain 等人，2019) 雲朵和雲影遮罩方法，套用至 Landsat Tier 1 和 Sentinel 2a 和 2b Level-1C 大氣頂層反射率資料。接著計算年度中位數，將每年彙整成單一複合資料。
複合時間序列會使用 LandTrendr (Kennedy 等人，2010; Kennedy et al., 2018; Cohen et al., 2018)。
所有無雲和無雲影的值也會使用 CCDC 演算法進行時間區隔 (Zhu 和 Woodcock，2014 年)。
原始複合值、LandTrendr 擬合值、成對差異、區隔持續時間、變化幅度和斜率，以及 CCDC 9 月 1 日的正弦和餘弦係數 (前 3 個諧波)、擬合值和成對差異，連同來自美國國家高程資料集 (NED) 的高程、斜率、方位正弦值、方位餘弦值和地形位置指數 (Weiss，2001 年)，都會做為隨機森林 (Breiman，2001 年) 模型中的獨立預測變數。
參考資料是透過 TimeSync 收集而來，這項網頁工具可協助分析師從 1984 年至今，以視覺化方式呈現及解讀 Landsat 資料記錄 (Cohen 等人，2010 年)。
其他資源
LCMS 資料探索工具是網頁應用程式，可供使用者查看、分析、匯總及下載 LCMS 資料。
如要進一步瞭解方法和準確度評估，請參閱 LCMS 方法簡介，如要下載資料、中繼資料和支援文件，請參閱 LCMS 地理資料資訊中心。
如有任何問題或特定資料要求，請傳送電子郵件至 [sm.fs.lcms@usda.gov]。
Breiman, L.、2001 年。 機器學習。Springer, 45(3): 261-277 doi:10.1023/a:1017934522171
Chastain, R.、Housman, I.、Goldstein, J.、Finco, M. 和 Tenneson, K.，2019 年。 美國本土上空 Sentinel-2A 和 2B MSI、Landsat-8 OLI 和 Landsat-7 ETM 大氣層頂端光譜特徵的實證跨感應器比較。In Remote Sensing of Environment. Science Direct, 221: 274-285 doi:10.1016/j.rse.2018.11.012
Cohen, W. B. Yang, Z. 和 Kennedy, R.，2010 年。 使用 Landsat 年度時間序列偵測森林干擾和復原趨勢：2. TimeSync - 校正和驗證工具。In 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. 和 Gorelick, N.，2018 年。 用於森林干擾偵測的 LandTrendr 多光譜集合。In Remote Sensing of Environment. 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. 和 Zhu, Z.，2018 年。 Mapping forest change using stacked generalization: An ensemble approach. In Remote Sensing of Environment. Science Direct, 204: 717-728 doi:10.1016/j.rse.2017.09.029
Kennedy, R. E.、Yang, Z. 和 Cohen, W. B. 2010 年。 使用 Landsat 每年時間序列資料偵測森林干擾和復原趨勢：1. LandTrendr - 時間區隔演算法。In 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. 和 Healey, S.，2018 年。 在 Google Earth Engine 上實作 LandTrendr 演算法。在遙感中，MDPI, 10(5): 691 doi:10.3390/rs10050691
Weiss, A.D.，2001 年。 地形位置和地貌分析海報簡報，ESRI 使用者大會，加州聖地牙哥。Zhu, Z. 和 Woodcock, C. E. (2012)。 在 Landsat 影像中偵測雲朵和雲影。In Remote Sensing of Environment. Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028
Zhu, Z. 和 Woodcock, C. E.、2014 年。 使用所有可用的 Landsat 資料，持續偵測土地覆蓋的變化並進行分類。In Remote Sensing of Environment. Science Direct, 144: 152-171 doi:10.1016/j.rse.2014.01.011
頻帶
Pixel 大小
30 公尺
頻帶
| 名稱 | 像素大小 | 說明 |
|---|---|---|
Change |
公尺 | 最終主題 LCMS 變更產品。每年都會對應三種變化類別 (緩慢流失、快速流失和獲得)。每個類別都是使用個別的隨機森林模型預測，該模型會輸出像素屬於該類別的機率 (隨機森林模型中樹狀結構的比例)。因此，個別 Pixel 手機每年都會有三種不同的模型輸出內容。系統會將最終類別指派給機率最高且高於指定門檻的變更類別。如果像素在各類別的相應門檻以上都沒有任何值，系統就會將該像素指派給「穩定」類別。 |
Land_Cover |
公尺 | 最終主題 LCMS 土地覆蓋產品。我們每年都會使用 TimeSync 參考資料和從 Landsat 圖像取得的光譜資訊，繪製 14 個土地覆蓋類別的地圖。每個類別都是使用個別的隨機森林模型預測，該模型會輸出像素屬於該類別的機率 (隨機森林模型中樹狀結構的比例)。因此，每個像素每年有 14 種不同的模型輸出結果，最終會將機率最高的類別指派給土地覆蓋。14 個土地覆蓋類別中有 7 個代表單一土地覆蓋，也就是說，該土地覆蓋類型涵蓋像素的大部分區域，且沒有其他類別涵蓋超過 10% 的像素。另有七堂男女合班課程。這些像素代表額外的土地覆蓋類別，至少涵蓋 10% 的像素。 |
Land_Use |
公尺 | 最終主題 LCMS 土地使用產品。我們每年都會使用 TimeSync 參考資料和從 Landsat 圖像取得的光譜資訊，繪製 6 個土地用途類別的地圖。每個類別都是使用個別的隨機森林模型預測，該模型會輸出像素屬於該類別的機率 (隨機森林模型中樹狀結構的比例)。因此，每個像素每年都有 6 種不同的模型輸出結果，而最終類別會指派給機率最高的土地用途。 |
Change_Raw_Probability_Slow_Loss |
公尺 | LCMS 原始模型預測的緩慢流失機率。定義為：緩慢遺失包括以下類別，這些類別來自 TimeSync 變更程序解讀：
|
Change_Raw_Probability_Fast_Loss |
公尺 | 快速流失的原始 LCMS 模擬機率。定義為：快速遺失包括以下類別，這些類別來自 TimeSync 變更程序解讀：
|
Change_Raw_Probability_Gain |
公尺 | LCMS 原始模型預測的獲利機率。定義：土地的植被覆蓋率因多年生長和演替而增加。適用於可能出現與植被再生相關光譜變化的任何區域。在已開發區域，成長可能來自成熟的植被和/或新安裝的草坪和景觀。在森林中，生長包括從裸露地面生長的植被，以及中等和共同優勢樹木和/或低窪草地和灌木的頂部。森林砍伐後記錄的成長/復原區段，可能會隨著森林再生而經歷不同的土地覆蓋類別。如要將這些變化視為成長/復原，光譜值應緊密遵循上升趨勢線 (例如正斜率，如果延伸至約 20 年，則為 NDVI 的 0.10 個單位)，且持續數年。 |
Land_Cover_Raw_Probability_Trees |
公尺 | 樹木的原始 LCMS 模擬機率。定義：像素的大部分由活樹或枯樹組成。 |
Land_Cover_Raw_Probability_Tall-Shrubs-and-Trees-Mix |
公尺 | 高灌木和樹木混合物 (僅限東南阿拉斯加) 的原始 LCMS 模擬機率。定義：像素的大部分由高度超過 1 公尺的灌木組成，且至少有 10% 的活樹或枯樹。 |
Land_Cover_Raw_Probability_Shrubs-and-Trees-Mix |
公尺 | 灌木和樹木混合的原始 LCMS 模擬機率。定義：像素的大部分區域由灌木叢組成，且至少有 10% 的活樹或枯樹。 |
Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Trees-Mix |
公尺 | 草/闊葉草/草本植物和樹木混合的原始 LCMS 模擬機率。定義：像素的大部分由多年生草、草本植物或其他形式的草本植被組成，且至少有 10% 的活樹或枯樹。 |
Land_Cover_Raw_Probability_Barren-and-Trees-Mix |
公尺 | 原始 LCMS 模擬的 Barren 和 Trees Mix 機率。定義：像素的大部分區域由因干擾而裸露的土壤組成 (例如機械清除或森林砍伐後裸露的土壤)，以及永久荒蕪的區域，例如沙漠、鹽湖、岩層 (包括因露天採礦活動而裸露的礦物和其他地質物質)、沙丘、鹽灘和海灘。由泥土和碎石鋪成的道路也視為荒地，且至少有 10% 的活樹或枯樹。 |
Land_Cover_Raw_Probability_Tall-Shrubs |
公尺 | 高灌木叢的原始 LCMS 模擬機率 (僅限東南阿拉斯加)。定義：像素的大部分是由高度超過 1 公尺的灌木叢組成。 |
Land_Cover_Raw_Probability_Shrubs |
公尺 | 灌木叢的原始 LCMS 模擬機率。定義：像素的大部分區域由灌木叢組成。 |
Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Shrubs-Mix |
公尺 | 草/草本植物/藥草和灌木叢混合的原始 LCMS 建模機率。定義：像素的大部分由多年生草、草本植物或其他草本植被組成，且至少有 10% 的灌木。 |
Land_Cover_Raw_Probability_Barren-and-Shrubs-Mix |
公尺 | Barren and Shrubs Mix 的原始 LCMS 模擬機率。定義：像素的大部分區域由因干擾而裸露的土壤組成 (例如機械清除或森林砍伐後裸露的土壤)，以及永久荒蕪的區域，例如沙漠、鹽湖、岩層 (包括因露天採礦活動而裸露的礦物和其他地質物質)、沙丘、鹽灘和海灘。泥土和碎石路也視為荒地，且至少有 10% 的灌木叢。 |
Land_Cover_Raw_Probability_Grass-Forb-Herb |
公尺 | 草/闊葉草/草本植物的原始 LCMS 模擬機率。定義：像素的大部分由多年生草、闊葉草或其他草本植被組成。 |
Land_Cover_Raw_Probability_Barren-and-Grass-Forb-Herb-Mix |
公尺 | LCMS 原始模型預測的荒地和草/闊葉草/草本植物混合物機率。定義：像素的大部分區域由因擾動而裸露的土壤組成 (例如因機械清除或森林砍伐而裸露的土壤)，以及長期荒蕪的區域，例如沙漠、鹽湖、岩層 (包括因露天採礦活動而裸露的礦物和其他地質材料)、沙丘、鹽灘和海灘。泥土和碎石路也視為荒地，且至少有 10% 的多年生草、草本植物或其他草本植被。 |
Land_Cover_Raw_Probability_Barren-or-Impervious |
公尺 | 原始 LCMS 模擬的荒地或不透水機率。定義：像素的大部分區域由以下項目組成：1) 因干擾而裸露的土壤 (例如因機械清除或森林砍伐而裸露的土壤)，以及永久荒蕪的區域，例如沙漠、鹽湖、露出地面的岩層 (包括因露天採礦活動而裸露的礦物和其他地質物質)、沙丘、鹽灘和海灘。泥土和碎石路也視為貧瘠土地，或 2) 水無法滲透的人造材料，例如鋪砌道路、屋頂和停車場。 |
Land_Cover_Raw_Probability_Snow-or-Ice |
公尺 | 雪或結冰的原始 LCMS 模擬機率。定義：像素的大部分區域由雪或冰組成。 |
Land_Cover_Raw_Probability_Water |
公尺 | 水份的原始 LCMS 模擬機率。定義：像素的大部分由水組成。 |
Land_Use_Raw_Probability_Agriculture |
公尺 | 農業的原始 LCMS 模擬機率。定義為：用於生產食物、纖維和燃料的土地，無論是植被或非植被狀態。包括但不限於耕地和非耕地、乾草地、果園、葡萄園、圈養牲畜作業，以及種植水果、堅果或漿果的區域。主要用於農業用途的道路 (即不適用於城鎮間的大眾運輸) 視為農業用地。 |
Land_Use_Raw_Probability_Developed |
公尺 | 已開發的原始 LCMS 模擬機率。定義為：由人造結構物覆蓋的土地 (例如高密度住宅、商業、工業、採礦或運輸)，或植被 (包括樹木) 和結構物混合的土地 (例如低密度住宅、草坪、休閒設施、墓地、運輸和公用事業走廊等)，包括因人類活動而功能性改變的任何土地。 |
Land_Use_Raw_Probability_Forest |
公尺 | 森林的原始 LCMS 模擬機率。定義為：種植或自然植被的土地，在近期演替序列的某個時間點，包含 (或可能包含) 10% 以上的樹木覆蓋率。這可能包括天然森林、造林地和木本濕地，以及落葉林、常綠林和/或混合類別。 |
Land_Use_Raw_Probability_Non-Forest-Wetland |
公尺 | 非森林濕地的原始 LCMS 模擬機率。定義：鄰近或位於可見水位線 (永久或季節性飽和) 內，以灌木或持續性挺水植物為主的土地。這些濕地可能位於湖泊、河道或河口岸邊；河漫灘；孤立的集水區；或斜坡上。也可能出現在農業景觀中，例如草原窪地、排水溝和蓄水池，也可能出現在湖泊或河流中央，形成島嶼。其他例子包括沼澤、濕地、沼澤地、泥沼、苔原、水塘、沼澤地和河口。 |
Land_Use_Raw_Probability_Other |
公尺 | 「其他」的原始 LCMS 模擬機率。定義：土地 (不論用途) 的光譜趨勢或其他佐證顯示發生干擾或變化事件，但無法確定確切原因，或變化類型不符合上述任何變化程序類別。 |
Land_Use_Raw_Probability_Rangeland-or-Pasture |
公尺 | 原始 LCMS 模擬的牧草地或牧場機率。定義為：此類別包含任何區域，牧草地，植被是由原生草、灌木、草本植物和草狀植物組成，主要由降雨、溫度、海拔和火災等自然因素和過程產生，雖然有限的管理可能包括規定的燃燒以及家畜和野生草食動物的放牧；或 b.) 牧草地，植被可能包括混合的天然草類、闊葉草和草本植物，也可能經過管理，以草類為主，並經過播種和管理，維持近乎單一栽培的狀態。 |
變更課程表
| 值 | 顏色 | 說明 |
|---|---|---|
| 1 | #3d4551 | 穩定 |
| 2 | #f39268 | 緩慢流失 |
| 3 | #d54309 | Fast Loss |
| 4 | #00a398 | 增強 |
| 5 | #1b1716 | 非處理區域遮罩 |
Land_Cover Class Table
| 值 | 顏色 | 說明 |
|---|---|---|
| 1 | #005e00 | 樹木 |
| 2 | #008000 | 高灌木和樹木混合 (僅限東南阿拉斯加) |
| 3 | #00cc00 | 灌木和樹木混合 |
| 4 | #b3ff1a | 草/草本植物/香草和樹木混合 |
| 5 | #99ff99 | 荒地和樹木混合 |
| 6 | #b30088 | 高灌木 (僅限東南亞) |
| 7 | #e68a00 | 灌木 |
| 8 | #ffad33 | 草/草本植物/香草和灌木混合 |
| 9 | #ffe0b3 | 荒地和灌木叢混合 |
| 10 | #ffff00 | 草/草本植物 |
| 11 | #aa7700 | 貧瘠和草/闊葉草/香草混合 |
| 12 | #d3bf9b | 不透水或不透水 |
| 13 | #ffffff | 積雪或結冰 |
| 14 | #4780f3 | 水 |
| 15 | #1b1716 | 非處理區域遮罩 |
土地用途類別表
| 值 | 顏色 | 說明 |
|---|---|---|
| 1 | #efff6b | 農業 |
| 2 | #ff2ff8 | 開發 |
| 3 | #1b9d0c | 森林 |
| 4 | #97ffff | 非森林濕地 |
| 5 | #a1a1a1 | 其他 |
| 6 | #c2b34a | 牧草地或牧場 |
| 7 | #1b1716 | 非處理區域遮罩 |
圖片屬性
圖片屬性
| 名稱 | 類型 | 說明 |
|---|---|---|
| study_area | STRING | LCMS 目前涵蓋美國本土和阿拉斯加東南部。不久後，這項功能將擴大適用於所有美國州和地區。 可能的值：「SEAK」或「CONUS」 |
使用條款
使用條款
美國農業部林務署不提供任何明示或默示擔保，包括適售性和特定用途適用性的擔保，也不對這些地理空間資料的準確性、可靠性、完整性或實用性，或對這些地理空間資料的不當或錯誤使用承擔任何法律責任或義務。這些地理空間資料和相關地圖或圖像並非法律文件，不應做為法律文件使用。資料和地圖不得用於判斷公共或私人土地的權利、所有權、法律說明或界線、法律管轄權或限制。資料和地圖可能不會顯示天然災害，土地使用者應謹慎行事。資料是動態的，可能會隨時間改變。使用者有責任確認地理空間資料的限制，並據此使用資料。
這些資料是透過美國政府的資金收集而來，可免費使用，不需額外權限。如要在出版品、簡報或其他研究產品中使用這些資料，請引用下列內容：
美國農業部林務署。2021 年，USFS Landscape Change Monitoring System 2020.5 版。猶他州鹽湖城。
引用內容
美國農業部林務署。2021 年，USFS Landscape Change Monitoring System 2020.5 版。猶他州鹽湖城。
使用 Earth Engine 探索
程式碼編輯器 (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);