- データセットの可用性
- 1985-06-01T00:00:00Z–2021-05-31T00:00:00Z
- データセット プロバイダ
- 米国農務省林野部（USFS）の Geospatial Technology and Applications Center（GTAC）
- タグ
説明
このプロダクトは、景観変化監視システム（LCMS）データスイートの一部です。各年の LCMS モデリングによる変化、土地被覆、土地利用のクラスが表示されます。この LCMS バージョンは、プエルトリコ米国バージン諸島（PRUSVI）を対象としています。
LCMS は、米国全土の景観変化をマッピングしてモニタリングするためのリモート センシング ベースのシステムです。その目的は、最新のテクノロジーと変化検出の進歩を使用して一貫したアプローチを開発し、景観変化の「利用可能な最良の」地図を作成することです。
出力には、変化、土地被覆、土地利用の 3 つの年次プロダクトが含まれます。変化は植生被覆に特に関連しており、緩やかな減少、急激な減少（浸水や乾燥などの水文変化も含む）、増加が含まれます。これらの値は、Landsat 時系列の各年について予測され、LCMS の基礎となるプロダクトとして機能します。土地被覆と土地利用の地図には、各年の生物群集レベルの土地被覆と広範なレベルの土地利用が示されています。
すべての状況で最適なパフォーマンスを発揮するアルゴリズムはないため、LCMS は予測子としてモデルのアンサンブルを使用し、さまざまな生態系と変化プロセスにわたって地図の精度を向上させています（Healey et al., 2018 年）。LCMS の変化、土地被覆、土地利用の地図を組み合わせることで、過去 40 年間の米国全土の景観の変化を包括的に把握できます。
LCMS モデルの予測レイヤには、LandTrendr と CCDC の変化検出アルゴリズムの出力と地形情報が含まれます。これらのコンポーネントはすべて、Google Earth Engine を使用してアクセスおよび処理されます（Gorelick 他、2017）。
Landsat Tier 1 と Sentinel 2A、2B Level-1C の大気圏上部反射率データは、CCDC で直接使用され、LandTrendr の年次合成を生成するために使用されます。cFmask（Zhu と Woodcock、2012 年）（Landsat のみ）、cloudScore（Chastain ら、2019 年）（Landsat のみ）と s2cloudless（Sentinel-Hub、2021 年）（Sentinel 2 のみ）を使用して雲をマスクし、TDOM（Chastain 他、2019）を使用して、雲の影をマスクします（Landsat と Sentinel 2）。LandTrendr の場合、年間のメドイドが計算され、各年の雲と雲の影のない値が 1 つの合成にまとめられます。
合成時系列は、LandTrendr（Kennedy et al.、2010; Kennedy et al., 2018; Cohen et al., 2018 年）。
雲と雲の影のないすべての値も、CCDC アルゴリズム（Zhu と Woodcock、2014 年）を使用して時間的にセグメント化されます。
生の複合値、LandTrendr の適合値、ペアワイズ差分、セグメントの継続時間、変化の大きさ、傾斜、CCDC の 9 月 1 日の正弦波と余弦波の係数（最初の 3 つのハーモニクス）、適合値、ペアワイズ差分、プエルトリコの数値標高モデル（Taylor 他 2008）と米国領ヴァージン諸島の米国海洋大気庁数値標高モデル（Love 他 2014）の標高、傾斜、方位の正弦波、方位の余弦波、地形位置指数（Weiss、2001）が、ランダム フォレスト（Breiman、2001）モデルの独立した予測変数として使用されます。
参照データは、アナリストが 1984 年から現在までの Landsat データレコードを可視化して解釈するのに役立つウェブベースのツールである TimeSync を使用して収集されます（Cohen et al., 2010 年）。
参考情報
LCMS Data Explorer は、ユーザーが LCMS データの表示、分析、要約、ダウンロードを行えるウェブベースのアプリケーションです。
方法と精度評価の詳細については、LCMS Methods Brief をご覧ください。データのダウンロード、メタデータ、サポート ドキュメントについては、LCMS Geodata Clearinghouse をご覧ください。
ご不明な点や特定のデータ リクエストについては、[sm.fs.lcms@usda.gov] までお問い合わせください。* Breiman, L.、2001 年。ML。Springer, 45(3): 261-277 doi:10.1023/a:1017934522171
Chastain, R.、Housman, I.、Goldstein, J.、Finco, M.、Tenneson, K.、2019 年。米国本土における Sentinel-2A および 2B MSI、Landsat-8 OLI、Landsat-7 ETM の大気圏上部スペクトル特性のセンサー間比較。環境のリモート センシング。Science Direct、221: 274-285 doi:10.1016/j.rse.2018.11.012
Cohen, W. B., Yang, Z.、Kennedy, R.、2010 年。Detecting trends in forest disturbance and recovery using yearly Landsat time series: 2. TimeSync - キャリブレーションと検証のためのツール。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.、Gorelick, N.、2018 年。 森林破壊検出用の LandTrendr マルチスペクトル アンサンブル。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.、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., and Cohen, W. B., 2010 年。Landsat の年次時系列データを使用した森林の撹乱と回復の傾向の検出: 1. LandTrendr - 時間セグメンテーション アルゴリズム。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., and Healey, S., 2018 年。 Google Earth Engine での LandTrendr アルゴリズムの実装。リモート センシング。MDPI, 10(5): 691 doi:10.3390/rs10050691
Love, M.R.、Sutherland, M.、Beasley, L.、Carignan, K.S., Eakins, B.W. (2014). 米領バージン諸島の標高モデル。In NOAA National Geophysical Data Center Internal Publication.
Sentinel-Hub（2021 年）。Sentinel 2 Cloud Detector。[オンライン]。入手先: https://github.com/sentinel-hub/sentinel2-cloud-detector（アクセス日: 2021 年）
Taylor, L.A.、Eakins, B.W.、Carignan, K.S., Warnken, R.R.、Sazonova, T.、Schoolcraft, D.C.（2008 年）。プエルトリコの数値標高モデル: 手順、データソース、分析。NOAA Technical Memorandum NESDIS NGDC-13, National Geophysical Data Center, Boulder, CO.（27 ページ）。
Weiss、A.D.、2001 年。地形位置と地形分析のポスター発表、ESRI ユーザー カンファレンス、カリフォルニア州サンディエゴ、Zhu, Z.、Woodcock, C. E. （2012 年）。Landsat 画像におけるオブジェクト ベースの雲と雲の影の検出。In Remote Sensing of Environment. Science Direct、118: 83-94 doi:10.1016/j.rse.2011.10.028
Zhu, Z., and Woodcock, C. E., 2014 年。利用可能なすべての Landsat データを使用した、土地被覆の継続的な変化検出と分類。Remote Sensing of Environment に掲載。Science Direct、144: 152-171 doi:10.1016/j.rse.2014.01.011
バンド
ピクセルサイズ
30 メートル
帯域
| 名前 | ピクセルサイズ | 説明 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Change |
メートル | 最終的なテーマ別 LCMS 変更プロダクト。各年について、合計 3 つの変更クラス（緩やかな損失、急速な損失、増加）がマッピングされます。各クラスは個別のランダム フォレスト モデルを使用して予測され、ピクセルがそのクラスに属する確率（ランダム フォレスト モデル内のツリーの割合）が出力されます。そのため、個々のピクセルには、年ごとに 3 つの異なるモデル出力があります。最終クラスは、指定されたしきい値を超え、確率が最も高い変更クラスに割り当てられます。各クラスのしきい値を超える値がないピクセルは、Stable クラスに割り当てられます。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover |
メートル | 最終的なテーマ別 LCMS 土地被覆プロダクト。TimeSync 参照データと Landsat 画像から得られたスペクトル情報を使用して、合計 14 の土地被覆クラスが年単位でマッピングされます。各クラスは個別のランダム フォレスト モデルを使用して予測され、ピクセルがそのクラスに属する確率（ランダム フォレスト モデル内のツリーの割合）が出力されます。そのため、個々のピクセルには年ごとに 14 種類のモデル出力があり、最終的なクラスは確率が最も高い土地被覆に割り当てられます。14 個の土地被覆クラスのうち 7 個は、単一の土地被覆を示します。この場合、その土地被覆タイプがピクセルの面積の大部分を占め、他のクラスがピクセルの 10% を超えることはありません。男女混合のクラスも 7 つあります。これは、追加の土地被覆分類がピクセルの 10% 以上を占めるピクセルを表します。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Use |
メートル | 最終的なテーマ別 LCMS 土地利用プロダクト。TimeSync 参照データと Landsat 画像から得られたスペクトル情報を使用して、合計 6 つの土地利用クラスが年単位でマッピングされます。各クラスは個別のランダム フォレスト モデルを使用して予測され、ピクセルがそのクラスに属する確率（ランダム フォレスト モデル内のツリーの割合）が出力されます。そのため、個々のピクセルには年ごとに 6 つの異なるモデル出力があり、最終的なクラスは最も確率の高い土地利用に割り当てられます。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Change_Raw_Probability_Slow_Loss |
メートル | LCMS の生データから推定された Slow Loss の確率。定義: Slow Loss には、TimeSync 変更プロセス解釈の次のクラスが含まれます。
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Change_Raw_Probability_Fast_Loss |
メートル | 高速損失の LCMS モデリング確率の生データ。定義: Fast Loss には、TimeSync 変更プロセス解釈の次のクラスが含まれます。
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Change_Raw_Probability_Gain |
メートル | LCMS の生データからモデル化した獲得確率。定義: 1 年以上にわたる成長と遷移により植生被覆率が増加している土地。植生の再生に関連するスペクトル変化を示す可能性のあるすべての領域に適用されます。開発された地域では、植生が成熟したり、新たに芝生や造園が設置されたりすることで、成長が生じることがあります。森林では、成長には裸地からの植生の成長だけでなく、中間木や共優勢木、下層の草や低木が優勢木を覆うことも含まれます。森林伐採後に記録された成長/回復セグメントは、森林の再生に伴い、さまざまな土地被覆クラスに移行する可能性があります。これらの変化が成長/回復とみなされるには、スペクトル値が数年間継続して増加傾向線（たとえば、20 年間延長すると NDVI の 0.10 単位程度になる正の傾き）に沿っている必要があります。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover_Raw_Probability_Trees |
メートル | LCMS の生データからモデル化したツリーの確率。定義: ピクセルの大部分が生きている木または枯死木で構成されている。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover_Raw_Probability_Tall-Shrubs-and-Trees-Mix |
メートル | LCMS の未加工データからモデル化した高木と低木の混合（アラスカ南東部のみ）の確率。定義: ピクセルの大部分が高さ 1 m を超える低木で構成され、少なくとも 10% が生きた木または枯死木で構成されている。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover_Raw_Probability_Shrubs-and-Trees-Mix |
メートル | 低コストの混合灌木と樹木の確率モデルの生データ。定義: ピクセルの大部分が低木で構成され、少なくとも 10% が生きた木または枯死木で構成されている。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Trees-Mix |
メートル | 草/広葉樹/ハーブと樹木の混合の LCMS モデル化された確率の未加工データ。定義: ピクセルの大部分が多年生草本、草本、その他の草本植生で構成され、少なくとも 10% が生きた木または枯死木で構成されている。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover_Raw_Probability_Barren-and-Trees-Mix |
メートル | LCMS の未加工のモデル化された Barren と Trees Mix の確率。定義: ピクセルの大部分が、撹乱によって露出した裸地（機械による伐採や森林伐採によって露出した土壌など）と、砂漠、プレーヤ、岩の露出（露天掘りによって露出した鉱物やその他の地質物質を含む）、砂丘、塩性平原、ビーチなどの永続的に不毛な地域で構成されている。土や砂利でできた道路も荒地とみなされ、少なくとも 10% の生きた木または枯れ木で構成されます。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover_Raw_Probability_Tall-Shrubs |
メートル | 高木性低木（アラスカ南東部のみ）の LCMS モデリング確率の生データ。定義: ピクセルの大部分が高さ 1 m を超える低木で構成されている。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover_Raw_Probability_Shrubs |
メートル | 低木に関する LCMS のモデル化された確率の生データ。定義: ピクセルの大部分が低木で構成されている。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Shrubs-Mix |
メートル | 草/広葉樹/ハーブと低木混合の LCMS モデリング確率の生データ。定義: ピクセルの大部分が多年生草本、草本、その他の草本植生で構成され、低木が 10% 以上含まれている。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover_Raw_Probability_Barren-and-Shrubs-Mix |
メートル | LCMS の未加工データから推定された Barren and Shrubs Mix の確率。定義: ピクセルの大部分が、撹乱によって露出した裸地（機械による伐採や森林伐採によって露出した土壌など）と、砂漠、プレーヤ、岩の露出（露天掘りによって露出した鉱物やその他の地質物質を含む）、砂丘、塩性平原、ビーチなどの永続的に不毛な地域で構成されている。土や砂利でできた道路も荒地とみなされ、低木が 10% 以上含まれます。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover_Raw_Probability_Grass-Forb-Herb |
メートル | 草/広葉樹/ハーブの LCMS モデリング確率の生データ。定義: ピクセルの大部分が多年生草本、キク科植物、その他の草本植物で構成されている。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover_Raw_Probability_Barren-and-Grass-Forb-Herb-Mix |
メートル | LCMS でモデル化された Barren と Grass/Forb/Herb Mix の確率の生データ。定義: ピクセルの大部分が、撹乱によって露出した裸地（機械的な伐採や森林伐採によって露出した土壌など）と、砂漠、塩湖平原、岩の露出地（露天掘りによって露出した鉱物やその他の地質学的物質を含む）、砂丘、塩性平原、ビーチなどの恒久的に不毛な地域で構成されている。土や砂利でできた道路も不毛とみなされ、少なくとも 10% の多年生草本、キク科植物、その他の草本植生で構成されます。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover_Raw_Probability_Barren-or-Impervious |
メートル | LCMS の未加工のモデル化された確率（Barren または Impervious）。定義: ピクセルの大部分が、1）撹乱によって露出した裸地（機械的な伐採や森林伐採によって露出した土壌など）、および砂漠、塩湖、岩の露出地（露天掘りによって露出した鉱物やその他の地質物質を含む）、砂丘、塩性平原、ビーチなどの永続的に不毛な地域で構成されている。土や砂利でできた道路も、不毛な土地、または 2）舗装道路、屋根、駐車場など、水が浸透しない人工物と見なされます。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover_Raw_Probability_Snow-or-Ice |
メートル | 雪または氷の確率をモデル化した未加工の LCMS。定義: ピクセルの大部分が雪または氷で構成されている。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover_Raw_Probability_Water |
メートル | 水分の生 LCMS モデリング確率。定義: ピクセルの大部分が水で構成されている。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Use_Raw_Probability_Agriculture |
メートル | 農業の LCMS モデルの確率の生データ。定義: 食料、繊維、燃料の生産に使用される土地で、植生がある状態または植生がない状態のいずれかにあるもの。これには、耕作地と未耕作地、牧草地、果樹園、ブドウ園、畜産施設、果物、木の実、ベリーの生産のために植えられた地域が含まれますが、これらに限定されません。主に農業に使用される道路（町から町への公共交通機関に使用されない道路など）は、農業用地と見なされます。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Use_Raw_Probability_Developed |
メートル | Raw LCMS のモデル化された Developed の確率。定義: 人工構造物（高密度の住宅地、商業地、工業地、鉱山、交通機関など）で覆われた土地、または植生（樹木を含む）と構造物（低密度の住宅地、芝生、レクリエーション施設、墓地、交通機関や公共事業の回廊など）の両方が混在する土地。人間の活動によって機能的に変化した土地も含む。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Use_Raw_Probability_Forest |
メートル | 森林の LCMS モデリング確率の生データ。定義: 植林または自然植生があり、短期的な遷移シーケンスのいずれかの時点で 10% 以上の樹木被覆率を含む（または含む可能性が高い）土地。これには、落葉樹林、常緑樹林、混交林、森林プランテーション、木本湿地が含まれる場合があります。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Use_Raw_Probability_Non-Forest-Wetland |
メートル | 森林以外の湿地の LCMS モデル化された確率の生データ。定義: 灌水面（永続的または季節的に飽和状態）に隣接する、またはその内部にある、低木または永続的な抽水植物が優占する土地。これらの湿地は、湖、河川、河口の陸側、河川の氾濫原、孤立した集水域、斜面に位置している場合があります。また、農地の草原のくぼ地、排水溝、家畜用の池として発生することもあり、湖や川の中の島として現れることもあります。他にも、湿地、沼地、泥沼、泥炭地、湿原、水路、湿原、バイユーなどがあります。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Use_Raw_Probability_Other |
メートル | Raw LCMS の「Other」の推定確率。定義: スペクトル傾向やその他の証拠から、撹乱または変化イベントが発生したことが示唆されるが、明確な原因を特定できない、または変化のタイプが上記の変化プロセス カテゴリのいずれにも該当しない土地（用途を問わず）。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Use_Raw_Probability_Rangeland-or-Pasture |
メートル | LCMS の未加工のモデル化された草地または牧草地の確率。定義: このクラスには、a）草地。植生は、降雨、気温、標高、火災などの自然要因とプロセスによって主に発生する、在来の草、低木、キク科植物、草のような植物の混合物。ただし、限定的な管理には、計画的な焼却や、家畜や野生の草食動物による放牧が含まれる場合がある。または、b）牧草地。植生は、主に自然の草、広葉植物、ハーブが混在する状態から、単一栽培に近い状態を維持するために種がまかれ管理された草種が優占する状態まで、さまざまです。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
QA_Bits |
メートル | 年間の LCMS プロダクト出力値の発生源に関する補足情報。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
クラス テーブルを変更
| 値 | 色 | 説明 |
|---|---|---|
| 1 | #3d4551 | Stable |
| 2 | #f39268 | Slow Loss |
| 3 | #d54309 | Fast Loss |
| 4 | #00a398 | 獲得 |
| 5 | #1b1716 | Non-Processing Area Mask |
Land_Cover クラス テーブル
| 値 | 色 | 説明 |
|---|---|---|
| 1 | #005e00 | 木 |
| 2 | #008000 | Tall Shrubs & Trees Mix（SEAK のみ） |
| 3 | #00cc00 | 低木と樹木のミックス |
| 4 | #b3ff1a | 草/広葉草/ハーブと樹木の混合 |
| 5 | #99ff99 | Barren & Trees Mix |
| 6 | #b30088 | 背の高い低木（SEAK のみ） |
| 7 | #e68a00 | 低木 |
| 8 | #ffad33 | 草/広葉草/ハーブと低木のミックス |
| 9 | #ffe0b3 | 荒地と低木の混合 |
| 10 | #ffff00 | 草/広葉草/ハーブ |
| 11 | #aa7700 | Barren & Grass/Forb/Herb Mix |
| 12 | #d3bf9b | 裸地または不浸透性 |
| 13 | #ffffff | 雪または氷 |
| 14 | #4780f3 | 水 |
| 15 | #1b1716 | Non-Processing Area Mask |
Land_Use クラス テーブル
| 値 | 色 | 説明 |
|---|---|---|
| 1 | #efff6b | 農業 |
| 2 | #ff2ff8 | 先進市場 |
| 3 | #1b9d0c | 森 |
| 4 | #97ffff | 森林以外の湿地 |
| 5 | #a1a1a1 | その他 |
| 6 | #c2b34a | 牧草地または牧場 |
| 7 | #1b1716 | Non-Processing Area Mask |
画像プロパティ検出
画像プロパティ
| 名前 | 型 | 説明 |
|---|---|---|
| study_area | STRING | 現在、LCMS は CONUS、アラスカ南東部、プエルトリコ、米領バージン諸島を対象としています。このバージョンには、プエルトリコから米領バージン諸島までの出力が含まれています。 可能な値: 「PRUSVI」 |
利用規約
利用規約
米国農務省森林局は、商品性や特定目的への適合性に関する保証を含め、明示または黙示を問わず、いかなる保証も行いません。また、これらの地理空間データの正確性、信頼性、完全性、有用性、またはこれらの地理空間データの不適切な使用や誤った使用について、法的責任や義務を負いません。これらの地理空間データと関連する地図やグラフィックは、法的文書ではなく、法的文書として使用することを意図したものではありません。データと地図は、所有権、法的説明、境界、法的管轄区域、公有地または私有地に適用される可能性のある制限を判断するために使用することはできません。自然災害がデータや地図に表示される場合とされない場合があります。土地の利用者は十分な注意を払う必要があります。データは動的であり、時間の経過とともに変化する可能性があります。ユーザーは、地理空間データの制限事項を確認し、それに応じてデータを使用する責任を負います。
これらのデータは米国政府の資金を使用して収集されたもので、追加の権限や料金なしで使用できます。このデータを出版物、プレゼンテーション、その他の研究成果物で使用する場合は、次の引用を使用してください。
米国農務省森林局。2021. USFS 景観変化監視システム v2020.6（プエルトリコ - 米領バージン諸島のみ）。ユタ州ソルトレイクシティ。
引用
米国農務省森林局。2021. USFS 景観変化監視システム v2020.6（プエルトリコ - 米領バージン諸島のみ）。ユタ州ソルトレイクシティ。
Earth Engine で探索する
コードエディタ（JavaScript）
var dataset = ee.ImageCollection('USFS/GTAC/LCMS/v2020-6'); var lcms = dataset .filterDate('2020', '2021') // range: [1985, 2020] .filter('study_area == "PRUSVI"') // Puero Rico only in this version. .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(-66.42, 18.13, 9);