USFS Landscape Change Monitoring System v2021.7 (Conterminous United States and Southeastern Alaska) [deprecated]

USFS/GTAC/LCMS/v2021-7
זמינות קבוצת הנתונים
1985-06-01T00:00:00Z–2021-09-30T00:00:00Z
מפיק מערך הנתונים
קטע קוד ל-Earth Engine
ee.ImageCollection("USFS/GTAC/LCMS/v2021-7")
תגים
שינוי
change-detection
יער
gtac
כיסוי השטח
נגזר מ-Landsat
שימוש בקרקע
landuse-landcover
lcms
redcastle-resources
rmrs
sentinel2-derived
פעולות על ציר הזמן
USDA
usfs

תיאור

המוצר הזה הוא חלק מחבילת הנתונים של מערכת למעקב אחרי שינויים בנוף (LCMS). מוצגים שינויים לפי מודל LCMS, כיסוי קרקע ו/או סיווגים של שימוש בקרקע לכל שנה. גרסת ה-LCMS הזו מכסה את ארצות הברית הרציפה (CONUS) ואת דרום-מזרח אלסקה (SEAK).

‫LCMS היא מערכת שמבוססת על חישה מרחוק למיפוי ולמעקב אחרי שינויים בנוף בארצות הברית. המטרה היא לפתח גישה עקבית באמצעות הטכנולוגיה העדכנית וההתפתחויות האחרונות בזיהוי שינויים, כדי ליצור מפה של שינויים בנוף ברמת הדיוק הכי גבוהה שאפשר.

הפלט כולל שלושה מוצרים שנתיים: שינוי, כיסוי קרקע ושימוש בקרקע. השינוי קשור באופן ספציפי לכיסוי צמחייה וכולל אובדן איטי, אובדן מהיר (שכולל גם שינויים הידרולוגיים כמו הצפה או ייבוש) ועלייה. הערכים האלה נחזים לכל שנה בסדרת הזמן של Landsat ומשמשים כמוצרי הבסיס של LCMS. מפות כיסוי השטח ומפות השימוש בקרקע מתארות את כיסוי השטח ברמת צורת החיים ואת השימוש בקרקע ברמה רחבה בכל שנה.

מכיוון שאין אלגוריתם שמשיג את התוצאות הכי טובות בכל המצבים, LCMS משתמשת באנסמבל של מודלים ככלי חיזוי, מה שמשפר את דיוק המפה במגוון של מערכות אקולוגיות ותהליכי שינוי (Healey et al., 2018). התוצאה היא סדרה של מפות שמציגות שינויים ב-LCMS, כיסוי קרקע ושימוש בקרקע, ומספקות תמונה הוליסטית של שינויים בנוף בארצות הברית במהלך ארבעת העשורים האחרונים.

שכבות החיזוי של מודל LCMS כוללות פלט מאלגוריתמים לזיהוי שינויים של LandTrendr ו-CCDC, ומידע על השטח. הגישה לכל הרכיבים האלה והעיבוד שלהם מתבצעים באמצעות Google Earth Engine (Gorelick et al., ‫2017).

נתונים של החזרת אור בחלק העליון של האטמוספרה (TOA) ברמה 1C של Landsat Tier 1 ושל Sentinel 2A ו-2B משמשים ישירות ב-CCDC וליצירת תמונות מורכבות שנתיות עבור LandTrendr. האלגוריתם cFmask לזיהוי עננים (Foga et al., ‫2017), שהוא הטמעה של Fmask 2.0 (Zhu and Woodcock, ‏ 2012) (Landsat בלבד), cloudScore (Chastain et al., ‫2019) (Landsat-only), ו-s2cloudless (Sentinel-Hub, 2021) (Sentinel 2-only) משמשים למיסוך עננים, בעוד ש-TDOM (Chastain et al., ‫2019) משמשת להסתרת צללי עננים (Landsat ו-Sentinel 2). ב-LandTrendr, המערכת מחשבת את המדואיד השנתי כדי לסכם את הערכים ללא עננים וצללי עננים מכל שנה לקומפוזיט יחיד.

סדרת הזמנים המורכבת מפולחת באופן זמני באמצעות LandTrendr (Kennedy ‫2010; Kennedy et al., ‫2018; Cohen et al., 2018).

כל הערכים שבהם אין עננים וצללי עננים מפולחים גם באופן זמני באמצעות אלגוריתם CCDC (Zhu and Woodcock, ‏ 2014).

הערכים המורכבים הגולמיים, הערכים המותאמים של LandTrendr, ההבדלים בין זוגות, משך הפלח, גודל השינוי והשיפוע, ומקדמי הסינוס והקוסינוס של CCDC בספטמבר (3 ההרמוניות הראשונות), הערכים המותאמים וההבדלים בין זוגות, יחד עם הגובה, השיפוע, הסינוס של ההיבט, הקוסינוס של ההיבט ומדדי המיקום הטופוגרפי (Weiss, 2001) מתוך מערך נתוני הגובה הלאומי (NED) ברזולוציה של 10 מ' (Gesch et al., ‫2009) ו-SEAK, נעשה שימוש ב-NED של 30 מ', משמשים כמשתנים בלתי תלויים לחיזוי במודל Random Forest (בריימן, 2001).

נתוני ההשוואה נאספים באמצעות TimeSync, כלי מבוסס-אינטרנט שעוזר לאנליסטים להציג את היסטוריית הנתונים של Landsat משנת 1984 ועד היום ולפרש אותם (Cohen et al., 2010).

מקורות מידע נוספים

אם יש לכם שאלות או בקשות ספציפיות לגבי נתונים, אפשר לפנות אל [sm.fs.lcms@usda.gov]. * Breiman, L., 2001. Random Forests. ב-Machine Learning. Springer, 45: 5-32 doi:10.1023/A:1010933404324

  • Chastain, R., Housman, I., Goldstein, J., Finco, M., and Tenneson, K., ‫2019. השוואה אמפירית בין חיישנים של Sentinel-2A ו-2B MSI, ‏ Landsat-8 OLI ו-Landsat-7 ETM, ‏ מאפיינים ספקטרליים בחלק העליון של האטמוספירה מעל ארצות הברית הרציפה. בחישה מרחוק של הסביבה. Science Direct, 221: 274-285 doi:10.1016/j.rse.2018.11.012

  • Cohen, W. B., ‫Yang, Z., and Kennedy, R., ‫2010. זיהוי מגמות בהפרעות ביערות ובהתאוששות שלהם באמצעות סדרות זמן שנתיות של Landsat: 2. TimeSync – כלים לכיול ולאימות. ב-Remote Sensing of Environment. Science Direct, 114(12): 2911-2924 doi:10.1016/j.rse.2010.07.010

  • Cohen, W. B., יאנג, ז. (Yang, Z.‎), Healey, S. P., Kennedy, R. E., and Gorelick, N., ‫2018. ‫LandTrendr multispectral ensemble לזיהוי הפרעות ביערות. ב-Remote Sensing of Environment. ‫Science Direct, 205: 131-140 doi:10.1016/j.rse.2017.11.015

  • Foga, S., Scaramuzza, P.L., Guo, S., Zhu, Z., Dilley, R.D., Beckmann, T., Schmidt, G.L., Dwyer, J.L., יוז, מ.ג'יי (Hughes, M.J.‎), Laue, B., 2017. השוואה ואימות של אלגוריתם לזיהוי עננים במוצרי נתונים תפעוליים של Landsat. ב-Remote Sensing of Environment. Science Direct, 194: 379-390 doi:10.1016/j.rse.2017.03.026

  • Gesch, D., Evans, G., Mauck, J., Hutchinson, J., & Carswell, W. J., ‫2009. The National Map - Elevation. In Fact Sheet, doi:10.3133/fs20093053

  • Healey, S. P., Cohen, W. B., יאנג, ז. (Yang, Z.‎), Kenneth Brewer, C., Brooks, E. B., Gorelick, N., Hernandez, A. J., Huang, C., ג'וזף יוז, מ', 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. מיפוי שינויים ביערות באמצעות הכללה מוערמת: גישה של שילוב מודלים. ב-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. זיהוי מגמות בהפרעות ביערות ובהתאוששות שלהם באמצעות סדרות זמן שנתיות של Landsat: 1. LandTrendr – אלגוריתמים לפילוח זמני. ב-Remote Sensing of Environment. Science Direct, 114(12): 2897-2910 doi:10.1016/j.rse.2010.07.008

  • Kennedy, R., יאנג, ז. (Yang, Z.‎), Gorelick, N., Braaten, J., Cavalcante, L., Cohen, W., and Healey, S., ‫2018. הטמעה של אלגוריתם LandTrendr ב-Google Earth Engine. בחישה מרחוק. MDPI, 10(5): 691 doi:10.3390/rs10050691

  • Sentinel-Hub, 2021. Sentinel 2 Cloud Detector. [אונליין]. זמין בכתובת: https://github.com/sentinel-hub/sentinel2-cloud-detector

  • Weiss, A.D., 2001. ניתוח של מיקום טופוגרפי וצורות נוף. מצגת פוסטר, כנס משתמשי Esri, סן דייגו, קליפורניה.

  • Zhu, Z., and Woodcock, C. ה. (2012). זיהוי עננים וצללים של עננים בתמונות Landsat על בסיס אובייקטים. ב-Remote Sensing of Environment. Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028

  • Zhu, Z., and Woodcock, C. E., ‫2014. זיהוי רציף של שינויים וסיווג של כיסוי הקרקע באמצעות כל הנתונים הזמינים של Landsat. ב-Remote Sensing of Environment. ‫Science Direct, 144: 152-171 doi:10.1016/j.rse.2014.01.011

תחום תדרים

תחום תדרים

גודל הפיקסל: 30 מטרים (כל הפסים)

שם גודל הפיקסל תיאור
Change ‫30 מטרים

שינוי סופי במוצר LCMS לפי נושא. בכל שנה ממופים שלושה סוגי שינויים (ירידה איטית, ירידה מהירה ועלייה). כל מחלקה נחזית באמצעות מודל נפרד של יער אקראי, שמפיק הסתברות (שיעור העצים במודל היער האקראי) שהפיקסל שייך למחלקה הזו. לכן, לכל פיקסל יש שלוש תוצאות שונות של המודל לכל שנה. הכיתות הסופיות מוקצות לכיתת השינוי עם ההסתברות הכי גבוהה שגם גבוהה מסף שצוין. לכל פיקסל שלא מוגדר לו ערך מעל הסף המתאים של כל סיווג, מוקצה הסיווג Stable.
Land_Cover ‫30 מטרים

מוצר סופי של כיסוי השטח ב-LCMS לפי נושא. בכל שנה ממופים 14 סוגים של כיסוי פני השטח באמצעות נתוני ייחוס של TimeSync ומידע ספקטרלי שמופק מתמונות Landsat. כל סיווג מחושב באמצעות מודל נפרד של יער אקראי, שמפיק הסתברות (החלק היחסי של העצים במודל היער האקראי) לכך שהפיקסל שייך לסיווג הזה. לכן, לכל פיקסל יש 14 פלטים שונים של המודל לכל שנה, והסיווגים הסופיים משויכים לכיסוי הקרקע עם ההסתברות הגבוהה ביותר. שבעה מתוך 14 סוגי הכיסוי הקרקעי מציינים כיסוי קרקעי יחיד, שבו סוג הכיסוי הקרקעי הזה מכסה את רוב שטח הפיקסל ואף סוג אחר לא מכסה יותר מ-10% מהפיקסל. יש גם שבעה שיעורים מעורבים. הפיקסלים האלה מייצגים אזורים שבהם סוג קרקע נוסף מכסה לפחות 10% מהפיקסל.
Land_Use ‫30 מטרים

מוצר סופי של שימוש קרקע נושאי ב-LCMS. במסגרת המיפוי השנתי, ממופים 6 סוגים של שימוש בקרקע באמצעות נתוני ייחוס של TimeSync ומידע ספקטרלי שנגזר מתמונות Landsat. כל סיווג מחושב באמצעות מודל נפרד של יער אקראי, שמפיק הסתברות (החלק היחסי של העצים במודל היער האקראי) לכך שהפיקסל שייך לסיווג הזה. לכן, לכל פיקסל בודד יש 6 פלטים שונים של מודלים לכל שנה, והסיווגים הסופיים מוקצים לשימוש בקרקע עם ההסתברות הגבוהה ביותר.
Change_Raw_Probability_Slow_Loss ‫30 מטרים

ההסתברות הגולמית של LCMS שחושבה לאובדן איטי. ההגדרה: אובדן איטי כולל את המחלקות הבאות מפרשנות תהליך השינוי של TimeSync –

  • ירידה מבנית – קרקע שבה עצים או צמחייה מעוצה אחרת משתנים פיזית בגלל תנאי גידול לא נוחים שנובעים מגורמים לא אנתרופוגניים או לא מכניים. בדרך כלל, אובדן מהסוג הזה יוצר מגמה באותות הספקטרליים (למשל, ירידה ב-NDVI, ירידה ברטיבות, עלייה ב-SWIR וכו'), אבל המגמה יכולה להיות עדינה. ירידה מבנית מתרחשת בסביבות של צמחייה מעוצה, לרוב כתוצאה מחרקים, מחלות, בצורת, גשם חומצי וכו'. ירידה מבנית יכולה לכלול אירועים של נשירת עלים שלא מובילים לתמותה, כמו במקרים של נגיעות בעש צועני ובתולעת ניצני האשוח, שמהם הצמחייה עשויה להתאושש תוך שנה או שנתיים.

  • ירידה ספקטרלית – תרשים שבו האות הספקטרלי מציג מגמה באחד או יותר מהפסי הספקטרליים או מהאינדקסים (למשל, ירידה ב-NDVI, ירידה ברטיבות, עלייה ב-SWIR וכו'). דוגמאות למקרים כאלה: א) צמחייה לא יערנית ולא מעוצה שמראה מגמה שמצביעה על ירידה (למשל, ירידה ב-NDVI, ירידה ברטיבות, עלייה ב-SWIR וכו'), או ב) צמחייה מעוצה שמראה מגמת ירידה שלא קשורה לאובדן של צמחייה מעוצה, למשל כשחופות של עצים בוגרים נסגרות וגורמות להצללה מוגברת, כששינוי בהרכב המינים עובר מעצים מחטניים לעצים רחבי עלים, או כשמזג אוויר יבש (בניגוד לבצורת חזקה יותר וחדה יותר) גורם לירידה ניכרת בחוזק הצמחייה, אבל לא לאובדן של חומר מעוצה או שטח עלים.
Change_Raw_Probability_Fast_Loss ‫30 מטרים

ההסתברות המחושבת של אובדן מהיר, על סמך נתוני LCMS גולמיים. ההגדרה: אובדן מהיר כולל את המחלקות הבאות מפרשנות של תהליך השינוי TimeSync –

  • שריפה – קרקע שעברה שינוי כתוצאה משריפה, ללא קשר לגורם ההצתה (טבעי או אנתרופוגני), לחומרה או לשימוש בקרקע.

  • קציר – שטח יער שבו עצים, שיחים או צמחייה אחרת נכרתו או הוסרו באמצעים אנתרופוגניים. דוגמאות לכך הן כריתת עצים, כריתת עצים לאחר שריפה או התפרצות של חרקים, דילול עצים והנחיות אחרות לניהול יערות (למשל כריתת עצים להגנה על עצים צעירים או כריתת עצים להפצת זרעים).

  • מכני – קרקע לא מיוערת שבה עצים, שיחים או צמחייה אחרת נחתכו או הוסרו באופן מכני באמצעות שרשור, גירוד, ניסור שיחים, דחפור או כל שיטה אחרת להסרת צמחייה שלא נמצאת ביער.

  • רוח/קרח – קרקע (ללא קשר לשימוש) שבה הצמחייה השתנתה כתוצאה מרוח שמקורה בהוריקנים, בטורנדו, בסופות ובאירועי מזג אוויר חמורים אחרים, כולל גשם מקפיא מסופות קרח.

  • הידרולוגיה – קרקע שבה הצפות שינו באופן משמעותי את כיסוי העצים או רכיבים אחרים של כיסוי הקרקע, ללא קשר לשימוש בקרקע (למשל, תערובות חדשות של חצץ וצמחייה בתוך אפיקי נחלים ובסביבתם אחרי הצפה).

  • פסולת – קרקע (ללא קשר לשימוש) שעברה שינוי כתוצאה מתנועת חומר טבעי שקשורה למפולות, לשלגים, להרי געש, לזרמי פסולת וכו'.

  • אחר – קרקע (ללא קשר לשימוש) שבה המגמה הספקטרלית או ראיות תומכות אחרות מצביעות על כך שהתרחשו הפרעה או אירוע שינוי, אבל לא ניתן לקבוע את הסיבה הסופית או שסוג השינוי לא עומד באף אחת מהקטגוריות של תהליך השינוי שהוגדרו למעלה.
Change_Raw_Probability_Gain ‫30 מטרים

ההסתברות הגולמית של LCMS לרווח, כפי שהיא מחושבת על ידי המודל. הגדרה: קרקע שבה חל גידול בכיסוי הצמחייה כתוצאה מצמיחה ומסוקצסיה במשך שנה אחת או יותר. השיטה הזו מתאימה לכל האזורים שבהם עשויים להופיע שינויים ספקטרליים שקשורים לצמיחה מחדש של צמחייה. באזורים מפותחים, הצמיחה יכולה להיות תוצאה של צמחייה בוגרת או של מדשאות וגינון חדשים. ביערות, הצמיחה כוללת צמיחה של צמחייה מאדמה חשופה, וגם צמיחה של עצים בינוניים ועצים שולטים מעל עצים אחרים, ו/או צמיחה של דשא ושיחים נמוכים יותר. סביר להניח שפלחים של צמיחה או התאוששות שנרשמו אחרי כריתת יערות יעברו דרך סיווגים שונים של כיסוי קרקע, ככל שהיער יתחדש. כדי שהשינויים האלה ייחשבו כצמיחה או כהתאוששות, הערכים הספקטרליים צריכים להתאים באופן הדוק לקו מגמה עולה (למשל, שיפוע חיובי שאם יורחב ל-20 שנה בערך, יהיה בסדר גודל של 0.10 יחידות של NDVI) שנמשך כמה שנים.
Land_Cover_Raw_Probability_Trees ‫30 מטרים

ההסתברות הגולמית של עצים שחושבה על ידי מודל LCMS. ההגדרה היא: רוב הפיקסלים מורכבים מעצים חיים או מעצים מתים שעומדים.
Land_Cover_Raw_Probability_Tall-Shrubs-and-Trees-Mix ‫30 מטרים

ההסתברות הגולמית שחושבה על ידי מודל LCMS לכיסוי של שיחים ועצים גבוהים (דרום-מזרח אסיה בלבד). הגדרה: רוב הפיקסל מורכב משיחים בגובה של יותר ממטר אחד, וגם מורכב מ-10% לפחות של עצים חיים או עצים מתים שעומדים.
Land_Cover_Raw_Probability_Shrubs-and-Trees-Mix ‫30 מטרים

ההסתברות הגולמית שחושבה על סמך מודל LCMS לכיסוי של שיחים ועצים. הגדרה: רוב הפיקסל מורכב משיחים, וגם מורכב לפחות מ-10% עצים חיים או עצים מתים שעומדים.
Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Trees-Mix ‫30 מטרים

ההסתברות הגולמית שחושבה על סמך מודל LCMS לכיסוי של תערובת של דשא, עשבים ועצים. הגדרה: רוב הפיקסל מורכב מדשאים רב-שנתיים, מצמחי מרפא או מצורות אחרות של צמחייה עשבונית, וגם מורכב מ-10% לפחות של עצים חיים או עצים מתים שעומדים.
Land_Cover_Raw_Probability_Barren-and-Trees-Mix ‫30 מטרים

ההסתברות הגולמית שחושבה על סמך מודל LCMS לכיסוי של קרקע חשופה ועצים. הגדרה: רוב הפיקסל מורכב מאדמה חשופה שנחשפה כתוצאה מהפרעה (למשל, אדמה שנחשפה כתוצאה מפינוי מכני או כריתת יערות), וגם מאזורים שוממים באופן קבוע כמו מדבריות, מישורי מלח, סלעים חשופים (כולל מינרלים וחומרים גיאולוגיים אחרים שנחשפו כתוצאה מפעולות כרייה על פני השטח), דיונות חול, מישורי מלח וחופים. גם דרכים שעשויות מעפר ומחצץ נחשבות לקרקע לא פורייה, וגם הן כוללות לפחות 10% עצים חיים או עצים מתים שעומדים.
Land_Cover_Raw_Probability_Tall-Shrubs ‫30 מטרים

ההסתברות הגולמית של LCMS שמוצגת במודל לגבי שיחים גבוהים (דרום-מזרח אסיה בלבד). מוגדר כ: רוב הפיקסלים מורכב משיחים בגובה של יותר ממטר.
Land_Cover_Raw_Probability_Shrubs ‫30 מטרים

ההסתברות הגולמית של שיחים שחושבה על ידי מודל LCMS. הגדרה: רוב הפיקסל מורכב משיחים.
Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Shrubs-Mix ‫30 מטרים

ההסתברות הגולמית שחושבה על ידי מודל LCMS לכיסוי של דשא/עשב/צמחי תבלין ושיחים. הגדרה: רוב הפיקסל מורכב מדשאים רב-שנתיים, מצמחי מרפא או מצורות אחרות של צמחייה עשבונית, וגם מורכב משיחים בשיעור של 10% לפחות.
Land_Cover_Raw_Probability_Barren-and-Shrubs-Mix ‫30 מטרים

ההסתברות הגולמית של תערובת של צמחים חשופים ושיחים, שחושבה על ידי מודל LCMS. הגדרה: רוב הפיקסל מורכב מאדמה חשופה שנחשפה כתוצאה מהפרעה (למשל, אדמה שנחשפה כתוצאה מפינוי מכני או כריתת יערות), וגם מאזורים שוממים באופן קבוע כמו מדבריות, מישורי מלח, סלעים חשופים (כולל מינרלים וחומרים גיאולוגיים אחרים שנחשפו כתוצאה מפעולות כרייה על פני השטח), דיונות חול, מישורי מלח וחופים. כבישים שעשויים מעפר ומחצץ נחשבים גם הם לקרקע חשופה, וכוללים לפחות 10% שיחים.
Land_Cover_Raw_Probability_Grass-Forb-Herb ‫30 מטרים

ההסתברות הגולמית שחושבה על סמך נתוני LCMS לכיסוי של דשא/עשב/צמח. הגדרה: רוב הפיקסל מורכב מדשאים רב-שנתיים, מצמחי מרפא או מצורות אחרות של צמחייה עשבונית.
Land_Cover_Raw_Probability_Barren-and-Grass-Forb-Herb-Mix ‫30 מטרים

ההסתברות הגולמית שחושבה על ידי מודל LCMS לכיסוי של שטח חשוף ותערובת של דשא, עשבים רחבי עלים ועשבים. הגדרה: רוב הפיקסל מורכב מאדמה חשופה שנחשפה כתוצאה מהפרעה (למשל, אדמה שנחשפה כתוצאה מפינוי מכני או כריתת יערות), וגם מאזורים שוממים באופן קבוע כמו מדבריות, מישורי מלח, סלעים חשופים (כולל מינרלים וחומרים גיאולוגיים אחרים שנחשפו כתוצאה מפעילויות כרייה על פני השטח), דיונות חול וחופים. גם דרכים שעשויות מעפר ומחצץ נחשבות לקרקע לא פורייה, והן כוללות לפחות 10% של עשבים רב-שנתיים, עשבי תיבול או צורות אחרות של צמחייה עשבונית.
Land_Cover_Raw_Probability_Barren-or-Impervious ‫30 מטרים

ההסתברות הגולמית שחושבה על ידי מודל LCMS לכיסוי של שטח חשוף או בלתי חדיר. ההגדרה: רוב הפיקסלים מורכב מ-1) אדמה חשופה שנחשפה כתוצאה מהפרעה (למשל, אדמה שנחשפה כתוצאה מפינוי מכני או כריתת יערות), וגם מאזורים שוממים באופן קבוע כמו מדבריות, מישורי מלח, סלעים חשופים (כולל מינרלים וחומרים גיאולוגיים אחרים שנחשפו כתוצאה מפעולות כרייה על פני השטח), דיונות חול, אגמי מלח וחוף. כבישים שעשויים מעפר ומחצץ נחשבים גם הם כשטחים לא פוריים או כ-2) חומרים מעשה ידי אדם שמים לא יכולים לחדור אליהם, כמו כבישים סלולים, גגות ומגרשי חנייה.
Land_Cover_Raw_Probability_Snow-or-Ice ‫30 מטרים

הסבירות הגולמית שחושבה על ידי מודל LCMS לשלג או לקרח. ההגדרה: רוב הפיקסל מורכב משלג או מקרח.
Land_Cover_Raw_Probability_Water ‫30 מטרים

הסבירות הגולמית למים שחושבה על ידי מודל LCMS. ההגדרה: רוב הפיקסל מורכב ממים.
Land_Use_Raw_Probability_Agriculture ‫30 מטרים

ההסתברות הגולמית שחושבה על ידי מודל LCMS לכיסוי של שטחים חקלאיים. הגדרה: קרקע שמשמשת לייצור מזון, סיבים ודלקים, שנמצאת במצב צמחי או לא צמחי. האיסור הזה כולל, בין היתר, שטחי גידול מעובדים ולא מעובדים, שטחי חציר, מטעים, כרמים, שטחי גידול של בעלי חיים ושטחים שבהם נשתלו פירות, אגוזים או פירות יער למטרות ייצור. כבישים שמשמשים בעיקר לשימוש חקלאי (כלומר, לא משמשים לתחבורה ציבורית מעיר לעיר) נחשבים לשימוש בקרקע חקלאית.
Land_Use_Raw_Probability_Developed ‫30 מטרים

ההסתברות המחושבת הגולמית של LCMS לסטטוס 'פותח'. הגדרה: קרקע שמכוסה במבנים מעשה ידי אדם (למשל, מגורים בצפיפות גבוהה, מסחר, תעשייה, כרייה או תחבורה), או תערובת של צמחייה (כולל עצים) ומבנים (למשל, מגורים בצפיפות נמוכה, מדשאות, מתקני פנאי, בתי קברות, מסדרונות תחבורה ושירותים וכו'), כולל כל קרקע שעברה שינוי פונקציונלי כתוצאה מפעילות אנושית.
Land_Use_Raw_Probability_Forest ‫30 מטרים

ההסתברות הגולמית המבוססת על מודל של LCMS ליער. מוגדר כ: שטח שבו יש צמחייה טבעית או צמחייה שנשתלה, ושכולל (או סביר שיכלול) צל עצים של 10% או יותר בשלב כלשהו במהלך רצף סוקצסיוני בטווח הקצר. יכול להיות שהסיווג יכלול יערות טבעיים נשירים, יערות טבעיים ירוקי עד או יערות טבעיים מעורבים, מטעי יער וביצות עם צמחייה מעוצה.
Land_Use_Raw_Probability_Non-Forest-Wetland ‫30 מטרים

ההסתברות הגולמית שחושבה על ידי מודל LCMS לביצות שאינן יערות. מוגדר כ: שטחים סמוכים או בתוך מי תהום גלויים (רוויים באופן קבוע או עונתי) שבהם יש בעיקר שיחים או צמחים שצומחים מעל פני המים. שטחי הביצות האלה יכולים להיות ממוקמים לכיוון החוף מאגמים, מערוצי נהרות או משפכי נהרות; במישורי הצפה של נהרות; באזורי ניקוז מבודדים; או במדרונות. הם יכולים להופיע גם כבריכות בערבות, כתעלות ניקוז וכבריכות להשקיית בקר בנופים חקלאיים, וגם כאיים באמצע אגמים או נהרות. דוגמאות נוספות כוללות גם ביצות, אדמות כבול, ביצות מלוחות, ביצות טובעניות, ביצות טחב, ביצות עשבוניות, ביצות אלקליות וביצות עם נהרות איטיים.
Land_Use_Raw_Probability_Other ‫30 מטרים

ההסתברות הגולמית של LCMS שמוצגת כ'אחר'. מוגדר כ: קרקע (ללא קשר לשימוש) שבה המגמה הספקטרלית או ראיות תומכות אחרות מצביעות על כך שהתרחשו הפרעה או אירוע שינוי, אבל לא ניתן לקבוע את הסיבה הסופית או שסוג השינוי לא עומד באף אחת מקטגוריות תהליך השינוי שמוגדרות למעלה.
Land_Use_Raw_Probability_Rangeland-or-Pasture ‫30 מטרים

ההסתברות הגולמית שחושבה על ידי מודל LCMS של שטחי מרעה. מוגדר כ: המחלקה הזו כוללת כל אזור שהוא א.) שטחי מרעה, שבהם הצמחייה היא תערובת של עשבים מקומיים, שיחים, עשבוניים וצמחים דמויי עשב, שנובעים ברובם מגורמים ותהליכים טבעיים כמו גשם, טמפרטורה, גובה ושריפה, למרות שניהול מוגבל עשוי לכלול גם שריפה מבוקרת וגם רעייה של אוכלי עשב מבויתים ופראיים; או ב) שטחי מרעה שבהם הצמחייה יכולה להיות מגוונת, עם דשא טבעי, עשבים וצמחים אחרים, או צמחייה מנוהלת יותר שבה יש בעיקר מיני דשא שנזרעו וטופלו כדי לשמור על מצב של כמעט חד-תרבות.
QA_Bits ‫30 מטרים

מידע נוסף על המקור של ערכי הפלט השנתיים של מוצר LCMS.

טבלת שינוי סיווג

ערך צבע תיאור
1 #3d4551

אורווה
2 #f39268

ירידה איטית
3 #d54309

הפסד מהיר
4 #00a398

הגברה
5 #1b1716

מסכה של אזור שלא עובר עיבוד

טבלת סיווג Land_Cover

ערך צבע תיאור
1 #005e00

עצים
2 #008000

Tall Shrubs & Trees Mix (SEAK Only)
3 #00cc00

מיקס של שיחים ועצים
4 #b3ff1a

תערובת של דשא, עשבים ועצים
5 #99ff99

מיקס של נוף מדברי ועצים
6 #b30088

שיחים גבוהים (דרום-מזרח אסיה בלבד)
7 #e68a00

שיחים
8 #ffad33

תערובת של עשבים, צמחים ועשבי תיבול ושיחים
9 #ffe0b3

מיקס של צמחייה דלילה ושיחים
10 #ffff00

עשב/צמח עשבוני/תבלין
11 #aa7700

Barren & Grass/Forb/Herb Mix
12 #d3bf9b

חשוף או אטום
13 #ffffff

שלג או קרח
14 #4780f3

מים
15 #1b1716

מסכה של אזור שלא עובר עיבוד

טבלת סיווג Land_Use

ערך צבע תיאור
1 #efff6b

חקלאות
2 #ff2ff8

פותח
3 #1b9d0c

יער
4 #97ffff

אדמה בוצית (ביצה) ללא יער
5 #a1a1a1

אחר
6 #c2b34a

שטחי מרעה
7 #1b1716

מסכה של אזור שלא עובר עיבוד

מאפייני תמונה

מאפייני תמונה

שם סוג תיאור
study_area מחרוזת

נכון לעכשיו, מערכת LCMS מכסה את ארצות הברית הרציפה, את דרום-מזרח אלסקה ואת פוארטו ריקו ואיי הבתולה של ארה"ב. הגרסה הזו מכילה נתוני פלט באזורים הבאים: ארצות הברית הרציפה ודרום-מזרח אלסקה. ערכים אפשריים: CONUS, SEAK

תנאים והגבלות

תנאים והגבלות

שירות היערות של משרד החקלאות האמריקאי לא נותן אחריות, מפורשת או משתמעת, כולל אחריות לסחירות ולהתאמה למטרה מסוימת, ולא נושא באחריות משפטית או באחריות כלשהי לדיוק, למהימנות, לשלמות או לשימושיות של נתונים גיאו-מרחביים אלה, או לשימוש לא תקין או שגוי בנתונים הגיאו-מרחביים האלה. הנתונים הגיאו-מרחביים האלה והמפות או הגרפיקות הקשורות לא מהווים מסמכים משפטיים, והם לא נועדו לשמש כמסמכים כאלה. אין להשתמש בנתונים ובמפות כדי לקבוע בעלות, תיאורים או גבולות משפטיים, סמכות שיפוט או הגבלות שעשויות לחול על קרקע ציבורית או פרטית. יכול להיות שסכנות טבעיות יופיעו בנתונים ובמפות, ויכול להיות שלא. לכן, משתמשים בקרקע צריכים לנקוט משנה זהירות. הנתונים הם דינמיים ועשויים להשתנות עם הזמן. המשתמש אחראי לאמת את המגבלות של הנתונים הגיאו-מרחביים ולהשתמש בנתונים בהתאם.

הנתונים האלה נאספו במימון ממשלת ארה"ב, ואפשר להשתמש בהם ללא הרשאות או עמלות נוספות. אם אתם משתמשים בנתונים האלה בפרסום, במצגת או במוצר מחקר אחר, עליכם לציין את המקור הבא:

שירות היערות של משרד החקלאות של ארה"ב. ‫2022. USFS Landscape Change Monitoring System v2021.7 (Conterminous United States and Southeastern Alaska). סולט לייק סיטי, יוטה.

ציטוטים ביבליוגרפיים

ציטוטים ביבליוגרפיים:

  • שירות היערות של משרד החקלאות של ארה"ב. ‫2022. USFS Landscape Change Monitoring System v2021.7 (Conterminous United States and Southeastern Alaska). סולט לייק סיטי, יוטה.

סיור עם פלטפורמת Earth Engine

עורך קוד (JavaScript)

‫
var dataset = ee.ImageCollection('USFS/GTAC/LCMS/v2021-7');

var lcms = dataset.filterDate('2020', '2021')  // range: [1985, 2021]
               .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);
פתיחה ב-Code Editor
המוצר הזה הוא חלק מחבילת הנתונים של מערכת למעקב אחר שינויים בנוף (LCMS). מוצגים שינויים לפי מודל LCMS, כיסוי קרקע ו/או סיווגים של שימוש בקרקע לכל שנה. גרסת ה-LCMS הזו מכסה את ארצות הברית הרציפה (CONUS) ואת דרום-מזרח אלסקה (SEAK). ‫LCMS היא מערכת מבוססת חישה מרחוק למיפוי ולמעקב אחר נוף…
USFS/GTAC/LCMS/v2021-7, change,change-detection,forest,gtac,landcover,landsat-derived,landuse,landuse-landcover,redcastle-resources,rmrs,sentinel2-derived,time-series,usda,usfs
1985-06-01T00:00:00Z/2021-09-30T00:00:00Z
20.38379 -135.286387 52.459364 -56.446306
Google Earth Engine