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

Thận trọng: Tập dữ liệu này đã được thay thế bằng USFS/GTAC/LCMS/v2024-10.

Phạm vi cung cấp tập dữ liệu

1985-06-01T00:00:00Z–2021-09-30T00:00:00Z

Nhà cung cấp tập dữ liệu

Trung tâm Công nghệ và ứng dụng không gian địa lý (GTAC) của Cục Lâm nghiệp Hoa Kỳ (USFS)

Đoạn mã Earth Engine

ee.ImageCollection("USFS/GTAC/LCMS/v2021-7")

Thẻ

thay đổi

change-detection

rừng

gtac

lớp phủ mặt đất

có nguồn gốc từ Landsat

landuse

landuse-landcover

lcms

redcastle-resources

rmrs

sentinel2-derived

chuỗi thời gian

usda

usfs

Mô tả

Sản phẩm này là một phần của bộ dữ liệu Hệ thống giám sát thay đổi cảnh quan (LCMS). Bản đồ này cho thấy sự thay đổi được mô hình hoá theo LCMS, lớp phủ đất và/hoặc các lớp sử dụng đất cho từng năm. Phiên bản LCMS này bao gồm phần lục địa Hoa Kỳ (CONUS) và Đông Nam Alaska (SEAK).

LCMS là một hệ thống dựa trên hoạt động viễn thám để lập bản đồ và giám sát sự thay đổi cảnh quan trên khắp Hoa Kỳ. Mục tiêu của dự án này là phát triển một phương pháp nhất quán bằng cách sử dụng công nghệ mới nhất và những tiến bộ trong việc phát hiện thay đổi để tạo ra một bản đồ "tốt nhất có thể" về sự thay đổi cảnh quan.

Đầu ra bao gồm 3 sản phẩm hằng năm: sự thay đổi, độ che phủ đất và việc sử dụng đất. Thay đổi này liên quan cụ thể đến độ che phủ của thảm thực vật và bao gồm cả sự mất mát chậm, mất mát nhanh (cũng bao gồm cả những thay đổi về thuỷ văn như ngập lụt hoặc khô cằn) và sự gia tăng. Những giá trị này được dự đoán cho từng năm trong chuỗi thời gian Landsat và đóng vai trò là sản phẩm cơ bản cho LCMS. Bản đồ độ che phủ và sử dụng đất mô tả độ che phủ đất ở cấp độ dạng sống và việc sử dụng đất ở cấp độ rộng cho từng năm.

Vì không có thuật toán nào hoạt động hiệu quả nhất trong mọi trường hợp, nên LCMS sử dụng một nhóm các mô hình làm yếu tố dự đoán, giúp cải thiện độ chính xác của bản đồ trên nhiều hệ sinh thái và quy trình thay đổi (Healey và cộng sự, 2018). Nhóm bản đồ thay đổi LCMS, độ che phủ đất và mục đích sử dụng đất thu được cho thấy một bức tranh tổng thể về sự thay đổi cảnh quan trên khắp Hoa Kỳ trong 4 thập kỷ qua.

Các lớp dự đoán cho mô hình LCMS bao gồm đầu ra từ các thuật toán phát hiện thay đổi LandTrendr và CCDC, cũng như thông tin về địa hình. Tất cả các thành phần này đều được truy cập và xử lý bằng Google Earth Engine (Gorelick và cộng sự, 2017).

Dữ liệu phản xạ cấp 1C ở phần trên cùng của khí quyển của Landsat cấp 1 và Sentinel 2A, 2B được sử dụng trực tiếp trong CCDC và để tạo ra các thành phần hằng năm cho LandTrendr. Thuật toán che mây cFmask (Foga và cộng sự, 2017), đây là một cách triển khai Fmask 2.0 (Zhu và Woodcock, 2012) (chỉ Landsat), cloudScore (Chastain và cộng sự, 2019) (chỉ Landsat) và s2cloudless (Sentinel-Hub, 2021) (chỉ Sentinel 2) được dùng để che mây, trong khi TDOM (Chastain và cộng sự, 2019) được dùng để che bóng mây (Landsat và Sentinel 2). Đối với LandTrendr, hệ thống sẽ tính toán medoid hằng năm để tóm tắt các giá trị không có mây và bóng mây của từng năm thành một hình ảnh tổng hợp duy nhất.

Chuỗi thời gian tổng hợp được phân đoạn theo thời gian bằng LandTrendr (Kennedy và cộng sự, 2010; Kennedy et al., 2018; Cohen et al., 2018).

Tất cả các giá trị không có mây và bóng mây cũng được phân đoạn tạm thời bằng thuật toán CCDC (Zhu và Woodcock, 2014).

Các giá trị tổng hợp thô, giá trị phù hợp của LandTrendr, chênh lệch theo cặp, thời lượng phân đoạn, độ lớn thay đổi và độ dốc, cũng như hệ số sin và cosin CCDC tháng 9 (3 hài hoà đầu tiên), giá trị phù hợp và chênh lệch theo cặp, cùng với độ cao, độ dốc, sin của hướng, cosin của hướng và chỉ số vị trí địa hình (Weiss, 2001) từ Tập dữ liệu độ cao quốc gia (NED) 10 m (Gesch và cộng sự, 2009) và đối với SEAK, NED 30 m được dùng làm các biến dự đoán độc lập trong mô hình Rừng ngẫu nhiên (Breiman, 2001).

Dữ liệu tham chiếu được thu thập bằng TimeSync, một công cụ dựa trên web giúp các nhà phân tích trực quan hoá và diễn giải bản ghi dữ liệu Landsat từ năm 1984 đến nay (Cohen và cộng sự, 2010).

Tài nguyên khác

• Ví dụ chi tiết hơn về mã sử dụng dữ liệu LCMS.

• LCMS Data Explorer là một ứng dụng dựa trên web, cho phép người dùng xem, phân tích, tóm tắt và tải dữ liệu LCMS xuống.

• Vui lòng xem Bản tóm tắt về các phương pháp LCMS để biết thêm thông tin chi tiết về các phương pháp và đánh giá độ chính xác, hoặc LCMS Geodata Clearinghouse để tải dữ liệu, siêu dữ liệu và tài liệu hỗ trợ.

Liên hệ với [[e-mail]] nếu bạn có câu hỏi hoặc yêu cầu cụ thể về dữ liệu. * Breiman, L., 2001. Rừng ngẫu nhiên. Trong công nghệ học máy. Springer, 45: 5-32 doi:10.1023/A:1010933404324

• Chastain, R., Housman, I., Goldstein, J., Finco, M. và Tenneson, K., 2019. So sánh thực nghiệm giữa các cảm biến của Sentinel-2A và 2B MSI, Landsat-8 OLI và Landsat-7 ETM về đặc điểm quang phổ ở phần trên cùng của khí quyển trên khắp Hoa Kỳ lục địa. Trong hoạt động Viễn thám môi trường. Science Direct, 221: 274-285 doi:10.1016/j.rse.2018.11.012

• Cohen, W. B., Yang, Z., và Kennedy, R., 2010. Phát hiện xu hướng về tình trạng suy thoái và phục hồi rừng bằng cách sử dụng chuỗi thời gian Landsat hằng năm: 2. TimeSync – Công cụ hiệu chuẩn và xác thực. Trong 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., và Gorelick, N., 2018. Một tổ hợp đa phổ LandTrendr để phát hiện tình trạng xáo trộn rừng. Trong lĩnh vực Viễn thám môi trường. 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., Hughes, M.J., Laue, B., 2017. So sánh và xác thực thuật toán phát hiện đám mây cho các sản phẩm dữ liệu Landsat đang hoạt động. Trong 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., và Carswell, W. J., 2009. Bản đồ quốc gia – Độ cao. Trong tờ thông tin, doi:10.3133/fs20093053

• 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., và Zhu, Z., 2018. Lập bản đồ sự thay đổi của rừng bằng cách sử dụng phương pháp tổng quát hoá xếp chồng: Một phương pháp kết hợp. Trong lĩnh vực Viễn thám môi trường. Science Direct, 204: 717-728 doi:10.1016/j.rse.2017.09.029

• Kennedy, R. E., Yang, Z. và Cohen, W. B., 2010. Phát hiện xu hướng về sự xáo trộn và phục hồi rừng bằng cách sử dụng chuỗi thời gian Landsat hằng năm: 1. LandTrendr – Thuật toán phân đoạn theo thời gian. Trong 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. và Healey, S., 2018. Triển khai thuật toán LandTrendr trên Google Earth Engine. Trong lĩnh vực Viễn thám. MDPI, 10(5): 691 doi:10.3390/rs10050691

• Sentinel-Hub, 2021. Trình phát hiện đám mây Sentinel 2. [Trực tuyến]. Có tại: https://github.com/sentinel-hub/sentinel2-cloud-detector

• Weiss, A.D., 2001. Topographic position and landforms analysis Poster Presentation (Trình bày áp phích về vị trí địa hình và phân tích địa hình), Hội nghị người dùng ESRI, San Diego, CAZhu, Z. và Woodcock, C. E. (2012). Phát hiện đám mây và bóng mây dựa trên đối tượng trong hình ảnh Landsat. Trong lĩnh vực Viễn thám môi trường. Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028

• Zhu, Z., và Woodcock, C. E., 2014. Liên tục phát hiện và phân loại thay đổi về mức độ bao phủ đất bằng cách sử dụng tất cả dữ liệu Landsat hiện có. Trong Remote Sensing of Environment. Science Direct, 144: 152-171 doi:10.1016/j.rse.2014.01.011

Băng tần

Kích thước pixel
30 mét

Băng tần

Tên	Kích thước pixel	Mô tả
Change	mét	Sản phẩm thay đổi LCMS theo chủ đề cuối cùng. Tổng cộng có 3 lớp thay đổi (giảm chậm, giảm nhanh và tăng) được lập bản đồ cho mỗi năm. Mỗi lớp được dự đoán bằng một mô hình Rừng ngẫu nhiên riêng biệt, mô hình này sẽ xuất ra một xác suất (tỷ lệ cây trong mô hình Rừng ngẫu nhiên) mà pixel thuộc về lớp đó. Do đó, mỗi pixel riêng lẻ có 3 đầu ra mô hình khác nhau cho mỗi năm. Các lớp cuối cùng được chỉ định cho lớp thay đổi có xác suất cao nhất, đồng thời cũng cao hơn một ngưỡng cụ thể. Mọi pixel không có giá trị nào cao hơn ngưỡng tương ứng của mỗi lớp đều được chỉ định cho lớp Ổn định.
Land_Cover	mét	Sản phẩm cuối cùng về độ che phủ đất theo chủ đề LCMS. Tổng cộng có 14 lớp phủ bề mặt đất được lập bản đồ hằng năm bằng cách sử dụng dữ liệu tham chiếu TimeSync và thông tin quang phổ lấy từ hình ảnh Landsat. Mỗi lớp được dự đoán bằng một mô hình Rừng ngẫu nhiên riêng biệt, mô hình này sẽ xuất ra một xác suất (tỷ lệ cây trong mô hình Rừng ngẫu nhiên) mà pixel thuộc về lớp đó. Do đó, mỗi pixel riêng lẻ có 14 đầu ra mô hình khác nhau cho mỗi năm và các lớp cuối cùng được chỉ định cho lớp phủ mặt đất có xác suất cao nhất. 7 trong số 14 lớp phủ bề mặt đất cho biết một lớp phủ bề mặt đất duy nhất, trong đó loại lớp phủ bề mặt đất đó bao phủ phần lớn diện tích của pixel và không có lớp nào khác bao phủ hơn 10% pixel. Ngoài ra còn có 7 lớp học hỗn hợp. Đây là những pixel mà một lớp phủ đất bổ sung bao phủ ít nhất 10% pixel.
Land_Use	mét	Sản phẩm cuối cùng về việc sử dụng đất theo chủ đề của LCMS. Tổng cộng có 6 loại hình sử dụng đất được lập bản đồ hằng năm bằng cách sử dụng dữ liệu tham chiếu TimeSync và thông tin quang phổ lấy từ hình ảnh Landsat. Mỗi lớp được dự đoán bằng một mô hình Rừng ngẫu nhiên riêng biệt, mô hình này sẽ xuất ra một xác suất (tỷ lệ cây trong mô hình Rừng ngẫu nhiên) mà pixel thuộc về lớp đó. Do đó, mỗi pixel riêng lẻ có 6 đầu ra mô hình khác nhau cho mỗi năm và các lớp cuối cùng được chỉ định cho mục đích sử dụng đất có xác suất cao nhất.
Change_Raw_Probability_Slow_Loss	mét	Xác suất được mô hình hoá LCMS thô về Tốc độ mất dữ liệu chậm. Được xác định là: Mất dữ liệu chậm bao gồm các lớp sau đây trong quá trình diễn giải quy trình thay đổi TimeSync – Suy thoái về cấu trúc – Đất nơi cây hoặc thảm thực vật thân gỗ khác bị thay đổi về mặt vật lý do điều kiện sinh trưởng không thuận lợi gây ra bởi các yếu tố không phải do con người hoặc không phải do cơ học. Loại tổn thất này thường tạo ra một xu hướng trong(các) tín hiệu quang phổ (ví dụ: NDVI giảm, Độ ẩm giảm; SWIR tăng; v.v.), tuy nhiên, xu hướng này có thể không rõ ràng. Tình trạng suy giảm cấu trúc xảy ra trong môi trường thực vật thân gỗ, rất có thể là do côn trùng, bệnh tật, hạn hán, mưa axit, v.v. Tình trạng suy giảm cấu trúc có thể bao gồm các sự kiện rụng lá không dẫn đến tử vong, chẳng hạn như trong trường hợp bị sâu bướm Gypsy và sâu đục chồi cây vân sam xâm nhập. Những trường hợp này có thể phục hồi trong vòng 1 hoặc 2 năm. Suy giảm quang phổ – Một biểu đồ trong đó tín hiệu quang phổ cho thấy xu hướng ở một hoặc nhiều dải quang phổ hoặc chỉ số (ví dụ: NDVI giảm, Độ ẩm giảm; SWIR tăng; v.v.). Ví dụ: a) thảm thực vật không phải rừng/không phải cây gỗ cho thấy xu hướng suy giảm (ví dụ: NDVI giảm, Độ ẩm giảm; SWIR tăng; v.v.), hoặc b) thảm thực vật có cây gỗ cho thấy xu hướng suy giảm không liên quan đến việc mất thảm thực vật có cây gỗ, chẳng hạn như khi tán cây trưởng thành khép lại dẫn đến việc tăng bóng đổ, khi thành phần loài thay đổi từ cây lá kim sang cây gỗ cứng hoặc khi một thời kỳ khô hạn (trái ngược với hạn hán nghiêm trọng hơn) gây ra sự suy giảm rõ ràng về sức sống, nhưng không làm mất vật liệu gỗ hoặc diện tích lá.
Change_Raw_Probability_Fast_Loss	mét	Xác suất mất dữ liệu nhanh được mô hình hoá theo LCMS thô. Được xác định là: Mất dữ liệu nhanh bao gồm các lớp sau trong quá trình diễn giải thay đổi TimeSync – Cháy – Đất bị thay đổi do cháy, bất kể nguyên nhân gây cháy (tự nhiên hoặc do con người), mức độ nghiêm trọng hoặc mục đích sử dụng đất. Thu hoạch – Đất rừng nơi cây, cây bụi hoặc thảm thực vật khác đã bị chặt hoặc loại bỏ bằng các phương tiện do con người tạo ra. Ví dụ: khai thác trắng, khai thác gỗ cứu hộ sau khi cháy hoặc dịch hại do côn trùng, tỉa thưa và các quy định khác về quản lý rừng (ví dụ: khai thác gỗ theo phương pháp bảo vệ/gieo hạt). Cơ giới – Đất không phải rừng, nơi cây, cây bụi hoặc thảm thực vật khác bị chặt hoặc loại bỏ bằng phương pháp cơ giới như dùng xích, cào, cưa cây bụi, ủi hoặc bất kỳ phương pháp nào khác để loại bỏ thảm thực vật không phải rừng. Gió/băng – Đất (bất kể mục đích sử dụng) có thảm thực vật bị gió làm thay đổi do bão, lốc xoáy, bão tố và các sự kiện thời tiết khắc nghiệt khác, bao gồm cả mưa đóng băng do bão băng. Thuỷ văn học – Đất nơi lũ lụt đã làm thay đổi đáng kể lớp phủ gỗ hoặc các yếu tố khác của lớp phủ đất, bất kể mục đích sử dụng đất (ví dụ: hỗn hợp mới của sỏi và thảm thực vật trong và xung quanh lòng suối sau lũ lụt). Mảnh vụn – Đất (bất kể mục đích sử dụng) bị thay đổi do sự di chuyển của vật liệu tự nhiên liên quan đến lở đất, tuyết lở, núi lửa, dòng mảnh vụn, v.v. Khác – Đất (bất kể mục đích sử dụng) nơi xu hướng quang phổ hoặc bằng chứng hỗ trợ khác cho thấy đã xảy ra một sự kiện gây xáo trộn hoặc thay đổi nhưng không xác định được nguyên nhân chính xác hoặc loại thay đổi không đáp ứng bất kỳ danh mục quy trình thay đổi nào được xác định ở trên.
Change_Raw_Probability_Gain	mét	Xác suất tăng trưởng được mô hình hoá của LCMS thô. Định nghĩa: Đất có độ che phủ thực vật tăng lên do quá trình sinh trưởng và diễn thế trong một hoặc nhiều năm. Áp dụng cho mọi khu vực có thể thể hiện sự thay đổi về quang phổ liên quan đến sự tái sinh của thảm thực vật. Ở những khu vực đã phát triển, sự tăng trưởng có thể là do thảm thực vật trưởng thành và/hoặc bãi cỏ và cảnh quan mới được lắp đặt. Trong rừng, sự tăng trưởng bao gồm sự tăng trưởng của thảm thực vật từ đất trống, cũng như sự vượt trội của cây trung gian và cây đồng ưu thế và/hoặc cỏ và cây bụi ở vùng đất thấp hơn. Các phân đoạn Tăng trưởng/Phục hồi được ghi lại sau khi thu hoạch rừng có thể chuyển đổi qua các lớp phủ đất khác nhau khi rừng tái sinh. Để những thay đổi này được coi là tăng trưởng/phục hồi, các giá trị quang phổ phải tuân thủ chặt chẽ đường xu hướng tăng (ví dụ: độ dốc dương, nếu kéo dài đến khoảng 20 năm, sẽ có thứ tự là 0,10 đơn vị NDVI) và duy trì trong vài năm.
Land_Cover_Raw_Probability_Trees	mét	Xác suất thô được mô hình hoá của LCMS đối với Cây. Được định nghĩa là: Phần lớn pixel bao gồm cây còn sống hoặc cây chết đứng.
Land_Cover_Raw_Probability_Tall-Shrubs-and-Trees-Mix	mét	Xác suất được mô hình hoá LCMS thô của hỗn hợp Cây bụi và cây cao (Chỉ Đông Nam Alaska). Được định nghĩa là: Phần lớn pixel bao gồm các bụi cây cao hơn 1 mét và cũng bao gồm ít nhất 10% cây còn sống hoặc cây chết đứng.
Land_Cover_Raw_Probability_Shrubs-and-Trees-Mix	mét	Xác suất được mô hình hoá LCMS thô của hỗn hợp Cây bụi và Cây. Được xác định là: Phần lớn pixel bao gồm cây bụi và cũng bao gồm ít nhất 10% cây còn sống hoặc cây chết đứng.
Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Trees-Mix	mét	Xác suất thô được mô hình hoá theo LCMS của hỗn hợp Cỏ/Cây thân thảo/Thảo dược và Cây. Được xác định là: Phần lớn pixel bao gồm các loại cỏ lâu năm, cây thân thảo hoặc các dạng thực vật thân thảo khác, đồng thời cũng bao gồm ít nhất 10% cây còn sống hoặc cây chết đứng.
Land_Cover_Raw_Probability_Barren-and-Trees-Mix	mét	Xác suất được mô hình hoá thô của LCMS đối với hỗn hợp Đất cằn và Cây. Được xác định là: Phần lớn pixel bao gồm đất trống do hoạt động gây xáo trộn tạo ra (ví dụ: đất do hoạt động dọn dẹp bằng máy móc hoặc khai thác rừng tạo ra), cũng như các khu vực cằn cỗi quanh năm như sa mạc, hồ nước mặn khô cạn, mỏm đá (bao gồm cả khoáng chất và các vật liệu địa chất khác do hoạt động khai thác mỏ lộ thiên tạo ra), cồn cát, vùng đất mặn và bãi biển. Đường làm bằng đất và sỏi cũng được coi là đất cằn và cũng bao gồm ít nhất 10% cây còn sống hoặc cây chết đứng.
Land_Cover_Raw_Probability_Tall-Shrubs	mét	Xác suất được mô hình hoá LCMS thô của Cây bụi cao (Chỉ Đông Nam Alaska). Được xác định là: Phần lớn pixel bao gồm các bụi cây cao hơn 1 m.
Land_Cover_Raw_Probability_Shrubs	mét	Xác suất được mô hình hoá thô của LCMS đối với Cây bụi. Được xác định là: Phần lớn pixel bao gồm cây bụi.
Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Shrubs-Mix	mét	Xác suất thô được mô hình hoá theo LCMS của hỗn hợp Cỏ/Cây thân thảo/Thảo dược và Cây bụi. Được định nghĩa là: Phần lớn pixel bao gồm các loại cỏ lâu năm, cây thân thảo hoặc các dạng thực vật thân thảo khác và cũng bao gồm ít nhất 10% cây bụi.
Land_Cover_Raw_Probability_Barren-and-Shrubs-Mix	mét	Xác suất thô theo mô hình LCMS của hỗn hợp đất cằn và cây bụi. Được xác định là: Phần lớn pixel bao gồm đất trống do hoạt động gây xáo trộn tạo ra (ví dụ: đất do hoạt động dọn dẹp bằng máy móc hoặc khai thác rừng tạo ra), cũng như các khu vực cằn cỗi quanh năm như sa mạc, hồ nước mặn khô cạn, mỏm đá (bao gồm cả khoáng chất và các vật liệu địa chất khác do hoạt động khai thác mỏ lộ thiên tạo ra), cồn cát, vùng đất mặn và bãi biển. Đường làm bằng đất và sỏi cũng được coi là cằn cỗi và cũng có ít nhất 10% là cây bụi.
Land_Cover_Raw_Probability_Grass-Forb-Herb	mét	Xác suất thô được mô hình hoá của LCMS đối với Cỏ/Cây thân thảo/Thảo dược. Được định nghĩa là: Phần lớn điểm ảnh bao gồm các loại cỏ lâu năm, cây thân thảo hoặc các dạng thực vật thân thảo khác.
Land_Cover_Raw_Probability_Barren-and-Grass-Forb-Herb-Mix	mét	Xác suất được mô hình hoá LCMS thô của hỗn hợp Đất cằn và Cỏ/Cây lá rộng/Cây thân thảo. Được xác định là: Phần lớn pixel bao gồm đất trống do hoạt động gây xáo trộn (ví dụ: đất do hoạt động dọn dẹp bằng máy móc hoặc khai thác rừng làm lộ ra), cũng như các khu vực cằn cỗi quanh năm như sa mạc, playa, đá lộ thiên (bao gồm cả khoáng chất và các vật liệu địa chất khác do hoạt động khai thác mỏ lộ thiên làm lộ ra), cồn cát, vùng đất mặn và bãi biển. Đường làm bằng đất và sỏi cũng được coi là cằn cỗi và cũng bao gồm ít nhất 10% cỏ lâu năm, cây thân thảo hoặc các dạng thực vật thân thảo khác.
Land_Cover_Raw_Probability_Barren-or-Impervious	mét	Xác suất được mô hình hoá LCMS thô của Đất cằn hoặc Đất không thấm nước. Được định nghĩa là: Phần lớn pixel bao gồm 1) đất trống do hoạt động gây xáo trộn (ví dụ: đất do hoạt động dọn dẹp bằng máy móc hoặc khai thác rừng làm lộ ra), cũng như các khu vực cằn cỗi quanh năm như sa mạc, hồ nước cạn, mỏm đá (bao gồm khoáng chất và các vật liệu địa chất khác do hoạt động khai thác mỏ lộ thiên làm lộ ra), cồn cát, vùng đất mặn và bãi biển. Đường làm bằng đất và sỏi cũng được coi là đất cằn hoặc 2) vật liệu nhân tạo mà nước không thể thấm qua, chẳng hạn như đường trải nhựa, mái nhà và bãi đỗ xe.
Land_Cover_Raw_Probability_Snow-or-Ice	mét	Xác suất được mô hình hoá thô của LCMS về Tuyết hoặc Băng. Được xác định là: Phần lớn pixel được tạo thành từ tuyết hoặc băng.
Land_Cover_Raw_Probability_Water	mét	Xác suất được mô hình hoá thô của LCMS về Nước. Được định nghĩa là: Phần lớn pixel bao gồm nước.
Land_Use_Raw_Probability_Agriculture	mét	Xác suất thô được mô hình hoá của LCMS đối với Nông nghiệp. Được định nghĩa là: Đất được dùng để sản xuất thực phẩm, sợi và nhiên liệu, ở trạng thái có hoặc không có thảm thực vật. Điều này bao gồm nhưng không giới hạn ở đất trồng trọt và đất chưa trồng trọt, đất trồng cỏ khô, vườn cây ăn quả, vườn nho, hoạt động chăn nuôi gia súc trong không gian hạn chế và khu vực trồng để sản xuất trái cây, các loại hạt hoặc quả mọng. Đường chủ yếu dùng cho mục đích nông nghiệp (tức là không dùng cho phương tiện công cộng đi từ thị trấn này sang thị trấn khác) được coi là đất nông nghiệp.
Land_Use_Raw_Probability_Developed	mét	Xác suất thô được mô hình hoá của LCMS về trạng thái Đã phát triển. Được định nghĩa là: Đất được bao phủ bởi các công trình nhân tạo (ví dụ: khu dân cư mật độ cao, thương mại, công nghiệp, khai thác mỏ hoặc giao thông vận tải), hoặc hỗn hợp cả thảm thực vật (bao gồm cả cây) và công trình (ví dụ: khu dân cư mật độ thấp, bãi cỏ, cơ sở giải trí, nghĩa trang, hành lang giao thông vận tải và tiện ích, v.v.), bao gồm cả bất kỳ vùng đất nào bị thay đổi chức năng do hoạt động của con người.
Land_Use_Raw_Probability_Forest	mét	Xác suất được mô hình hoá LCMS thô của Forest. Được định nghĩa là: Đất được trồng hoặc có thảm thực vật tự nhiên và có (hoặc có khả năng có) độ che phủ của cây từ 10% trở lên tại một thời điểm nào đó trong chuỗi diễn thế ngắn hạn. Điều này có thể bao gồm các danh mục rừng tự nhiên, rừng trồng và vùng đất ngập nước có cây gỗ rụng lá, thường xanh và/hoặc hỗn hợp.
Land_Use_Raw_Probability_Non-Forest-Wetland	mét	Xác suất được mô hình hoá LCMS thô của Đất ngập nước không phải rừng. Được xác định là: Vùng đất liền kề hoặc nằm trong mực nước ngầm có thể nhìn thấy (bão hoà vĩnh viễn hoặc theo mùa) có nhiều cây bụi hoặc cây mọc thẳng lâu năm. Những vùng đất ngập nước này có thể nằm ở bờ hồ, lòng sông hoặc cửa sông; trên vùng lũ của sông; trong các lưu vực biệt lập; hoặc trên sườn dốc. Chúng cũng có thể xuất hiện dưới dạng các hố nước trên đồng cỏ, mương thoát nước và ao chứa nước cho gia súc ở vùng nông nghiệp, cũng như có thể xuất hiện dưới dạng các hòn đảo ở giữa hồ hoặc sông. Các ví dụ khác cũng bao gồm đầm lầy, đầm lầy than bùn, đầm lầy nước ngọt, đầm lầy lún, đầm lầy than bùn, đầm lầy nước ngọt, đầm lầy than bùn và đầm lầy nước ngọt.
Land_Use_Raw_Probability_Other	mét	Xác suất được mô hình hoá thô của LCMS về danh mục Khác. Được xác định là: Đất (bất kể mục đích sử dụng) mà xu hướng quang phổ hoặc bằng chứng hỗ trợ khác cho thấy đã xảy ra sự kiện xáo trộn hoặc thay đổi nhưng không thể xác định nguyên nhân chính xác hoặc loại thay đổi không đáp ứng bất kỳ danh mục quy trình thay đổi nào được xác định ở trên.
Land_Use_Raw_Probability_Rangeland-or-Pasture	mét	Xác suất thô theo mô hình LCMS của Đất đồng cỏ hoặc Đất chăn thả. Được xác định là: Lớp này bao gồm mọi khu vực thuộc một trong các trường hợp sau: a.) Đất chăn thả, nơi thảm thực vật là sự kết hợp giữa các loại cỏ, cây bụi, cây thân thảo và cây giống cỏ bản địa, phần lớn xuất phát từ các yếu tố và quy trình tự nhiên như lượng mưa, nhiệt độ, độ cao và lửa, mặc dù hoạt động quản lý hạn chế có thể bao gồm cả việc đốt có kiểm soát cũng như hoạt động chăn thả của động vật ăn cỏ hoang dã và gia súc; hoặc b.) Đồng cỏ, nơi thảm thực vật có thể bao gồm nhiều loại cỏ, cây thân thảo và thảo mộc tự nhiên đến thảm thực vật được quản lý nhiều hơn, chủ yếu là các loài cỏ được gieo hạt và quản lý để duy trì gần như độc canh.
QA_Bits	mét	Thông tin bổ sung về nguồn gốc của các giá trị đầu ra của sản phẩm LCMS hằng năm.
Bitmask cho QA_Bits Bit 0: Pixel có được nội suy hay không. 0: Nội suy 1: Không được nội suy Bit 1-5: Cảm biến mà pixel đến từ đó. 4: Landsat 4 5: Landsat 5 7: Landsat 7 8: Landsat 8 21: Sentinel 2A 22: Sentinel 2B Bit 6-14: Ngày Julian mà pixel đến từ (1-365).

Thay đổi bảng lớp

Giá trị	Màu	Mô tả
1	#3d4551	Ổn định
2	#f39268	Tổn thất chậm
3	#d54309	Giảm cân nhanh
4	#00a398	Độ nhạy
5	#1b1716	Mặt nạ vùng không xử lý

Bảng phân loại độ che phủ đất

Giá trị	Màu	Mô tả
1	#005e00	Cây
2	#008000	Hỗn hợp cây bụi và cây cao (Chỉ ở Đông Nam Á)
3	#00cc00	Danh sách kết hợp cây bụi và cây
4	#b3ff1a	Hỗn hợp cỏ/cây thân thảo/thảo mộc và cây
5	#99ff99	Cảnh vật cằn cỗi và cây cối
6	#b30088	Cây bụi cao (Chỉ ở Đông Nam Alaska)
7	#e68a00	Cây bụi
8	#ffad33	Hỗn hợp cỏ/cây thân thảo/thảo mộc và cây bụi
9	#ffe0b3	Hỗn hợp đất cằn và cây bụi
10	#ffff00	Cỏ/Cây thân thảo/Thảo mộc
11	#aa7700	Hỗn hợp đất cằn và cỏ/cây thân thảo/thảo mộc
12	#d3bf9b	Cằn cỗi hoặc Không thấm nước
13	#ffffff	Tuyết hoặc băng
14	#4780f3	Nước
15	#1b1716	Mặt nạ vùng không xử lý

Bảng phân loại việc sử dụng đất

Giá trị	Màu	Mô tả
1	#efff6b	Nông nghiệp
2	#ff2ff8	Đã phát triển
3	#1b9d0c	Rừng
4	#97ffff	Đất ngập nước không phải là rừng
5	#a1a1a1	Khác
6	#c2b34a	Đồng cỏ hoặc bãi chăn thả
7	#1b1716	Mặt nạ vùng không xử lý

Thuộc tính hình ảnh

Thuộc tính hình ảnh

Tên	Loại	Mô tả
study_area	STRING	LCMS hiện bao gồm các vùng lãnh thổ liền kề của Hoa Kỳ, Đông Nam Alaska và Puerto Rico – Quần đảo Virgin thuộc Hoa Kỳ. Phiên bản này chứa dữ liệu đầu ra trên khắp Hoa Kỳ lục địa và Đông Nam Alaska. Giá trị có thể là: "CONUS, SEAK"

Điều khoản sử dụng

Điều khoản sử dụng

Cục Lâm nghiệp Hoa Kỳ không bảo đảm, dù công khai hay ngầm định, bao gồm cả bảo đảm về khả năng tiêu thụ và tính phù hợp cho một mục đích cụ thể, cũng như không chịu trách nhiệm pháp lý hoặc trách nhiệm về tính chính xác, độ tin cậy, tính đầy đủ hoặc tính hữu ích của dữ liệu không gian địa lý này, hoặc về việc sử dụng không đúng cách hoặc không chính xác dữ liệu không gian địa lý này. Những dữ liệu không gian địa lý và bản đồ hoặc đồ hoạ liên quan này không phải là tài liệu pháp lý và không được dùng làm tài liệu pháp lý. Bạn không được sử dụng dữ liệu và bản đồ để xác định tiêu đề, quyền sở hữu, nội dung mô tả hoặc ranh giới pháp lý, quyền tài phán pháp lý hoặc các hạn chế có thể áp dụng đối với đất công hoặc đất tư. Dữ liệu và bản đồ có thể mô tả hoặc không mô tả các mối nguy hiểm tự nhiên, đồng thời người dùng đất nên thận trọng. Dữ liệu này mang tính linh hoạt và có thể thay đổi theo thời gian. Người dùng chịu trách nhiệm xác minh các hạn chế của dữ liệu không gian địa lý và sử dụng dữ liệu đó cho phù hợp.

Những dữ liệu này được thu thập bằng nguồn vốn của Chính phủ Hoa Kỳ và có thể được sử dụng mà không cần có thêm quyền hoặc trả thêm phí. Nếu bạn sử dụng những dữ liệu này trong một ấn phẩm, bản trình bày hoặc sản phẩm nghiên cứu khác, vui lòng sử dụng thông tin trích dẫn sau:

Cục Lâm nghiệp Hoa Kỳ. 2022. Hệ thống giám sát thay đổi cảnh quan của USFS phiên bản 2021.7 (Hoa Kỳ lục địa và Đông Nam Alaska). Thành phố Salt Lake, Utah.

Trích dẫn

Trích dẫn:

• Cục Lâm nghiệp Hoa Kỳ. 2022. Hệ thống giám sát thay đổi cảnh quan của USFS phiên bản 2021.7 (Hoa Kỳ lục địa và Đông Nam Alaska). Thành phố Salt Lake, Utah.

Khám phá bằng Earth Engine

Quan trọng: Earth Engine là một nền tảng để phân tích khoa học và trực quan hoá các tập dữ liệu không gian địa lý ở quy mô petabyte, vừa mang lại lợi ích cho cộng đồng, vừa phục vụ người dùng doanh nghiệp và chính phủ. Bạn có thể sử dụng Earth Engine miễn phí cho mục đích nghiên cứu, giáo dục và phi lợi nhuận. Để bắt đầu, vui lòng đăng ký quyền truy cập vào Earth Engine.

Trình soạn thảo mã (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);

Mở trong Trình soạn thảo mã

Hệ thống giám sát thay đổi cảnh quan của USFS phiên bản 2021.7 (Hoa Kỳ lục địa và Đông Nam Alaska) [không dùng nữa]

Sản phẩm này là một phần của bộ dữ liệu Hệ thống giám sát thay đổi cảnh quan (LCMS). Bản đồ này cho thấy sự thay đổi theo mô hình LCMS, lớp phủ thực vật và/hoặc các lớp sử dụng đất cho từng năm. Phiên bản LCMS này bao gồm phần lục địa Hoa Kỳ (CONUS) và Đông Nam Alaska (SEAK). LCMS là một hệ thống dựa trên công nghệ viễn thám để lập bản đồ và giám sát cảnh quan…

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

https://developers.google.com/earth-engine/datasets