USFS Landscape Change Monitoring System v2022.8 (CONUS and OCONUS) [deprecated]

USFS/GTAC/LCMS/v2022-8
זמינות קבוצת הנתונים
1985-01-01T00:00:00Z–2022-12-31T00:00:00Z
מפיק מערך הנתונים
קטע קוד ל-Earth Engine
ee.ImageCollection("USFS/GTAC/LCMS/v2022-8")
תגים
שינוי
change-detection
יער
gtac
כיסוי השטח
נגזר מ-Landsat
שימוש בקרקע
landuse-landcover
lcm
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). הנתונים כוללים שינויים לפי מודל LCMS, כיסוי קרקע ו/או סיווגים של שימוש בקרקע לכל שנה שכוללת את CONUS ו-OCONUS.

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

הפלט כולל שלושה מוצרים שנתיים: שינוי, כיסוי קרקע ושימוש בקרקע. השינוי מתייחס באופן ספציפי לכיסוי צמחייה וכולל אובדן איטי, אובדן מהיר (שכולל גם שינויים הידרולוגיים כמו הצפה או התייבשות) ועלייה. הערכים האלה הם ערכים חזויים לכל שנה בסדרת הזמן של Landsat, והם משמשים כמוצרי הבסיס של LCMS. במפות של כיסוי הקרקע ושימוש הקרקע מוצגים כיסוי הקרקע ברמת צורת החיים ושימוש הקרקע ברמה רחבה לכל שנה.

מכיוון שאין אלגוריתם שמשיג את התוצאות הכי טובות בכל המצבים, מערכת LCMS משתמשת באנסמבל של מודלים ככלי לחיזוי, מה שמשפר את דיוק המפה במגוון רחב של מערכות אקולוגיות ותהליכי שינוי (Healey et al., 2018). חבילת המפות שמתקבלת, שכוללת שינויים ב-LCMS, כיסוי קרקע ושימוש בקרקע, מציגה תמונה הוליסטית של שינויים בנוף בארצות הברית במהלך ארבעת העשורים האחרונים.

שכבות החיזוי של מודל LCMS כוללות פלטים 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).

לצורך CCDC, נעשה שימוש בנתוני החזרת אור מפני השטח ברמה 1 של Landsat Collection 2 של הסקר הגאולוגי של ארצות הברית (USGS) עבור CONUS, ובנתוני החזרת אור בחלק העליון של האטמוספירה ברמה 1 של Landsat עבור SEAK, ‏ PRUSVI ו-HI. כדי ליצור תמונות מורכבות שנתיות עבור LandTrendr, נעשה שימוש בנתוני החזרת אור בחלק העליון של האטמוספירה ברמה 1 של Landsat Collection 2 של USGS ושל Sentinel 2A,‏ 2B. האלגוריתם cFmask לזיהוי עננים (Foga et al., ‫2017), שהוא הטמעה של Fmask 2.0 (Zhu and Woodcock, ‏ 2012) (Landsat-only), cloudScore (Chastain et al., ‫2019) (Landsat-only), and s2cloudless (Sentinel-Hub, 2021) (Sentinel 2-only) are used to mask clouds, while 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 הזמן המורכבת מפולחת באופן זמני באמצעות LandTrendr (קנדי ואחרים, 2010; קנדי ואחרים, 2018; כהן ואחרים, 2018).

כל הערכים שלא כוללים עננים וצללים של עננים מפולחים גם הם 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 המִפנה, הקוסינוס של המִפנה ומדדי המיקום הטופוגרפי (Weiss,‏ 2001) מנתוני תוכנית 3DEP של USGS (סקר גאולוגי של ארה"ב, 2019) ברזולוציה של 10 מ', משמשים כמשתנים בלתי תלויים לחיזוי במודל Random Forest (Breiman,‏ 2001).

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

מקורות מידע נוספים

אפשר לפנות אל [sm.fs.lcms@usda.gov] בכל שאלה או בקשה ספציפית לנתונים.

  • 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, של 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., קנדי, ר. E., and Gorelick, N., ‫2018. ‫LandTrendr multispectral ensemble לזיהוי הפרעות ביערות. בחישה מרחוק של הסביבה. ‫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

  • ‫U.S. Geological Survey, ‏ 2019. ‫USGS 3D Elevation Program Digital Elevation Model, accessed August 2022 at https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m

  • 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., יאנג, ל. (Yang, L.‎) וג'ו, ז. (Zhu, Z.‎), ‫2018. מיפוי שינויים ביערות באמצעות הכללה מוערמת: גישה של הרכבת מודלים. בחישה מרחוק של הסביבה. ‫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. ‫118: 83-94

  • Zhu, Z., and Woodcock, C. E., ‫2012. זיהוי עננים וצללים של עננים בתמונות Landsat על בסיס אובייקטים. בחישה מרחוק של הסביבה. 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 סוגים של שינויים (ירידה איטית, ירידה מהירה ועלייה). כל סיווג מחושב באמצעות מודל נפרד של יער אקראי, שמפיק הסתברות (פרופורציה של העצים במודל היער האקראי) שהפיקסל שייך לסיווג הזה. לכן, לכל פיקסל יש שלוש תוצאות שונות של המודל לכל שנה. הסיווגים הסופיים מוקצים לסיווג השינוי עם ההסתברות הכי גבוהה שגם גבוהה מסף שצוין. כל פיקסל שלא כולל ערך מעל הסף המתאים של כל סיווג מוקצה לסיווג Stable.
Land_Cover ‫30 מטרים

מוצר סופי של כיסוי קרקע (LCMS) לפי נושא. בכל שנה ממופים 14 סוגים של כיסוי קרקע 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 יש 14 פלטים שונים של מודלים לכל שנה, והסיווגים הסופיים מוקצים לכיסוי הקרקע עם ההסתברות הגבוהה ביותר. שבע מתוך 14 הסיווגים של כיסוי הקרקע מציינים כיסוי קרקע יחיד, שבו סוג כיסוי הקרקע מכסה את רוב השטח של הפיקסל ואף סיווג אחר לא מכסה יותר מ-10% מהפיקסל. יש גם שבעה שיעורים מעורבים. הפיקסלים האלה מייצגים אזורים שבהם סוג כיסוי קרקע נוסף מכסה לפחות 10% מהפיקסל.
Land_Use ‫30 מטרים

מוצר סופי של שימוש בקרקע ב-LCMS לפי נושאים. סך של 6 סוגי שימוש בקרקע ממופים על בסיס שנתי באמצעות נתוני ייחוס של TimeSync ומידע ספקטרלי שנגזר מתמונות Landsat. כל סוג מנובא באמצעות מודל נפרד של Random Forest, שמפיק הסתברות (פרופורציה של העצים בתוך מודל Random Forest) לכך שהפיקסל שייך לסוג הזה. לכן, לכל פיקסל יש 6 פלטים שונים של מודל לכל שנה, והסוגים הסופיים מוקצים לשימוש בקרקע עם ההסתברות הגבוהה ביותר.
Change_Raw_Probability_Slow_Loss ‫30 מטרים

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

  • ירידה מבנית – קרקע שבה עצים או צמחייה עשירה בעץ עוברים שינוי פיזי עקב תנאי גידול לא נוחים שנגרמים על ידי גורמים לא אנתרופוגניים או לא מכניים. בדרך כלל, סוג האובדן הזה יוצר מגמה באותות הספקטרליים (למשל, ירידה ב-NDVI, ירידה ברטיבות, עלייה ב-SWIR וכו'), אבל המגמה יכולה להיות עדינה. ירידה מבנית מתרחשת בסביבות צמחייה עשירה בעץ, 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 וב-spruce budworm, שעשויים להתאושש תוך שנה או שנתיים.

  • ירידה ספקטרלית – תרשים שבו האות הספקטרלי מראה מגמה באחד או יותר מהפסי ספקטרום או מהאינדקסים (למשל, ירידה ב-NDVI, ירידה בלחות, עלייה ב-SWIR וכו'). דוגמאות כוללות מקרים שבהם: א) צמחייה לא יערנית או לא עץית מראה מגמה שמצביעה על ירידה (למשל, ירידה ב-NDVI, ירידה בלחות, עלייה ב-SWIR וכו'), או ב) צמחייה עץית מראה מגמת ירידה שלא קשורה לאובדן של צמחייה עץית, למשל כשחופות של עצים בוגרים נסגרות וגורמות להצללה מוגברת, כששינוי בהרכב המינים הוא מעצים מחטניים לעצים רחבי עלים, או כשפרק זמן יבש (בניגוד לבצורת חזקה יותר וחדה יותר) גורם לירידה נראית לעין בחוזק הצמחייה, אבל לא לאובדן של חומר עץי או שטח עלים.
Change_Raw_Probability_Fast_Loss ‫30 מטרים

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

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

  • קציר – קרקע יערנית שבה עצים, שיחים או צמחייה אחרת נכרתו או הוסרו באמצעים אנתרופוגניים. דוגמאות כוללות כריתת עצים, כריתת עצים לאחר שריפה או התפרצות חרקים, דילול והנחיות אחרות לניהול יערות (למשל, כריתת עצים להגנה על עצים אחרים 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 משתנה בגלל רוח שמגיעה מהוריקנים, טורנדו, סופות ואירועי מזג אוויר קשים 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 חומרים טבעיים 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 מקטגוריות תהליך השינוי שמוגדרות למעלה.
Change_Raw_Probability_Gain ‫30 מטרים

הסתברות משוערת לשיפור במדד LCMS. מוגדרת כ: שטח שבו חל גידול בכיסוי הצמחייה כתוצאה מצמיחה ומסוקצסיה במשך שנה אחת או יותר. רלוונטי לכל האזורים שבהם עשוי להתרחש שינוי ספקטרלי שקשור לצמיחה מחדש של צמחייה. באזורים מפותחים, צמיחה יכולה לנבוע מהתבגרות של צמחייה או מדשאות וגינון חדשים. ביערות, צמיחה כוללת צמיחה של צמחייה מאדמה חשופה, וגם צמיחה של עצים בינוניים ועצים שולטים או של דשא ושיחים נמוכים יותר. סביר להניח שפלחים של צמיחה או התאוששות שנרשמו אחרי כריתת יערות יעברו בין סיווגים שונים של כיסוי קרקע כשהיער יתחדש. כדי שהשינויים האלה ייחשבו כצמיחה או התאוששות, הערכים הספקטרליים צריכים להיות קרובים 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 המחושבת של עצים לפי מודל LCMS. מוגדרת כך: רוב הפיקסל מורכב מעצים חיים או מעצים מתים שעומדים.
Land_Cover_Raw_Probability_Tall-Shrubs-and-Trees-Mix ‫30 מטרים

הסתברות גולמית של LCMS מודל של שיחים גבוהים ותערובת עצים (SEAK בלבד). מוגדרת כ: רוב הפיקסלים מורכב משיחים בגובה של יותר מ-1 מ' וגם מורכב לפחות מ-10% עצים חיים או עצים מתים.
Land_Cover_Raw_Probability_Shrubs-and-Trees-Mix ‫30 מטרים

ההסתברות המחושבת של תערובת שיחים ועצים במודל LCMS Raw. מוגדרת כ: רוב הפיקסלים מורכבים משיחים, וגם מורכבים מ-10% לפחות של עצים חיים או עצים מתים.
Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Trees-Mix ‫30 מטרים

ההסתברות המחושבת הגולמית של תערובת דשא/עשב/צמחים ועצים במודל LCMS. 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 המחושבת של תערובת של קרקע חשופה ועצים, על סמך נתוני LCMS. מוגדרת כך: רוב הפיקסל מורכב מקרקע חשופה שנחשפה כתוצאה מהפרעה (למשל, קרקע שנחשפה כתוצאה מפינוי מכני או כריתת יערות), וגם מאזורים חשופים באופן קבוע כמו מדבריות, מישורי מלח, סלעים חשופים (כולל מינרלים וחומרים גיאולוגיים אחרים שנחשפו כתוצאה מפעולות כרייה על פני השטח), דיונות חול, אגמי מלח וחופים. גם דרכים שעשויות מעפר ומחצץ נחשבות לקרקע חשופה, והן מורכבות גם מ-10% לפחות של עצים חיים או עצים מתים.
Land_Cover_Raw_Probability_Tall-Shrubs ‫30 מטרים

ההסתברות המחושבת של LCMS לשיחים גבוהים (דרום-מזרח אסיה בלבד). הגדרה: רוב הפיקסל 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 המחושבת של תערובת של עשבים, צמחים עשבוניים ושיחים. מוגדרת כך: רוב הפיקסל מורכב מעשבים רב-שנתיים, צמחים עשבוניים או צורות אחרות של צמחייה עשבונית, וגם מורכב משיחים בשיעור של 10% לפחות.
Land_Cover_Raw_Probability_Barren-and-Shrubs-Mix ‫30 מטרים

ההסתברות המחושבת של תערובת של שיחים ושטחים חשופים. מוגדרת כך: רוב הפיקסל מורכב מאדמה חשופה שנחשפה כתוצאה מהפרעה (למשל, אדמה שנחשפה כתוצאה מפינוי מכני או כריתת יערות), וגם מאזורים חשופים באופן קבוע כמו מדבריות, מישורי מלח, סלעים חשופים (כולל מינרלים וחומרים גיאולוגיים אחרים שנחשפו כתוצאה מפעולות כרייה על פני השטח), דיונות, מישורי מלח וחופים. גם דרכים שעשויות מאדמה ומחצץ נחשבות לשטחים חשופים, והן מורכבות גם משיחים בשיעור של לפחות 10%.
Land_Cover_Raw_Probability_Grass-Forb-Herb ‫30 מטרים

ההסתברות המחושבת של LCMS לכיסוי מלא של דשא, עשבים רחבי עלים או צמחי תבלין. ההגדרה: רוב הפיקסלים מורכבים מדשא רב-שנתי, עשבים רחבי עלים או צורות אחרות של צמחייה עשבונית.
Land_Cover_Raw_Probability_Barren-and-Grass-Forb-Herb-Mix ‫30 מטרים

ההסתברות הגולמית של LCMS שמוצגת במודל היא של קרקע חשופה ושל תערובת של עשבים, צמחים רחבי עלים ועשבי תיבול. ההגדרה היא: רוב הפיקסל מורכב מקרקע חשופה שנחשפה כתוצאה מהפרעה (למשל, קרקע שנחשפה כתוצאה מפינוי מכני או כריתת יערות), וגם מאזורים חשופים רב-שנתיים כמו מדבריות, אגמי 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 חשופה, והן מורכבות גם מ-10% לפחות של עשבים רב-שנתיים, צמחים רחבי עלים או צורות אחרות של צמחייה עשבונית.
Land_Cover_Raw_Probability_Barren-or-Impervious ‫30 מטרים

ההסתברות הגולמית של LCMS שמוצגת במודל לקרקע חשופה או בלתי חדירה. מוגדר כ: רוב הפיקסל מורכב מ-1) קרקע חשופה שנחשפה כתוצאה מהפרעה (למשל, קרקע שנחשפה כתוצאה מפינוי מכני או כריתת יערות), וגם אזורים 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 וחופים. כבישים שעשויים מעפר ומחצץ נחשבים גם הם כשטחים חשופים או כחומרים מלאכותיים שהמים לא יכולים לחדור דרכם, כמו כבישים סלולים, גגות וחניונים.
Land_Cover_Raw_Probability_Snow-or-Ice ‫30 מטרים

הסבירות המחושבת של שלג או קרח. מוגדרת כך: רוב הפיקסל מורכב משלג או מקרח.
Land_Cover_Raw_Probability_Water ‫30 מטרים

הסבירות המחושבת של מים במודל LCMS. מוגדרת כך: רוב הפיקסל מורכב ממים.
Land_Use_Raw_Probability_Agriculture ‫30 מטרים

ההסתברות המחושבת של חקלאות לפי מודל LCMS. מוגדרת כ: קרקע שמשמשת לייצור מזון, סיבים ודלקים, שנמצאת במצב צמחייה או במצב ללא צמחייה. כולל, בין היתר, שטחי גידול מעובדים ולא מעובדים, שטחי חציר, מטעים, כרמים, פעולות גידול בעלי חיים בשטח מוגבל ואזורים שנשתלו לצורך ייצור פירות, אגוזים או פירות יער. דרכים שמשמשות בעיקר לשימוש חקלאי (כלומר, לא משמשות לתחבורה ציבורית מעיר לעיר) נחשבות לשימוש חקלאי בקרקע.
Land_Use_Raw_Probability_Developed ‫30 מטרים

ההסתברות המחושבת 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

הסבירות המחושבת של יער על פי מודל LCMS. מוגדר כיער: שטח שבו נשתלו עצים או שצומחים בו עצים באופן טבעי, ושכולל (או סביר שיכלול) כיסוי עצים של 10% או יותר בשלב כלשהו במהלך רצף סוקצסיוני בטווח הקרוב. יכול להיות שהשטח כולל 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

הסתברות משוערת של ביצות שאינן יערות, על סמך נתוני LCMS גולמיים. ההגדרה: שטחים סמוכים למי תהום גלויים או בתוכם (רוויים באופן קבוע או עונתי), שבהם יש בעיקר שיחים או צמחים בולטים שאינם נעלמים. הביצות האלה יכולות להיות ממוקמות בחוף של אגמים, ערוצי נהרות או שפכי נהרות, במישורי הצפה של נהרות, באגני ניקוז מבודדים או במדרונות. הן יכולות גם להופיע כבריכות עונתיות בערבות, כתעלות ניקוז וכבריכות להשקיית בקר בנופים חקלאיים, וגם כאיים באמצע אגמים או נהרות. דוגמאות נוספות כוללות ביצות, אדמות כבול, ביצות טובעניות, ביצות טחב, ביצות עם מים עומדים, ביצות עם צמחייה עשבונית וביצות עם נהרות קטנים.
Land_Use_Raw_Probability_Other ‫30 מטרים

ההסתברות המחושבת של 'אחר' במודל LCMS. מוגדרת 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 שהוגדרו למעלה.
Land_Use_Raw_Probability_Rangeland-or-Pasture ‫30 מטרים

הסבירות המחושבת של אזור להיות שטח מרעה או אדמה חקלאית, על סמך מודל LCMS. ההגדרה: הקטגוריה הזו כוללת כל אזור שהוא א.) שטח מרעה, שבו הצמחייה היא תערובת של עשבים מקומיים, שיחים, עשבים רחבי עלים וצמחים דמויי עשב, שצומחים בעיקר כתוצאה מגורמים ותהליכים טבעיים כמו גשם, טמפרטורה, גובה ושריפות, למרות שניהול מוגבל עשוי לכלול גם שריפות מבוקרות וגם רעייה של אוכלי עשב ביתיים ופראיים; או ב.) אדמה חקלאית, שבה הצמחייה יכולה להיות מגוונת, בעיקר עשבים טבעיים, עשבים רחבי עלים ועשבי תיבול, או צמחייה מנוהלת יותר שבה יש בעיקר מיני עשבים 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

Slow Loss
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 שטח חשוף ועצים
6 #b30088

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

שיחים
8 #ffad33

תערובת של דשא, עשבים ושיחים
9 #ffe0b3

מיקס של צמחים עקרים ושיחים
10 #ffff00

עשב/צמח עשבוני/תבלין
11 #aa7700

Barren & Grass/Forb/Herb Mix
12 #d3bf9b

שומם 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, את פוארטו ריקו ואיי הבתולה של ארה"ב ואת הוואי. הגרסה הזו מכילה נתוני פלט באזורים הבאים: ארצות הברית הרציפה, דרום-מזרח אלסקה, פוארטו ריקו – איי הבתולה של ארה"ב והוואי. ערכים אפשריים: CONUS, SEAK, PRUSVI, HI
שנה INT

שנת המוצר

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 הנתונים הגיאו-מרחביים האלה, או לשימוש לא תקין או שגוי בנתונים הגיאו-מרחביים האלה. הנתונים הגיאו-מרחביים והמפות או הגרפיקות הקשורות לא מהווים מסמכים משפטיים, והם לא מיועדים לשימוש ככאלה. אסור להשתמש בנתונים ובמפות כדי לקבוע בעלות, תיאורים משפטיים או גבולות, 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 דינמיים ועשויים להשתנות עם הזמן. באחריות המשתמש לוודא מהן 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 האמריקאי (USDA). 2023. USFS Landscape Change Monitoring System v2022.8 (Conterminous United States and Southeastern Alaska). סולט לייק סיטי, יוטה.

ציטוטים ביבליוגרפיים

ציטוטים ביבליוגרפיים:

  • שירות היערות של משרד החקלאות האמריקאי (USDA). 2023. USFS Landscape Change Monitoring System v2022.8 (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/v2022-8');

var lcms = dataset.filterDate('2020', '2021')  // range: [1985, 2022]
               .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 אחרי שינויים בנוף (LCMS). הנתונים כוללים שינויים לפי מודל LCMS, כיסוי קרקע ו/או סיווגים של שימוש בקרקע לכל שנה, שכוללים את CONUS ו-OCONUS. ‫LCMS היא מערכת שמבוססת על חישה מרחוק למיפוי ולמעקב אחר שינויים בנוף ברחבי ארצות הברית. המטרה שלו …
USFS/GTAC/LCMS/v2022-8, change,change-detection,forest,gtac,landcover,landsat-derived,landuse,landuse-landcover,lcms,redcastle-resources,rmrs,sentinel2-derived,time-series,usda,usfs
1985-01-01T00:00:00Z/2022-12-31T00:00:00Z
20.38379 -135.286387 52.459364 -56.446306
Google Earth Engine