USFS Landscape Change Monitoring System v2023.9 (CONUS and OCONUS) [deprecated]

זמינות קבוצת הנתונים: 1985-01-01T00:00:00Z–2023-12-31T00:00:00Z
יוצר מערך הנתונים: USDA Forest Service (USFS) Geospatial Technology and Applications Center (GTAC)

תגים: change-detection

יער

gtac

כיסוי השטח

נגזר מ-Landsat

שימוש בקרקע

landuse-landcover

lcms

redcastle-resources

sentinel-derived

פעולות על ציר הזמן

usda

usfs

תיאור

המוצר הזה הוא חלק מחבילת הנתונים של Landscape Change Monitoring System (מערכת למעקב אחר שינויים בנוף, LCMS). הנתונים כוללים שינויים שנוצרו באמצעות מודל LCMS, כיסוי קרקע ו/או סיווגים של שימוש בקרקע לכל שנה שחלה על ארצות הברית הרציפה (CONUS) ועל אזורים מחוץ ל-CONUS ‏ (OCONUS) שכוללים את דרום-מזרח אלסקה (SEAK), פורטו ריקו ואיי הבתולה של ארה"ב (PRUSVI) והוואי (HI).

מערכת LCMS היא מערכת שמבוססת על חישה מרחוק למיפוי ולמעקב אחר שינויים בנוף בארצות הברית. המטרה שלה היא לפתח גישה עקבית באמצעות הטכנולוגיה העדכנית ביותר וההתפתחויות 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 ייבוש) ועלייה. הערכים האלה הם ערכים חזויים לכל שנה בסדרת הזמן של Landsat, והם משמשים כמוצרי הבסיס של LCMS. במפות של כיסוי הקרקע ושימוש הקרקע מוצג כיסוי הקרקע ברמת צורת החיים ושימוש הקרקע ברמה רחבה בכל שנה.

מכיוון שאין אלגוריתם שמשיג את התוצאות הכי טובות בכל המצבים, מערכת LCMS משתמשת באוסף של מודלים ככלי חיזוי, מה שמשפר את דיוק המפה במגוון של מערכות אקולוגיות ותהליכי שינוי (Healey et al., 2018). חבילת המפות שמתקבלת כוללת שינויים ב-LCMS, כיסוי קרקע ושימוש בקרקע, ומציעה תיאור הוליסטי של שינויים בנוף בארצות הברית מאז 1985.

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

ל-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 ו-2B. 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), s2cloudless (Sentinel-Hub, 2021) and Cloud Score plus (Pasquarella et al., ‫2023) (Sentinel 2 בלבד) משמשים להסתרת עננים, בעוד ש-TDOM (Chastain et al., ‫2019) משמשת להסתרת צללים בענן (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 (Kennedy et al., ‫2010; קנדי ואחרים, ‫2018; Cohen et al., 2018).

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

נתוני החיזוי כוללים ערכים מורכבים גולמיים, ערכים מותאמים של LandTrendr, הבדלים בין זוגות, משך הפלח, גודל השינוי ושיפוע, ומקדמי סינוס וקוסינוס של CCDC (3 ההרמוניות הראשונות), ערכים מותאמים והבדלים בין זוגות, יחד עם גובה, שיפוע, סינוס של היבט, קוסינוס של היבט ומדדי מיקום טופוגרפיים (Weiss,‏ 2001) מנתוני תוכנית הגובה התלת-ממדית (3DEP) של USGS (המכון הגיאולוגי של ארה"ב) ברזולוציה של 10 מ' (U.S. Geological Survey,‏ 2019).

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

מודלים של יערות אקראיים (Breiman,‏ 2001) אומנו באמצעות נתוני הפניה מ-TimeSync ונתוני חיזוי מ-LandTrendr,‏ CCDC ומדדי שטח כדי לחזות שינוי שנתי, כיסוי קרקע וסיווגים של שימוש בקרקע. לאחר בניית המודל, קבענו סדרה של ספי הסתברות וערכות כללים באמצעות מערכי נתונים משניים כדי לשפר את התפוקות האיכותיות של המפה ולצמצם את השגיאות וההשמטות. מידע נוסף זמין ב-LCMS Methods Brief שכלול בתיאור.

מקורות מידע נוספים

דוגמה מפורטת יותר לקוד לשימוש בנתוני LCMS.
הכלי LCMS Data Explorer הוא אפליקציה מבוססת-אינטרנט שמאפשרת למשתמשים להציג, לנתח, לסכם ולהוריד נתוני LCMS.
מידע מפורט יותר על שיטות והערכת דיוק זמין בתקציר השיטות של LCMS. אפשר גם להוריד נתונים, מטא-נתונים ומסמכי תמיכה ממרכז המידע הגיאוגרפי של LCMS.
ב-2 ביולי 2024 עדכנו את מוצר השימוש בקרקע של CONUS כדי לתקן בעיה בסיווג של אזורים מפותחים.
נתוני PRUSVI ו-HI פורסמו ב-1 באוקטובר 2024.

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

תחום תדרים

גודל הפיקסל
‫30 מטרים

תחום תדרים

שם	גודל הפיקסל	תיאור
`Change`	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 בתוך מודל היער האקראי) לכך שהפיקסל שייך לסיווג הזה. לכן, לכל פיקסל יש שלוש תוצאות שונות של המודל לכל שנה. הכיתות הסופיות משויכות לכיתת השינוי עם ההסתברות הגבוהה ביותר שגם גבוהה מסף מסוים. לכל פיקסל שלא כולל ערך מעל הסף המתאים של כל סיווג, מוקצה הסיווג 'יציב'. לפני הקצאת מחלקת השינוי, הוחל כלל על כל אזורי המחקר כדי למנוע שינוי בכיסוי קרקע לא צמחי.
`Land_Cover`	מטרים	מוצר סופי של כיסוי קרקע נושאי של LCMS. בכל שנה ממופים 14 סוגים של כיסוי קרקע באמצעות נתוני ייחוס של TimeSync ומידע ספקטרלי שנגזר מתמונות Landsat. כל סיווג נחזה באמצעות מודל נפרד של יער אקראי, שמפיק הסתברות (פרופורציה של העצים בתוך מודל 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. בדרום-מזרח אלסקה, לפני הקצאת סיווג כיסוי הקרקע עם ההסתברות הגבוהה ביותר, הוטמע כלל כיסוי קרקע כדי להגביל את סיווג כיסוי הקרקע של עצים ושלג באזורים הגדולים של גאות ושפל בגובה פני הים. לא הוחלו כללים לגבי כיסוי קרקע על CONUS, פוארטו ריקו, איי הבתולה של ארה"ב או הוואי. 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. הם מייצגים פיקסלים שבהם סוג נוסף של כיסוי קרקע מכסה לפחות 10% מהפיקסל.
`Land_Use`	מטרים	מוצר סופי של שימוש קרקע נושאי ב-LCMS. בסך הכול ממופים 6 סוגים של שימוש בקרקע על בסיס שנתי באמצעות נתוני ייחוס של TimeSync ומידע ספקטרלי שנגזר מתמונות Landsat. כל סיווג מנובא באמצעות מודל נפרד של Random Forest, שמפיק הסתברות (שיעור העצים במודל Random Forest) לכך שהפיקסל שייך לסיווג הזה. לכן, לכל פיקסל יש 6 פלטים שונים של המודל לכל שנה, והסיווגים הסופיים מוקצים לשימוש בקרקע עם ההסתברות הגבוהה ביותר. לפני שהוקצה סיווג השימוש בקרקע עם ההסתברות הכי גבוהה, הוחלו סדרה של ספי הסתברות וקבוצות כללים באמצעות כללים לשימוש בקרקע של קבוצות נתונים משניות. מידע נוסף על ספי ההסתברות ועל ערכות הכללים מופיע בסיכום השיטות של LCMS שכלול בתיאור. מוצר השימוש בקרקע בארה"ב (CONUS) עודכן ב-2 ביולי 2024 כדי לתקן בעיה בסיווג של אזורים מפותחים.
`Change_Raw_Probability_Slow_Loss`	מטרים	ההסתברות המחושבת של אובדן איטי, כפי שהיא מופיעה במודל LCMS. ההגדרה היא: אובדן איטי כולל את המחלקות הבאות מפרשנות תהליך השינוי של TimeSync – ירידה מבנית – קרקע שבה עצים או צמחייה עשירה אחרת משתנים פיזית בגלל תנאי גידול לא נוחים שנובעים מגורמים לא אנתרופוגניים או לא מכניים. בדרך כלל, סוג כזה של אובדן יוצר מגמה באותות הספקטרליים (למשל, ירידה ב-NDVI, ירידה ברטיבות, עלייה ב-SWIR וכו'), אבל המגמה יכולה להיות קלה. ירידה מבנית מתרחשת בסביבות עם 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 ובזחל של עש האשוח, שמהם הצמחייה עשויה להשתקם תוך שנה או שנתיים. ירידה ספקטרלית – תרשים שבו האות הספקטרלי מראה מגמה באחד או יותר מהפסי הספקטרליים או מהאינדקסים (למשל, ירידה ב-NDVI, ירידה ב-Wetness, עלייה ב-SWIR וכו'). דוגמאות למקרים כאלה: א) צמחייה לא יערנית ולא מעוצה שמראה מגמת 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`	מטרים	ההסתברות המחושבת של אובדן מהיר על סמך נתוני LCMS גולמיים. ההגדרה: אובדן מהיר כולל את המחלקות הבאות מפרשנות 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 נחתכו או הוסרו באמצעים אנתרופוגניים. דוגמאות לכך הן כריתת עצים, כריתת עצים שנפגעו משריפה או מהתפשטות 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 משתנה בגלל רוח מהוריקנים, טורנדו, סופות ואירועי מזג אוויר קשים אחרים, כולל גשם מקפיא מסופות קרח. הידרולוגיה – קרקע שבה שיטפון שינה 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 שיטפון). 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 שהסוג של השינוי לא עומד באף אחת מהקטגוריות של תהליך השינוי שמוגדרות למעלה.
`Change_Raw_Probability_Gain`	מטרים	ההסתברות הגולמית של עלייה שחושבה על ידי מודל LCMS. מוגדר כ: קרקע שבה חל גידול בכיסוי הצמחייה עקב צמיחה והתפתחות במשך שנה אחת או יותר. רלוונטי לכל האזורים שבהם יכול להיות שינוי ספקטרלי שקשור לצמיחה מחדש של צמחייה. באזורים מפותחים, הצמיחה יכולה להיות תוצאה של התבגרות הצמחייה או של מדשאות וגינון חדשים. ביערות, הגידול כולל צמיחת צמחייה מאדמה חשופה, וגם צמיחה של עצים בינוניים ועצים דומיננטיים מעל עצים אחרים ו/או צמיחה של דשא ושיחים נמוכים יותר. סביר להניח שפלחים של צמיחה או התאוששות שתועדו אחרי כריתת יערות יעברו בין סיווגים שונים של כיסוי קרקע כשהיער יתחדש. כדי שהשינויים האלה ייחשבו כצמיחה או כהתאוששות, 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`	מטרים	ההסתברות המחושבת של עצים לפי מודל LCMS. ההגדרה: רוב הפיקסלים מורכבים מעצים חיים או מעצים מתים.
`Land_Cover_Raw_Probability_Tall-Shrubs-and-Trees-Mix`	מטרים	ההסתברות המחושבת של LCMS לשיחים גבוהים ולתערובת עצים (דרום-מזרח אלסקה בלבד). הגדרה: רוב הפיקסל מורכב משיחים בגובה של יותר ממטר, וגם מורכב לפחות מ-10% עצים חיים או עצים מתים שעומדים.
`Land_Cover_Raw_Probability_Shrubs-and-Trees-Mix`	מטרים	ההסתברות הגולמית של תערובת שיחים ועצים לפי מודל LCMS. הגדרה: רוב הפיקסל מורכב משיחים, וגם מ-10% לפחות של עצים חיים או עצים מתים עומדים.
`Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Trees-Mix`	מטרים	ההסתברות המחושבת הגולמית של תערובת של דשא, עשבים ועצים לפי מודל LCMS. הגדרה: רוב הפיקסלים 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`	מטרים	ההסתברות הגולמית שחושבה על סמך מודל LCMS לכיסוי מלא של שטח חשוף ושל שילוב של עצים. הגדרה: רוב הפיקסל מורכב מקרקע חשופה שנחשפה כתוצאה מהפרעה (למשל, קרקע 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 וחופים. גם דרכים שעשויות מעפר ומחצץ נחשבות לקרקע לא פורייה, והן כוללות לפחות 10% עצים חיים או עצים מתים שעומדים.
`Land_Cover_Raw_Probability_Tall-Shrubs`	מטרים	ההסתברות הגולמית של LCMS שנוצרה על ידי מודל לשיחים גבוהים (דרום-מזרח אסיה בלבד). הגדרה: רוב הפיקסל מורכב משיחים בגובה של יותר ממטר.
`Land_Cover_Raw_Probability_Shrubs`	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`	מטרים	ההסתברות הגולמית לפי מודל LCMS לתערובת של עשבים, צמחים 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`	מטרים	ההסתברות הגולמית של תערובת של שטחים חשופים ושיחים, שחושבה על ידי מודל LCMS. הגדרה: רוב הפיקסל מורכב מקרקע חשופה שנחשפה כתוצאה מהפרעה (למשל, קרקע 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 וחופים. כבישים שמורכבים מאדמה ומחצץ נחשבים גם הם לשטח חשוף, וכוללים לפחות 10% שיחים.
`Land_Cover_Raw_Probability_Grass-Forb-Herb`	מטרים	ההסתברות הגולמית שחושבה על סמך מודל LCMS של דשא/עשב/צמח. ההגדרה: רוב הפיקסלים מורכבים מדשאים רב-שנתיים, מעשבים רחבי עלים או מצורות אחרות של צמחייה עשבונית.
`Land_Cover_Raw_Probability_Barren-and-Grass-Forb-Herb-Mix`	מטרים	ההסתברות הגולמית שחושבה על ידי מודל LCMS לקרקע חשופה ולתערובת של עשבים, צמחים רחבי עלים ועשבי תיבול. 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, אגמי מלח וחופים. גם דרכים שמורכבות מאדמה ומחצץ נחשבות לשטח חשוף, והן כוללות לפחות 10% עשבים רב-שנתיים, צמחי מרפא או צורות אחרות של צמחייה עשבונית.
`Land_Cover_Raw_Probability_Barren-or-Impervious`	מטרים	ההסתברות המחושבת של LCMS לקרקע חשופה או אטומה. הגדרה: רוב הפיקסל מורכב מ-1) קרקע חשופה שנחשפה כתוצאה מהפרעה (למשל, קרקע 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 וחופים. כבישים שעשויים מעפר ומחצץ נחשבים גם הם כשטחים חשופים או כ-2) חומרים מעשה ידי אדם שמים לא יכולים לחדור דרכם, כמו כבישים סלולים, גגות וחניונים.
`Land_Cover_Raw_Probability_Snow-or-Ice`	מטרים	ההסתברות הגולמית שחושבה על ידי מודל LCMS לשלג או לקרח. ההגדרה היא: רוב הפיקסלים מורכב משלג או מקרח.
`Land_Cover_Raw_Probability_Water`	מטרים	ההסתברות המחושבת של מים לפי מודל LCMS. ההגדרה היא: רוב הפיקסלים מורכבים ממים.
`Land_Use_Raw_Probability_Agriculture`	מטרים	ההסתברות הגולמית של חקלאות שחושבה על ידי מודל LCMS. הגדרה: קרקע שמשמשת לייצור מזון, סיבים ודלקים, שנמצאת במצב של צמחייה או ללא צמחייה. ההגדרה הזו כוללת, בין היתר, שטחי גידול מעובדים ולא מעובדים, שטחי חציר, מטעים, כרמים, שטחים לגידול בעלי חיים ושטחים שבהם נשתלו עצים או שיחים להפקת פירות, אגוזים או פירות יער. כבישים שמשמשים בעיקר לשימוש חקלאי (כלומר, לא משמשים לתחבורה ציבורית מעיר לעיר) נחשבים לשימוש בקרקע חקלאית.
`Land_Use_Raw_Probability_Developed`	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`	מטרים	ההסתברות המחושבת של יער לפי מודל LCMS. הגדרה: קרקע ששתולים בה צמחים או שיש בה צמחייה טבעית, ושכוללת (או סביר להניח שתכלול) כיסוי עצים של 10% או יותר בשלב כלשהו במהלך רצף סוקצסיוני בטווח הקצר. יכול להיות שהסיווגים האלה יכללו יערות טבעיים נשירים, ירוקי עד או מעורבים, מטעי יער וביצות עם צמחייה מעוצה.
`Land_Use_Raw_Probability_Non-Forest-Wetland`	מטרים	ההסתברות הגולמית לפי מודל LCMS לביצות שאינן יערות. מוגדר כ: קרקעות סמוכות או בתוך מי תהום גלויים (רוויים באופן קבוע או עונתי) שבהם יש בעיקר שיחים או צמחים שצומחים מעל פני המים. שטחי ביצות יכולים להיות ממוקמים בקרבת חופים של אגמים, ערוצי נהרות או שפכי נהרות, במישורי הצפה של נהרות, באזורי ניקוז מבודדים או במדרונות. הם יכולים להופיע גם כבורות בערבות, כתעלות ניקוז וכבריכות לבעלי חיים בנופים חקלאיים, וגם כאיים באמצע אגמים או נהרות. דוגמאות נוספות כוללות גם ביצות, אדמות כבול, ביצות מלוחות, ביצות טובעניות, ביצות צפוניות, ביצות עונתיות, ביצות אלקליניות וביצות עם נהרות קצרים.
`Land_Use_Raw_Probability_Other`	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 שהוגדרו למעלה.
`Land_Use_Raw_Probability_Rangeland-or-Pasture`	מטרים	ההסתברות הגולמית שחושבה על ידי מודל LCMS לגבי שטחי מרעה או אדמות מרעה. הגדרה: הקטגוריה הזו כוללת כל אזור שמתקיים בו אחד מהתנאים הבאים: א) שטחי מרעה, שבהם הצמחייה היא תערובת של עשבים מקומיים, שיחים, עשבים רחבי עלים וצמחים דמויי עשב, שצומחים בעיקר כתוצאה מגורמים ותהליכים טבעיים כמו גשם, טמפרטורה, גובה ושריפה, למרות שניהול מוגבל עשוי לכלול גם שריפה מבוקרת וגם רעייה של בעלי חיים מקומיים ופראיים או ב.) שטח מרעה, שבו הצמחייה יכולה להיות מגוונת, בעיקר עשבים טבעיים, צמחי מרפא וצמחים רחבי עלים, או צמחייה מנוהלת יותר שבה יש בעיקר מיני עשבים שנזרעו וטופלו כדי לשמור על מצב של מונוקולטורה.
`QA_Bits`	מטרים	מידע נוסף על המקור של ערכי הפלט השנתיים של מוצר LCMS.
מסכת ביטים של QA_Bits ביט 0: מציין אם הפיקסל עבר אינטרפולציה. ‫0: אינטרפולציה ‫1: לא בוצעה אינטרפולציה ביטים 1-5: החיישן שממנו הגיע הפיקסל. ‫4: Landsat 4 ‫5: Landsat 5 ‫7: Landsat 7 ‫8: Landsat 8 ‫9: Landsat 9 ‫21: Sentinel 2A ‫22: Sentinel 2B ביטים 6-14: היום היוליאני שממנו הגיע הפיקסל (1-365).

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, צמחים ועצים
5	#99ff99	מיקס של שטח חשוף ועצים
6	#b30088	שיחים גבוהים (רק בדרום-מזרח אסיה)
7	#e68a00	שיחים
8	#ffad33	תערובת של דשא, עשבים ושיחים
9	#ffe0b3	Barren & Shrubs Mix
10	#ffff00	עשב/צמח עשבוני/תבלין
11	#aa7700	תערובת של עשבים, צמחים ועשבי תיבול
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 פלט על פני ארה"ב הרציפה, דרום-מזרח אלסקה, פוארטו ריקו – איי הבתולה של ארה"ב והוואי. ערכים אפשריים: CONUS, SEAK, PRUSVI, HI
שנה	INT	שנת הייצור של המוצר

תנאים והגבלות

תנאים והגבלות

שירות היערות של USDA לא נותן אחריות, מפורשת או משתמעת, כולל אחריות לסחירות ולהתאמה למטרה מסוימת, ולא נושא באחריות משפטית או באחריות לדיוק, למהימנות, לשלמות או לשימושיות של הנתונים הגיאוספציאליים האלה, או לשימוש לא תקין או שגוי בנתונים הגיאוספציאליים האלה. הנתונים הגיאוספציאליים 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 הם דינמיים ועשויים להשתנות עם הזמן. המשתמש אחראי לאמת את המגבלות של הנתונים הגיאו-מרחביים ולהשתמש בנתונים בהתאם.

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

שירות היערות של משרד החקלאות האמריקאי (USDA). ‫2024. USFS Landscape Change Monitoring System v2023.9 (Conterminous United States and Outer Conterminous United States). סולט לייק סיטי, יוטה.

ציטוטים ביבליוגרפיים

שירות היערות של משרד החקלאות האמריקאי (USDA). ‫2024. USFS Landscape Change Monitoring System v2023.9 (Conterminous United States and Outer Conterminous United States). סולט לייק סיטי, יוטה.
Breiman, L., ‫2001. יערות אקראיים. 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. ב-Remote Sensing of Environment. Science Direct, 221: 274-285. doi:10.1016/j.rse.2018.11.012
Cohen, W. B., ‫Yang, Z., and Kennedy, R., ‫2010. זיהוי מגמות בהפרעה ובהתאוששות של יערות 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. 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
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. (Joseph Hughes, M.‎), קנדי, ר. 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 של שינוי ביער באמצעות הכללה מוערמת: גישה משולבת. ב-Remote Sensing of Environment. ‪Science Direct, 204: 717-728. doi:10.1016/j.rse.2017.09.029
קנדי, ר. E., Yang, Z., and Cohen, W. B., ‫2010. זיהוי מגמות בהפרעה ליערות ובהתאוששות שלהם באמצעות נתונים שנתיים 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
Pasquarella, V. J., Brown, C. F., Czerwinski, W., and Rucklidge, W. J., 2023. Comprehensive Quality Assessment of Optical Satellite Imagery Using Weakly Supervised Video Learning. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2125-2135. doi:10.1109/CVPRW59228.2023.00206
‫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 הצגת פוסטר, כנס משתמשי ESRI, סן דייגו, קליפורניהZhu, Z., and Woodcock, C. ה. ‫2012. זיהוי של עננים וצללי עננים על בסיס אובייקטים בתמונות Landsat. ‫118: 83-94.
Zhu, Z., and Woodcock, C. E., ‫2012. זיהוי של עננים וצללי עננים על בסיס אובייקטים בתמונות Landsat. 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 שינויים רציף 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

מזהי DOI

סיור עם פלטפורמת Earth Engine

Code Editor (JavaScript)

‫

var dataset = ee.ImageCollection('USFS/GTAC/LCMS/v2023-9');

var lcms = dataset.filterDate('2021', '2022')  // range: [1985, 2023]
               .filter('study_area == "CONUS"')  // or "SEAK"; "PRUSVI"; "HAWAII" 
               .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

USFS Landscape Change Monitoring System v2023.9 (CONUS and OCONUS) [deprecated]

המוצר הזה הוא חלק מחבילת הנתונים של Landscape Change Monitoring System (מערכת למעקב אחר שינויים בנוף, LCMS). הוא מציג שינוי לפי מודל LCMS, כיסוי קרקע ו/או סיווגים של שימוש בקרקע לכל שנה שכוללת את ארצות הברית הרציפה (CONUS) ואזורים מחוץ ל-CONUS ‏ (OCONUS) שכוללים את דרום-מזרח אלסקה (SEAK), פוארטו ריקו ואיי הבתולה של ארה"ב (PRUSVI) ו…

USFS/GTAC/LCMS/v2023-9, change-detection,forest,gtac,landcover,landsat-derived,landuse,landuse-landcover,redcastle-resources,sentinel-derived,time-series,usda,usfs

1985-01-01T00:00:00Z/2023-12-31T00:00:00Z

20.38379 -135.286387 52.459364 -56.446306

Google Earth Engine

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

USFS Landscape Change Monitoring System v2023.9 (CONUS and OCONUS) [deprecated] קל לארגן דפים בעזרת אוספים אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.

תיאור

תחום תדרים

מאפייני תמונה

תנאים והגבלות

ציטוטים ביבליוגרפיים

מזהי DOI

סיור עם פלטפורמת Earth Engine

Code Editor (JavaScript)

USFS Landscape Change Monitoring System v2023.9 (CONUS and OCONUS) [deprecated]