USFS Landscape Change Monitoring System v2024.10 (CONUS and OCONUS)

זמינות קבוצת הנתונים

1985-01-01T00:00:00Z–2024-12-31T00:00:00Z

ספק קבוצת הנתונים

USDA Forest Service (USFS) Field Services and Innovation Center Geospatial Office (FSIC-GO)

קטע קוד ל-Earth Engine

ee.ImageCollection("USFS/GTAC/LCMS/v2024-10")

תגים

change-detection forest gtac landcover landuse landuse-landcover redcastle-resources usda usfs

lcms

תיאור

המוצר הזה הוא חלק מחבילת הנתונים של מערכת המעקב אחר שינויים בנוף (LCMS). הוא מציג שינויים, כיסוי קרקע ו/או סיווגים של שימוש בקרקע לפי מודל LCMS לכל שנה, ומכסה את ארצות הברית הרציפה (CONUS) וגם אזורים מחוץ ל-CONUS‏ (OCONUS), כולל אלסקה (AK), פוארטו ריקו ואיי הבתולה של ארה"ב (PRUSVI) והוואי (HI). הנתונים של PRUSVI ו-HI v2024.10 יפורסמו בסוף הקיץ של 2025. בשלב הזה אפשר להשתמש בנתוני v2023.9 PRUSVI ו-HI LCMS ‏ (USFS/GTAC/LCMS/v2023-9).

מערכת LCMS היא מערכת שמבוססת על חישה מרחוק למיפוי ולמעקב אחר שינויים בנוף בארצות הברית. המטרה של הפרויקט היא לפתח גישה עקבית באמצעות הטכנולוגיה העדכנית ביותר והתפתחויות בזיהוי שינויים, כדי ליצור מפה של שינויים בנוף ברמת הדיוק הגבוהה ביותר שאפשר.

הפלט כולל שלושה מוצרים שנתיים: שינוי, כיסוי קרקע ושימוש בקרקע. הפלט של מודל השינוי מתייחס באופן ספציפי לכיסוי צמחייה וכולל אובדן איטי, אובדן מהיר (שכולל גם שינויים הידרולוגיים כמו הצפה או ייבוש) ועלייה. הערכים האלה מחושבים לכל שנה בסדרת הזמן של Landsat ומשמשים כבסיס למוצרי LCMS. אנחנו מיישמים קבוצת כללים שמבוססת על מערכי נתונים משניים כדי ליצור את מוצר השינוי הסופי, שהוא שיפור או סיווג מחדש של השינוי המגולם ל-15 סוגים שמספקים באופן מפורש מידע על הגורם לשינוי הנוף (למשל, כריתת עצים, שריפות יער, נזקי רוח). במפות של כיסוי הקרקע ושימוש הקרקע מוצגים 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 במערכת ניהול הצבעים, כיסוי קרקע ושימוש בקרקע, ומציגה תמונה הוליסטית של שינויים בנוף בארצות הברית מאז 1985.

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).

כדי ליצור תמונות מורכבות שנתיות עבור LandTrendr, נעשה שימוש בנתוני השתקפות בחלק העליון של האטמוספרה ברמה 1C של Landsat Tier 1 ו-Sentinel 2A,‏ 2B Collection 2 של USGS. האלגוריתם cFmask לסינון עננים (Foga et al., ‫2017), שהוא הטמעה של Fmask 2.0 (Zhu and Woodcock, 2012) (Landsat-only), cloudScore (Chastain et al., ‫2019) (Landsat-only), s2cloudless (Sentinel-Hub, 2021) and Cloud Score plus (Pasquarella et al., ‫2023) (Sentinel 2-only) משמשות להסתרת 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. במקרה של CCDC, נעשה שימוש בנתוני השתקפות פני השטח של Landsat Tier 1 Collection 2 של הסקר הגאולוגי של ארצות הברית (USGS) עבור CONUS, ובנתוני השתקפות של Landsat Tier 1 בחלק העליון של האטמוספירה עבור AK,‏ PRUSVI ו-HI.

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

כל הערכים שלא כוללים 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 והשיפוע, ומקדמי סינוס וקוסינוס של CCDC (שלושת ההרמוניות הראשונות), ערכים מותאמים והבדלים בין זוגות, יחד עם גובה מעל פני הים, שיפוע, סינוס של ההיבט, קוסינוס של ההיבט ומדדי מיקום טופוגרפיים (Weiss,‏ 2001) מנתוני תוכנית הגובה התלת-ממדית (3DEP) של USGS (שירות הסקר הגיאולוגי של ארה"ב) ברזולוציה של 10 מ' (U.S. Geological Survey,‏ 2019).

נתוני הייחוס נאספים באמצעות TimeSync, כלי מבוסס-אינטרנט שעוזר לאנליסטים להציג ולפרש את רשומת הנתונים של Landsat משנת 1984 ועד היום (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 יצירת המודל, אנחנו קובעים סדרה של ספי הסתברות וערכות כללים באמצעות מערכי נתונים משניים כדי לשפר את התוצאות האיכותיות של המפה ולצמצם את השגיאות וההשמטות. מידע נוסף זמין בתיאור של LCMS Methods Brief.

מקורות מידע נוספים

• דוגמה מפורטת יותר של קוד לשימוש בנתוני LCMS

• הכלי לניתוח נתונים של LCMS הוא אפליקציה מבוססת-אינטרנט שמאפשרת למשתמשים להציג, לנתח, לסכם ולהוריד נתונים של LCMS.

• מידע מפורט יותר על השיטות והערכת הדיוק זמין בסקירה של שיטות LCMS. אפשר גם להוריד נתונים, מטא-נתונים ומסמכי תמיכה ממאגר המידע הגיאוגרפי של LCMS.

• נתוני PRUSVI ו-HI יפורסמו בסוף קיץ 2025. נתונים של PRUSVI ו-HI LCMS מגרסה 2023.9 שפורסמה בעבר זמינים (USFS/GTAC/LCMS/v2023-9)

אפשר לפנות אל [[e-mail]] 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 חמישה עשר שינויים. השינוי ממוּדל באמצעות שלושה מודלים נפרדים של יערות אקראיים בינאריים לכל אזור מחקר: אובדן איטי, אובדן מהיר ועלייה. כל פיקסל מוקצה לסיווג השינוי הממוזער עם ההסתברות הכי גבוהה שגם גבוהה מסף מסוים. כל פיקסל שלא כולל ערך מעל הסף המתאים של כל מחלקה מוקצה למחלקה Stable. אחרי שמיישמים קבוצת כללים באמצעות סיווג השינויים המבוסס על מודלים, מערכי נתונים משניים (כמו TCC,‏ MTBS ו-IDS) ונתוני כיסוי הקרקע של LCMS, אחד מ-15 סיווגי השינויים המדויקים מוקצה לכל פיקסל. במסמך LCMS Methods Brief שמקושר בתיאור מופיעים פרטים מלאים על קבוצת הכללים ועל מערכי הנתונים המשניים שנעשה בהם שימוש.
Land_Cover	מטרים	מוצר סופי של כיסוי הקרקע של LCMS לפי נושא. בכל שנה ממופים 14 סוגים של כיסוי קרקע באמצעות נתוני ייחוס של TimeSync ומידע ספקטרלי שנגזר מתמונות Landsat. חיזוי כיסוי הקרקע מתבצע באמצעות מודל יער אקראי יחיד עם כמה סיווגים, שמפיק מערך של ההסתברויות של כל סיווג (החלק היחסי של העצים במודל היער האקראי ש 'בחרו' כל סיווג). הסיווגים הסופיים משויכים לשימוש בקרקע עם ההסתברות הגבוהה ביותר. לפני הקצאת סיווג כיסוי הקרקע עם ההסתברות הגבוהה ביותר, בהתאם לאזור המחקר, הוחלו סף הסתברות אחד או יותר וערכות כללים באמצעות מערכי נתונים משניים. מידע נוסף על ספי הסבירות ועל ערכות הכללים זמין בסיכום השיטות של LCMS שמקושר בתיאור. שבעה סיווגים של כיסוי קרקע מציינים כיסוי קרקע יחיד, שבו סוג כיסוי הקרקע מכסה את רוב שטח 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	מטרים	מוצר סופי של שימוש בקרקע ב-LCMS לפי נושא. בכל שנה ממופים 5 סוגים של שימוש בקרקע באמצעות נתוני ייחוס של TimeSync ומידע ספקטרלי שמופק מתמונות Landsat. חיזוי השימוש בקרקע מתבצע באמצעות מודל יער אקראי רב-סיווגי יחיד, שמפיק מערך של ההסתברויות של כל סיווג (החלק היחסי של העצים במודל היער האקראי ש 'בחרו' כל סיווג). הסיווגים הסופיים משויכים לשימוש בקרקע עם ההסתברות הגבוהה ביותר. לפני שהוקצה סיווג השימוש בקרקע עם ההסתברות הגבוהה ביותר, הוחלו סדרות של ספי הסתברות וקבוצות כללים באמצעות מערכי נתונים משניים. מידע נוסף על ספי הסבירות ועל ערכות הכללים זמין בסיכום השיטות של LCMS שמקושר בתיאור.
Change_Raw_Probability_Slow_Loss	מטרים	ההסתברות הגולמית של LCMS שחושבה לאובדן איטי. הקטגוריה 'אובדן איטי' כוללת את הסיווגים הבאים מתוך 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, סוג כזה של אובדן יוצר מגמה באותות הספקטרליים (למשל, ירידה ב-NDVI, ירידה ברטיבות, עלייה ב-SWIR וכו'), אבל המגמה יכולה להיות עדינה. הידרדרות מבנית מתרחשת בסביבות עם צמחייה מעוצה, לרוב כתוצאה מחרקים, מחלות, בצורת, גשם חומצי וכו'. הידרדרות 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 האינדקסים (למשל, ירידה ב-NDVI, ירידה במידת הרטיבות, עלייה ב-SWIR וכו'). דוגמאות למקרים כאלה: א) צמחייה לא יערנית ולא מעוצה שמציגה מגמת ירידה (למשל, ירידה ב-NDVI, ירידה ברטיבות, עלייה ב-SWIR וכו'), או ב) צמחייה מעוצה שמציגה 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 של שטח עלים.
Change_Raw_Probability_Fast_Loss	מטרים	ההסתברות המחושבת של אובדן מהיר, כפי שמודל LCMS חוזה. ההפסד המהיר 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 נכרתו או הוסרו באמצעים אנתרופוגניים. דוגמאות לכך הן כריתת עצים, כריתת עצים שנפגעו משריפה או מהתפרצות של מזיקים, 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 מיוערת. רוח/קרח – קרקע (ללא קשר לשימוש) שבה הצמחייה משתנה בגלל רוח מסופות הוריקן, 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 (לדוגמה, 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 שסוג השינוי לא עומד באף אחת מהקטגוריות של תהליך השינוי שמוגדרות למעלה.
Change_Raw_Probability_Gain	מטרים	ההסתברות הגולמית של LCMS לרווח, כפי שהיא מחושבת על ידי המודל. הגדרה: קרקע שבה חל גידול בצמחייה בעקבות צמיחה והתפתחות במשך שנה אחת או יותר. רלוונטי לכל האזורים שבהם עשויים להיות שינויים ספקטרליים שקשורים לצמיחה מחדש של צמחייה. באזורים מפותחים, הצמיחה יכולה להיות תוצאה של צמחייה בוגרת או של מדשאות וגינון חדשים. ביערות, גידול כולל צמיחת צמחייה מאדמה חשופה, וגם צמיחה מעל עצים בינוניים ועצים דומיננטיים משותפים ו/או דשא ושיחים נמוכים יותר. סביר להניח שפלחים של צמיחה או התאוששות שתועדו אחרי כריתת יערות יעברו בין סוגים שונים של כיסוי קרקע כשהיער יתחדש. כדי שהשינויים האלה ייחשבו כצמיחה או כהתאוששות, הערכים הספקטרליים צריכים להיות קרובים לקו מגמה עולה (לדוגמה, שיפוע חיובי שאם יוארך 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 גולמי. ההגדרה: רוב הפיקסלים מורכבים מעצים חיים או מעצים מתים שעומדים.
Land_Cover_Raw_Probability_Tall-Shrubs-and-Trees-Mix	מטרים	ההסתברות המחושבת של LCMS לשיחים גבוהים ולעצים מעורבים (אלסקה בלבד). ההגדרה: רוב הפיקסל מורכב משיחים בגובה של יותר ממטר, וגם מורכב מ-10% לפחות של עצים חיים או עצים מתים שעומדים.
Land_Cover_Raw_Probability_Shrubs-and-Trees-Mix	מטרים	הסתברות משוערת גולמית של תערובת שיחים ועצים לפי LCMS. הגדרה: רוב הפיקסל מורכב משיחים, וגם מ-10% לפחות של עצים חיים או עצים מתים שעומדים.
Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Trees-Mix	מטרים	הסתברות משוערת גולמית של תערובת דשא/צמחים עשבוניים/עשבים ועצים לפי מודל 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	מטרים	ההסתברות הגולמית של תערובת של קרקע חשופה ועצים, שחושבה על סמך 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. גם דרכים שעשויות מעפר ומחצץ נחשבות לקרקע לא פורייה, והן כוללות לפחות 10% עצים חיים או עצים מתים.
Land_Cover_Raw_Probability_Tall-Shrubs	מטרים	ההסתברות המחושבת של LCMS לשיחים גבוהים (אלסקה 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	הסבירות המחושבת לפי מודל LCMS של תערובת 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 LCMS שנוצרה על סמך מודל של Barren and Shrubs Mix. 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 שעשויים מעפר ומחצץ נחשבים גם הם לשטח חשוף, וכוללים לפחות 10% שיחים.
Land_Cover_Raw_Probability_Grass-Forb-Herb	מטרים	ההסתברות הגולמית של LCMS שמוצגת כמודל של דשא/עשב/צמח. הגדרה: רוב הפיקסלים מורכבים מדשאים רב-שנתיים, מצמחי מרפא או מצורות אחרות של צמחייה עשבונית.
Land_Cover_Raw_Probability_Barren-and-Grass-Forb-Herb-Mix	מטרים	הסתברות גולמית שעברה מודלים של LCMS של Barren ו-Grass/Forb/Herb Mix. 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, אגמי מלח וחופים. גם דרכים שעשויות מעפר 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	הסבירות הגולמית של LCMS למצב Barren או Impervious. 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 שאינם חדירים למים, או כשטחים שעשויים מחומרים מלאכותיים שהמים לא יכולים לחדור דרכם, כמו כבישים סלולים, גגות וחניונים.
Land_Cover_Raw_Probability_Snow-or-Ice	מטרים	הסבירות הגולמית שמוצגת במודל LCMS לשלג או לקרח. ההגדרה: רוב הפיקסלים מורכב משלג או מקרח.
Land_Cover_Raw_Probability_Water	מטרים	ההסתברות הגולמית של מים שחושבה על ידי מודל LCMS. ההגדרה: רוב הפיקסל מורכב ממים.
Land_Use_Raw_Probability_Agriculture	מטרים	ההסתברות הגולמית של LCMS (סיווג כיסוי קרקע) שמוצגת במודל של חקלאות. הגדרה: קרקע שמשמשת לייצור מזון, סיבים ודלקים, שנמצאת במצב צמחייה או במצב 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 הגולמית של LCMS (מערכת לניהול תוכן למידה) שפותחה. 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 הגולמית של יער שחושבה על ידי מודל LCMS. מוגדר כ: 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 מיוערות.
Land_Use_Raw_Probability_Other	מטרים	הסתברות גולמית של LCMS שעברה מודלים של '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	מטרים	ההסתברות הגולמית שחושבה על ידי מודל LCMS לגבי שטחי מרעה. הגדרה: הקטגוריה הזו כוללת כל אזור שמתקיים בו אחד מהתנאים הבאים: א) שטחי מרעה, שבהם הצמחייה היא תערובת של עשבים מקומיים, שיחים, עשבוניים 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).

שינוי טבלת הכיתות

ערך	צבע	תיאור
1	#ff09f3	רוח
2	#541aff	הוריקן
3	#e4f5fd	מעבר של שלג או קרח
4	#cc982e	ייבוש
5	#0adaff	הצפה
6	#a10018	שריפה מבוקרת
7	#d54309	שריפות בשטח פתוח
8	#fafa4b	שינוי מכני של הקרקע
9	‎#afde1c	כריתת עצים
10	#ffc80d	הפלה
11	#a64c28	חיפושית האורן הדרומי
12	#f39268	עקה כתוצאה מחרקים, מחלות או בצורת
13	#c291d5	הפסד אחר
14	‎#00a398	צמיחה של צמחייה
15	#3d4551	אורווה
16	#1b1716	מסכה של אזור ללא עיבוד

טבלת סיווג של כיסוי הקרקע

ערך	צבע	תיאור
1	‎#004e2b	עצים
2	#009344	Tall Shrubs & Trees Mix (אלסקה בלבד)
3	‎#61bb46	מיקס של שיחים ועצים
4	#acbb67	תערובת של דשא, עשבים ועצים
5	#8b8560	מיקס של נוף מדברי ועצים
6	#cafd4b	שיחים גבוהים (אלסקה בלבד)
7	#f89a1c	שיחים
8	‎#8fa55f	תערובת של עשבים, צמחים ועשבי תיבול ושיחים
9	#bebb8e	מיקס של צמחייה דלילה ושיחים
10	‫#e5e98a	עשב/צמח עשבוני/תבלין
11	#ddb925	Barren & Grass/Forb/Herb Mix
12	#893f54	שומם או אטום
13	#e4f5fd	שלג או קרח
14	#00b6f0	מים
15	#1b1716	מסכה של אזור ללא עיבוד

טבלת סיווג של שימוש בקרקע

ערך	צבע	תיאור
1	#fbff97	חקלאות
2	#e6558b	פותח
3	#004e2b	יער
4	#9dbac5	אחר
5	#a6976a	שטחי מרעה
6	#1b1716	מסכה של אזור ללא עיבוד

מאפייני התמונה

מאפייני התמונה

שם	סוג	תיאור
study_area	מחרוזת	נכון לעכשיו, מערכת LCMS מכסה את ארצות הברית הרציפה, אלסקה, פוארטו ריקו ואיי הבתולה של ארה"ב והוואי. הגרסה הזו מכילה את CONUS. הנתונים של AK,‏ PRUSVI ו-HI יפורסמו בסוף קיץ 2025. ערכים אפשריים: CONUS, AK
גרסה	מחרוזת	גרסת המוצר
startYear	INT	שנת ההתחלה של המוצר
endYear	INT	שנת הסיום של המוצר
שנה	INT	שנת 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 האלה והמפות או הגרפיקות שקשורות אליהם הם לא מסמכים משפטיים, והם לא מיועדים לשימוש ככאלה. אסור להשתמש בנתונים ובמפות כדי לקבוע בעלות, תיאורים או גבולות משפטיים, סמכות שיפוט או הגבלות שחלות 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. 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 של ארה"ב. 2025. USFS Landscape Change Monitoring System v2024.10 (Conterminous United States and Outer Conterminous United States). סולט לייק סיטי, יוטה.

ציטוטים ביבליוגרפיים

ציטוטים ביבליוגרפיים:

• שירות היערות של משרד החקלאות של ארה"ב. 2025. מערכת למעקב אחר שינויים בנוף של USFS גרסה 2024.10 (ארצות הברית הרציפה וארצות הברית הרציפה החיצונית). סולט לייק סיטי, יוטה.

• 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. 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 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. אנסמבל רב-ספקטרלי של LandTrendr 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', קנדי, ר. E., לאבלנד, טקסס 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 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 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

• Pasquarella, V. J., Brown, C. F., Czerwinski, W., and Rucklidge, W. J., 2023. הערכת איכות מקיפה של תמונות לוויין אופטיות באמצעות למידת וידאו בפיקוח חלקי. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. ‫2124-2134.

• ‫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 Poster Presentation, ESRI Users Conference, San Diego, CAZhu, Z., and Woodcock, C. ה. ‫2012. זיהוי של עננים וצללי עננים בתמונות Landsat על בסיס אובייקטים. ‫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

מספרי DOI

• https://doi.org/10.1016/j.rse.2010.07.008
• https://doi.org/10.1016/j.rse.2010.07.010
• https://doi.org/10.1016/j.rse.2011.10.028
• https://doi.org/10.1016/j.rse.2014.01.011
• https://doi.org/10.1016/j.rse.2017.03.026
• https://doi.org/10.1016/j.rse.2017.09.029
• https://doi.org/10.1016/j.rse.2017.11.015
• https://doi.org/10.1016/j.rse.2018.11.012
• https://doi.org/10.1023/A:1010933404324
• https://doi.org/10.3390/rs10050691

סיור עם פלטפורמת Earth Engine

חשוב: ‫Earth Engine היא פלטפורמה לניתוח מדעי וויזואליזציה של נתונים גיאו-מרחביים בקנה מידה של פטה-בייטים. הפלטפורמה מיועדת לשימוש הציבור, לעסקים ולגופים ממשלתיים. השימוש ב-Earth Engine לצורכי מחקר, חינוך ומטרות צדקה הוא בחינם. כדי להתחיל, צריך להירשם לקבלת גישה ל-Earth Engine.

Code Editor (JavaScript)

var dataset = ee.ImageCollection('USFS/GTAC/LCMS/v2024-10');

var lcms = dataset.filterDate('2022', '2023')  // range: [1985, 2024]
               .filter('study_area == "CONUS"')  // or "AK" 
               .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 v2024.10 (CONUS and OCONUS)

המוצר הזה הוא חלק מחבילת הנתונים של מערכת המעקב אחר שינויים בנוף (LCMS). התמונות מציגות שינוי שמבוסס על מודל LCMS, כיסוי קרקע ו/או סיווגים של שימוש בקרקע לכל שנה, והן מכסות את ארצות הברית הרציפה (CONUS) וגם אזורים מחוץ ל-CONUS‏ (OCONUS), כולל אלסקה (AK), פוארטו ריקו ואיי הבתולה של ארה"ב (PRUSVI) ו…

USFS/GTAC/LCMS/v2024-10, change-detection,forest,gtac,landcover,landuse,landuse-landcover,redcastle-resources,usda,usfs

1985-01-01T00:00:00Z/2024-12-31T00:00:00Z

20.38379 -135.286387 52.459364 -56.446306

Google Earth Engine

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

• https://doi.org/10.3390/rs10050691
• https://doi.org/10.3390/rs10050691