- Phạm vi cung cấp tập dữ liệu
- 1985-01-01T00:00:00Z–2024-12-31T00:00:00Z
- Nhà cung cấp tập dữ liệu
- Văn phòng không gian địa lý của Trung tâm đổi mới và dịch vụ thực địa thuộc Cục Lâm nghiệp Hoa Kỳ (FSIC-GO)
- Thẻ
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 theo mô hình LCMS, lớp phủ đất và/hoặc các loại hình sử dụng đất cho mỗi năm, đồng thời bao gồm cả Lục địa Hoa Kỳ (CONUS) cũng như các khu vực bên ngoài CONUS (OCONUS), bao gồm Alaska (AK), Puerto Rico – Quần đảo Virgin thuộc Hoa Kỳ (PRUSVI) và Hawaii (HI). Dữ liệu PRUSVI và HI phiên bản 2024.10 sẽ được phát hành vào cuối mùa hè năm 2025. Hiện tại, bạn có thể sử dụng dữ liệu PRUSVI và HI LCMS phiên bản 2023.9 (USFS/GTAC/LCMS/v2023-9).
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 của cảnh quan.
Đầu ra bao gồm 3 sản phẩm hằng năm: sự thay đổi, độ che phủ đất và việc sử dụng đất. Đầu ra của mô hình thay đổi liên quan cụ thể đến độ che phủ của thảm thực vật và bao gồm sự suy giảm chậm, sự suy giảm nhanh (cũng bao gồm các 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. Chúng tôi áp dụng một bộ quy tắc dựa trên các tập dữ liệu phụ trợ để tạo ra sản phẩm thay đổi cuối cùng. Đây là một bản tinh chỉnh/phân loại lại sự thay đổi được mô hình hoá thành 15 lớp cung cấp thông tin rõ ràng về nguyên nhân gây ra sự thay đổi cảnh quan (ví dụ: Di dời cây xanh, cháy rừng, hư hỏng do gió). 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 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). Nhờ đó, bộ bản đồ thay đổi LCMS, độ che phủ đất và việc sử dụng đất đã cung cấp một bức tranh tổng thể về sự thay đổi cảnh quan trên khắp Hoa Kỳ kể từ năm 1985.
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).
Để tạo ảnh tổng hợp hằng năm cho LandTrendr, chúng tôi đã sử dụng dữ liệu về hệ số phản xạ ở đỉnh khí quyển Cấp 1C của Landsat Cấp 1 và Sentinel 2A, 2B trong Bộ sưu tập 2 của USGS. Thuật toán che mây cFmask (Foga và cộng sự, 2017), là một cách triển khai Fmask 2.0 (Zhu và Woodcock, 2012) (chỉ Landsat), cloudScore (Chastain và cộng sự, 2019) (chỉ Landsat), s2cloudless (Sentinel-Hub, 2021) và Cloud Score plus (Pasquarella và cộng sự, 2023) (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. Đối với CCDC, dữ liệu hệ số phản xạ bề mặt Landsat Cấp 1 Bộ sưu tập 2 của Cục Khảo sát Địa chất Hoa Kỳ (USGS) được dùng cho CONUS và dữ liệu hệ số phản xạ đỉnh khí quyển Landsat Cấp 1 cho AK, PRUSVI và HI.
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).
Dữ liệu của trình dự đoán bao gồm các giá trị tổng hợp thô, giá trị phù hợp của LandTrendr, chênh lệch theo cặp, thời lượng phân đoạn, mức độ thay đổi và độ dốc, cũng như hệ số sin và cosin CCDC (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 dữ liệu Chương trình độ cao 3D (3DEP) của USGS 10 m (Cục Khảo sát địa chất Hoa Kỳ, 2019).
Dữ liệu tham chiếu được thu thập bằng TimeSync, một công cụ dựa trên web giúp các nhà phân tích hình dung và diễn giải bản ghi dữ liệu Landsat từ năm 1984 đến nay (Cohen và cộng sự, 2010).
Các mô hình Rừng ngẫu nhiên (Breiman, 2001) được huấn luyện bằng cách sử dụng dữ liệu tham chiếu từ TimeSync và dữ liệu dự đoán từ LandTrendr, CCDC và các chỉ số địa hình để dự đoán sự thay đổi hằng năm, lớp phủ đất và các lớp sử dụng đất. Sau khi lập mô hình, chúng tôi thiết lập một loạt các ngưỡng xác suất và bộ quy tắc bằng cách sử dụng các tập dữ liệu phụ trợ để cải thiện chất lượng đầu ra của bản đồ, đồng thời giảm thiểu lỗi sai và lỗi thiếu sót. Bạn có thể xem thêm thông tin trong Bản tóm tắt về các phương pháp LCMS có trong phần Mô tả.
Tài nguyên khác
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.
Dữ liệu PRUSVI và HI sẽ được phát hành vào cuối mùa hè năm 2025. Dữ liệu PRUSVI và HI LCMS phiên bản 2023.9 đã phát hành trước đó hiện có sẵn (USFS/GTAC/LCMS/v2023-9)
Hãy liên hệ với [sm.fs.lcms@usda.gov] nếu bạn có câu hỏi hoặc yêu cầu cụ thể về dữ liệu.
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 15 lớp thay đổi được lập bản đồ cho mỗi năm. Về cơ bản, sự thay đổi được mô hình hoá bằng 3 mô hình Rừng ngẫu nhiên nhị phân riêng biệt cho từng khu vực nghiên cứu: mất chậm, mất nhanh và tăng. Mỗi pixel được chỉ định cho lớp thay đổi được mô hình hoá có xác suất cao nhất và cũng nằm trên 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. Theo một bộ quy tắc sử dụng lớp thay đổi được mô hình hoá, các tập dữ liệu phụ trợ (chẳng hạn như TCC, MTBS và IDS) và dữ liệu về độ che phủ đất của LCMS, một trong 15 lớp nguyên nhân thay đổi được tinh chỉnh sẽ được chỉ định cho mỗi pixel. Hãy xem Bản tóm tắt về phương pháp LCMS được liên kết trong phần Mô tả để biết đầy đủ thông tin chi tiết về bộ quy tắc và các tập dữ liệu phụ được sử dụng. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover |
mét | Sản phẩm cuối cùng về độ che phủ đất theo chủ đề LCMS. Tổng cộng có 14 lớp phủ 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. Lớp phủ mặt đất được dự đoán bằng một mô hình Rừng ngẫu nhiên đa lớp duy nhất, mô hình này xuất ra một mảng các xác suất của từng lớp (tỷ lệ cây trong mô hình Rừng ngẫu nhiên "chọn" từng lớp). Các lớp cuối cùng được chỉ định cho mục đích sử dụng đất có xác suất cao nhất. Trước khi chỉ định lớp phủ bề mặt có xác suất cao nhất, tuỳ thuộc vào khu vực nghiên cứu, một đến một số ngưỡng xác suất và bộ quy tắc sử dụng các tập dữ liệu phụ trợ đã được áp dụng. Bạn có thể xem thêm thông tin về các ngưỡng xác suất và bộ quy tắc trong Bản tóm tắt về phương pháp LCMS được liên kết trong phần Mô tả. Bảy lớp độ che phủ đất cho biết một độ che phủ đất duy nhất, trong đó loại độ che phủ 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 có thêm một lớp phủ bề mặt đất chiếm ít nhất 10% pixel. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Use |
mét | Sản phẩm cuối cùng về việc sử dụng đất theo chủ đề của LCMS. Tổng cộng có 5 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. Việc sử dụng đất được dự đoán bằng một mô hình Rừng ngẫu nhiên đa lớp duy nhất, mô hình này xuất ra một mảng các xác suất của từng lớp (tỷ lệ cây trong mô hình Rừng ngẫu nhiên "chọn" từng lớp). Các lớp cuối cùng được chỉ định cho mục đích sử dụng đất có xác suất cao nhất. Trước khi chỉ định lớp sử dụng đất có xác suất cao nhất, một loạt các ngưỡng xác suất và bộ quy tắc sử dụng các tập dữ liệu phụ trợ đã được áp dụng. Bạn có thể xem thêm thông tin về các ngưỡng xác suất và bộ quy tắc trong Bản tóm tắt về phương pháp LCMS được liên kết trong phần Mô tả. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Change_Raw_Probability_Slow_Loss |
mét | Xác suất được mô hình hoá LCMS thô về Tốc độ mất dữ liệu chậm. Slow Loss bao gồm các lớp sau đây trong quá trình diễn giải thay đổi TimeSync:
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Change_Raw_Probability_Fast_Loss |
mét | Xác suất mất dữ liệu nhanh được mô hình hoá theo LCMS thô. Mất dữ liệu nhanh bao gồm các lớp sau trong quá trình diễn giải thay đổi TimeSync:
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Change_Raw_Probability_Gain |
mét | Xác suất tăng trưởng được mô hình hoá của LCMS thô. Được định nghĩa là: Đất có độ che phủ thực vật tăng lên do sự phát triển và kế thừa 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 tăng trưởng 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 phổ phải tuân thủ chặt chẽ đường xu hướng tăng (ví dụ: độ dốc dương sẽ có giá trị khoảng 0,10 đơn vị NDVI nếu kéo dài đến khoảng 20 năm) 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 ở Alaska). Được xác định 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 định nghĩa 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 định nghĩa là: Phần lớn pixel bao gồm các loại cỏ lâu năm, cây thân thảo hoặc các dạng thực vật thân thảo khác, đồng thời 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 (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 lâu năm như sa mạc, hồ nước mặn, 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 có ít nhất 10% cây còn sống hoặc cây chết đứng. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Land_Cover_Raw_Probability_Tall-Shrubs |
mét | Xác suất thô theo mô hình LCMS của Cây bụi cao (Chỉ ở Alaska). Được xác định là: Phần lớn pixel bao gồm các bụi cây cao hơn 1 mét. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
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 xác định là: Phần lớn các pixel bao gồm 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 (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 lâu năm như sa mạc, hồ nước mặn, 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 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 thô được mô hình hoá theo LCMS của Đất cằn và Hỗn hợp cỏ/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, hồ nước mặn, 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 đất cằn 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 xác định 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 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 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 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 có 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 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 đất ngập nước có cây gỗ rụng lá, thường xanh và/hoặc hỗn hợp. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
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 hai trường hợp sau: a.) Đất chăn thả, nơi thảm thực vật là hỗn hợp của các loại cỏ, cây bụi, cây thân thảo và cây giống cỏ bản địa chủ yếu phát sinh 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 tự nhiên, cây thân thảo và thảo mộc 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. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Thay đổi bảng lớp
| Giá trị | Màu | Mô tả |
|---|---|---|
| 1 | #ff09f3 | Gió |
| 2 | #541aff | Bão tố |
| 3 | #e4f5fd | Hiệu ứng chuyển cảnh tuyết hoặc băng |
| 4 | #cc982e | Sự khô cằn |
| 5 | #0adaff | Ngập lụt |
| 6 | #a10018 | Đám cháy có kiểm soát |
| 7 | #d54309 | Cháy rừng |
| 8 | #fafa4b | Biến đổi cơ học của đất |
| 9 | #afde1c | Chặt cây |
| 10 | #ffc80d | Rụng lá |
| 11 | #a64c28 | Bọ cánh cứng thông phương Nam |
| 12 | #f39268 | Côn trùng, bệnh tật hoặc hạn hán |
| 13 | #c291d5 | Tổn thất khác |
| 14 | #00a398 | Sự phát triển kế tiếp của thảm thực vật |
| 15 | #3d4551 | Ổn định |
| 16 | #1b1716 | Mặt nạ vùng không xử lý |
Bảng phân loại độ che phủ đất
| Giá trị | Màu | Mô tả |
|---|---|---|
| 1 | #004e2b | Cây |
| 2 | #009344 | Tall Shrubs & Trees Mix (Chỉ ở Alaska) |
| 3 | #61bb46 | Danh sách kết hợp cây bụi và cây |
| 4 | #acbb67 | Hỗn hợp cỏ/cây thân thảo/thảo mộc và cây |
| 5 | #8b8560 | Cảnh vật cằn cỗi và cây cối |
| 6 | #cafd4b | Cây bụi cao (Chỉ ở Alaska) |
| 7 | #f89a1c | Cây bụi |
| 8 | #8fa55f | Hỗn hợp cỏ/cây thân thảo/thảo mộc và cây bụi |
| 9 | #bebb8e | Hỗn hợp đất cằn và cây bụi |
| 10 | #e5e98a | Cỏ/Cây thân thảo/Thảo mộc |
| 11 | #ddb925 | Hỗn hợp đất cằn và cỏ/cây thân thảo/thảo mộc |
| 12 | #893f54 | Cằn cỗi hoặc Không thấm nước |
| 13 | #e4f5fd | Tuyết hoặc băng |
| 14 | #00b6f0 | Nước |
| 15 | #1b1716 | Mặt nạ vùng không xử lý |
Bảng phân loại việc sử dụng đất
| Giá trị | Màu | Mô tả |
|---|---|---|
| 1 | #fbff97 | Nông nghiệp |
| 2 | #e6558b | Đã phát triển |
| 3 | #004e2b | Rừng |
| 4 | #9dbac5 | Khác |
| 5 | #a6976a | Đồng cỏ hoặc bãi chăn thả |
| 6 | #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, Alaska, Puerto Rico – Quần đảo Virgin thuộc Hoa Kỳ và Hawaii. Phiên bản này có CONUS. Dữ liệu cho AK, PRUSVI và HI sẽ được phát hành vào cuối mùa hè năm 2025. Các giá trị có thể là: "CONUS, AK" |
| version | STRING | Phiên bản của sản phẩm |
| startYear | SLC | Năm bắt đầu của sản phẩm |
| endYear | SLC | Năm kết thúc của sản phẩm |
| năm | SLC | Năm sản xuất sản phẩm |
Điều khoản sử dụng
Điều khoản sử dụng
Cục Lâm nghiệp Hoa Kỳ không bảo đảm (dù rõ ràng hay ngụ ý), bao gồm cả việc đảm bảo khả năng thương mại và tính phù hợp cho một mục đích cụ thể, cũng như không chịu trách nhiệm pháp lý hoặc trách nhiệm đối với tính chính xác, độ tin cậy, tính hoàn chỉnh hoặc tính hữu ích của dữ liệu không gian địa lý này, hoặc đối với việc sử dụng dữ liệu không gian địa lý này không đúng cách hoặc không chính xác. 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 danh hiệu, quyền sở hữu, nội dung mô tả hoặc ranh giới pháp lý, phạm vi tài phán pháp lý hoặc các quy định hạn chế có thể áp dụng cho 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 cần 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 giới hạn của dữ liệu không gian địa lý và sử dụng dữ liệu cho phù hợp.
Những dữ liệu này được thu thập bằng nguồn tài trợ của Chính phủ Hoa Kỳ và bạn có thể 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. 2025. Hệ thống giám sát thay đổi cảnh quan của USFS phiên bản 2024.10 (Hoa Kỳ lục địa và Hoa Kỳ lục địa bên ngoài). Thành phố Salt Lake, Utah.
Trích dẫn
Cục Lâm nghiệp Hoa Kỳ. 2025. Hệ thống giám sát thay đổi cảnh quan của USFS phiên bản 2024.10 (Hoa Kỳ lục địa và Hoa Kỳ lục địa bên ngoài). Thành phố Salt Lake, Utah.
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 chéo theo kinh nghiệm về đặc điểm quang phổ của Sentinel-2A và 2B MSI, Landsat-8 OLI và Landsat-7 ETM ở phần trên cùng của khí quyển trên khắp các tiểu bang liền kề của Hoa Kỳ. Trong Remote Sensing of Environment. 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 xáo trộn và phục hồi rừng bằng cách sử dụng chuỗi thời gian Landsat hằng năm: 2. TimeSync – Công cụ để hiệu chỉnh 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 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., 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
Cơ quan Khảo sát Địa chất Hoa Kỳ, 2019. Mô hình độ cao kỹ thuật số của Chương trình độ cao 3D của Cục Khảo sát Địa chất Hoa Kỳ, truy cập vào tháng 8 năm 2022 tại https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m
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 khái quát hoá xếp chồng: Một phương pháp tập hợp. Trong Remote Sensing of Environment. 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 trong hoạt động gây 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
Pasquarella, V. J., Brown, C. F., Czerwinski, W. và Rucklidge, W. J., 2023. Đánh giá toàn diện chất lượng hình ảnh vệ tinh quang học bằng phương pháp học video có giám sát một phần. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2124-2134.
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. Phân tích vị trí địa hình và địa hình. Bài thuyết trình trên áp phích, 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. 118: 83-94.
Zhu, Z. và Woodcock, C. E., 2012. Phát hiện đám mây và bóng mây dựa trên đối tượng trong hình ảnh Landsat. Trong Remote Sensing of Environment. Science Direct, 118: 83-94. doi:10.1016/j.rse.2011.10.028
Zhu, Z. và Woodcock, C. E., 2014. Liên tục phát hiện thay đổi và phân loại 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
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
Khám phá bằng Earth Engine
Trình soạn thảo mã (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);