- Dataset-Verfügbarkeit
- 1985-01-01T00:00:00Z–2023-12-31T00:00:00Z
- Ersteller des Datasets
- United States Geological Survey und Bureau of Land Management
- Tags
Beschreibung
Im RCMAP-Dataset (Rangeland Condition Monitoring Assessment and Projection) wird der prozentuale Anteil der Rangeland-Komponenten in West-Nordamerika anhand von Landsat-Bildern aus dem Zeitraum 1985 bis 2023 quantifiziert. Die RCMAP-Produktreihe besteht aus zehn fraktionierten Komponenten: einjährige krautige Pflanzen, unbewachsener Boden, krautige Pflanzen, Streu, Nicht-Beifuß-Sträucher, mehrjährige krautige Pflanzen, Beifuß, Sträucher, Bäume und Strauchhöhe sowie den zeitlichen Trends der einzelnen Komponenten. Im Vergleich zu früheren Generationen wurden mehrere Verbesserungen am RCMAP-Prozess vorgenommen. Zuerst wurde das Training mit hoher Auflösung mit einem verbesserten Klassifikator für neuronale Netze und einem verbesserten Modellierungsansatz überarbeitet. Diese Daten dienen als Grundlage für den RCMAP-Ansatz. Die Trainingsdatenbank wurde durch die Einbeziehung zusätzlicher Datasets weiter verbessert. Als Nächstes wurde der Landsat-Compositing-Ansatz verbessert, um die Bandbreite der Bedingungen über jedes Jahr und im Zeitverlauf besser zu erfassen. Diese Composites basieren auf Landsat-Daten der Collection 2 mit verbesserter Geolocation-Genauigkeit und dynamischem Bereich. Schließlich wurde der kanadische Teil des Beifuß-Bioms einbezogen, wodurch sich das Untersuchungsgebiet um 29.199 km² vergrößerte.
Die Verarbeitungseffizienz wurde durch den Einsatz von Open-Source-Software und HPC-Ressourcen (High-Performance Computing) des USGS gesteigert. Der Kartierungsbereich umfasste acht Regionen, die anschließend mosaikiert wurden. Anhand dieser Daten lassen sich wichtige Fragen zum Einfluss des Klimawandels und zur Eignung von Managementpraktiken beantworten. Komponentenprodukte können unter Multi-Resolution Land Characteristics Consortium heruntergeladen werden.
Die zeitlichen Muster wurden in jeder RCMAP-Komponente mit zwei Ansätzen bewertet: 1) lineare Trends und 2) eine Methode für Unterbrechungen und stabile Zustände mit einem 8-jährigen gleitenden Zeitfenster basierend auf strukturellen Änderungen auf Pixelebene. Zu Produkten mit linearem Trend gehören Steigung und p-Wert, die aus der linearen Regression der kleinsten Quadrate berechnet werden. Die Steigung stellt die durchschnittliche prozentuale Änderung der Bodenbedeckung pro Jahr über die Zeitreihe hinweg dar. Der p-Wert gibt das Konfidenzniveau der Änderung in jedem Pixel an. Bei der Methode für strukturelle Änderungen wird die Zeitreihe in Segmente mit ähnlichen Steigungswerten unterteilt. Statistisch signifikante Haltepunkte weisen auf Störungen des vorherigen Verlaufs hin. Die Analyse von Trends an Haltepunkten basiert auf Methoden für strukturelle Unterbrechungen. So werden die Anzahl und der Zeitpunkt von Unterbrechungen in der Zeitreihe sowie die Signifikanz der einzelnen Segmente ermittelt. Die folgenden Statistiken wurden erstellt: 1) für jede Komponente, jedes Jahr, das Vorhandensein/Fehlen von Unterbrechungen, 2) die Steigung, der p-Wert und der Standardfehler des Segments, das in jedem Jahr auftritt, 3) das R2 des Gesamtmodells (Qualität der Anpassung des Modells an das Zeitprofil) und 4) ein Index, die „Total Change Intensity“ (Gesamtintensität der Änderung). Dieser Index gibt die Gesamtänderung der Komponenten in diesem Pixel an. Die Methoden für lineare und strukturelle Änderungen stimmten im Allgemeinen in Bezug auf die Muster der Änderungen überein. Bei der Methode für strukturelle Änderungen wurden jedoch häufiger Unterbrechungen festgestellt, wobei die meisten Pixel mindestens einen Haltepunkt aufwiesen. Das Modell für strukturelle Änderungen liefert robustere Statistiken für die signifikante Minderheit von Pixeln mit nicht monotonen Trends, während einige interannuelle Signale aus langfristiger Sicht möglicherweise überflüssig sind.
Bänder
Bänder
Pixelgröße: 30 Meter (alle Bänder)
| Name | Einheiten | Min. | Max. | Maßstab | Pixelgröße | Beschreibung |
|---|---|---|---|---|---|---|
annual_herbaceous_break_point |
Anzahl | 0 | 3 | 30 Meter | Anzahl der strukturellen Brüche in der jährlichen Zeitreihe für krautige Pflanzen |
|
bare_ground_break_point |
Anzahl | 0 | 3 | 30 Meter | Anzahl der in der Zeitreihe für den unbewachsenen Boden beobachteten strukturellen Brüche |
|
herbaceous_break_point |
Anzahl | 0 | 3 | 30 Meter | Anzahl der beobachteten strukturellen Brüche in der Zeitreihe für krautige Vegetation |
|
litter_break_point |
Anzahl | 0 | 3 | 30 Meter | Anzahl der in der Zeitreihe für die Wurfgröße beobachteten strukturellen Brüche |
|
sagebrush_break_point |
Anzahl | 0 | 3 | 30 Meter | Anzahl der in der Zeitreihe für Beifuß beobachteten strukturellen Brüche |
|
shrub_break_point |
Anzahl | 0 | 3 | 30 Meter | Anzahl der beobachteten strukturellen Brüche in der Strauchzeitreihe |
|
shrub_height_break_point |
Anzahl | 0 | 3 | 30 Meter | Anzahl der beobachteten strukturellen Brüche in der Zeitreihe zur Strauchhöhe |
|
non_sagebrush_shrub_break_point |
Anzahl | 0 | 3 | 30 Meter | Anzahl der beobachteten strukturellen Brüche in der Zeitreihe für Nicht-Beifuß-Sträucher |
|
perennial_herbaceous_break_point |
Anzahl | 0 | 3 | 30 Meter | Anzahl der beobachteten strukturellen Brüche in der Zeitreihe für mehrjährige krautige Pflanzen |
|
tree_break_point |
Anzahl | 0 | 3 | 30 Meter | Anzahl der in der Baumzeitreihe beobachteten strukturellen Unterbrechungen |
|
annual_herbaceous_linear_model_pvalue |
p-Wert | 0 | 100 | 0,01 | 30 Meter | P-Wert des Modells für lineare Trends für jährliche krautige Zeitreihen |
bare_ground_linear_model_pvalue |
p-Wert | 0 | 100 | 0,01 | 30 Meter | P-Wert des Modells für lineare Trends für Zeitreihen mit unbewachsenem Boden |
herbaceous_linear_model_pvalue |
p-Wert | 0 | 100 | 0,01 | 30 Meter | P-Wert des Modells für lineare Trends für krautige Zeitreihen |
litter_linear_model_pvalue |
p-Wert | 0 | 100 | 0,01 | 30 Meter | P-Wert des Modells für lineare Trends für die Streuzeitreihe |
sagebrush_linear_model_pvalue |
p-Wert | 0 | 100 | 0,01 | 30 Meter | P-Wert des Modells für lineare Trends für Beifuß-Zeitreihen |
shrub_linear_model_pvalue |
p-Wert | 0 | 100 | 0,01 | 30 Meter | P-Wert des Modells für lineare Trends für Strauchzeitreihen |
shrub_height_linear_model_pvalue |
p-Wert | 0 | 100 | 0,01 | 30 Meter | P-Wert des Modells für lineare Trends für die Zeitreihe der Strauchhöhe |
non_sagebrush_shrub_linear_model_pvalue |
p-Wert | 0 | 100 | 0,01 | 30 Meter | P-Wert des Modells für lineare Trends für Zeitreihen ohne Beifuß |
perennial_herbaceous_linear_model_pvalue |
p-Wert | 0 | 100 | 0,01 | 30 Meter | P-Wert des Modells für lineare Trends für mehrjährige krautige Zeitreihen |
tree_linear_model_pvalue |
p-Wert | 0 | 100 | 0,01 | 30 Meter | P-Wert des Modells für lineare Trends für Baumzeitreihen |
annual_herbaceous_linear_model_slope |
Änderung in % pro Jahr | -383 | 351 | 0,01 | 30 Meter | Steigung des linearen Trendmodells für jährliche krautige Zeitreihen |
bare_ground_linear_model_slope |
Änderung in % pro Jahr | -383 | 351 | 0,01 | 30 Meter | Steigung des linearen Trendmodells für Zeitreihen mit unbedecktem Boden |
herbaceous_linear_model_slope |
Änderung in % pro Jahr | -383 | 351 | 0,01 | 30 Meter | Steigung des Modells für lineare Trends für krautige Zeitreihen |
litter_linear_model_slope |
Änderung in % pro Jahr | -383 | 351 | 0,01 | 30 Meter | Steigung des Modells für lineare Trends für Zeitreihen zu Abfall |
sagebrush_linear_model_slope |
Änderung in % pro Jahr | -383 | 351 | 0,01 | 30 Meter | Steigung des Modells für lineare Trends für Zeitreihen von Beifuß |
shrub_linear_model_slope |
Änderung in % pro Jahr | -383 | 351 | 0,01 | 30 Meter | Steigung des linearen Trendmodells für Strauchzeitreihen |
shrub_height_linear_model_slope |
Änderung in % pro Jahr | -383 | 351 | 0,01 | 30 Meter | Steigung des linearen Trendmodells für Zeitreihen zur Strauchhöhe |
non_sagebrush_shrub_linear_model_slope |
Änderung in % pro Jahr | -383 | 351 | 0,01 | 30 Meter | Steigung des Modells für lineare Trends für Zeitreihen ohne Beifuß |
perennial_herbaceous_linear_model_slope |
Änderung in % pro Jahr | -383 | 351 | 0,01 | 30 Meter | Steigung des linearen Trendmodells für mehrjährige krautige Zeitreihen |
tree_linear_model_slope |
Änderung in % pro Jahr | -383 | 351 | 0,01 | 30 Meter | Steigung des linearen Trendmodells für Baumzeitreihen |
annual_herbaceous_most_recent_break_point |
y | 1985 | 2023 | 30 Meter | Jahr des letzten Bruchs in der Zeitreihe für jede Komponente der jährlichen krautigen Zeitreihe |
|
bare_ground_most_recent_break_point |
y | 1985 | 2023 | 30 Meter | Jahr des letzten Bruchs in der Zeitreihe für jede Komponente der Zeitreihe für unbedeckten Boden |
|
herbaceous_most_recent_break_point |
y | 1985 | 2023 | 30 Meter | Jahr des letzten Bruchs in der Zeitreihe für jede Komponente der krautigen Zeitreihe |
|
litter_most_recent_break_point |
y | 1985 | 2023 | 30 Meter | Jahr des letzten Bruchs in der Zeitreihe für jede Komponente der Zeitreihe für die Streu |
|
sagebrush_most_recent_break_point |
y | 1985 | 2023 | 30 Meter | Jahr des letzten Bruchs in der Zeitreihe für jede Komponente der Zeitreihe für Beifuß |
|
shrub_most_recent_break_point |
y | 1985 | 2023 | 30 Meter | Jahr des letzten Bruchs in der Zeitreihe für jede Komponente der Strauchzeitreihe |
|
shrub_height_most_recent_break_point |
y | 1985 | 2023 | 30 Meter | Jahr des letzten Bruchs in der Zeitreihe für jede Komponente der Zeitreihe für die Strauchhöhe |
|
non_sagebrush_shrub_most_recent_break_point |
y | 1985 | 2023 | 30 Meter | Jahr der letzten Unterbrechung der Zeitreihe für jede Komponente der Zeitreihe für Nicht-Beifuß-Sträucher |
|
perennial_herbaceous_most_recent_break_point |
y | 1985 | 2023 | 30 Meter | Jahr des letzten Bruchs in der Zeitreihe für jede Komponente der mehrjährigen krautigen Zeitreihe |
|
tree_most_recent_break_point |
y | 1985 | 2023 | 30 Meter | Das Jahr des letzten Bruchs in der Zeitreihe für jede Komponente der Baumzeitreihe |
|
total_change_intensity_index |
Dimensionslos | 0 | 100 | 30 Meter | Der Index für die Gesamtintensität der Veränderung ist ein abgeleiteter Index, der die Gesamtmenge der Veränderung bei den primären Komponenten (Sträucher, unbewachsener Boden, Streu und krautige Pflanzen) hervorheben soll. „Change“ (Änderung) gibt die Steigungswerte aus der Analyse struktureller Änderungen an. Die Werte werden so konstruiert, dass 100 die maximale beobachtete Änderung über alle Komponenten hinweg und 0 keine Änderung bedeutet. |
Nutzungsbedingungen
Nutzungsbedingungen
Dieses Werk wurde im Rahmen der offiziellen Pflichten des Mitwirkenden als Mitarbeiter der Regierung der Vereinigten Staaten verfasst und ist daher ein Werk der Regierung der Vereinigten Staaten. Gemäß 17 U.S.C. 105 sind solche Werke nach US-amerikanischem Recht nicht urheberrechtlich geschützt. Dies ist ein Open-Access-Artikel, der als frei von bekannten Einschränkungen nach dem Urheberrechtsgesetz, einschließlich aller verwandten und benachbarten Rechte, identifiziert wurde (https://creativecommons.org/publicdomain/mark/1.0/). Dieses Werk darf ohne Genehmigung auch für kommerzielle Zwecke kopiert, bearbeitet, verbreitet und aufgeführt werden.
Zitationen
Rigge, M.B., Bunde, B., Postma, K. und Shi, H., 2024, Rangeland Condition Monitoring Assessment and Projection (RCMAP) Fractional Component Time-Series Across the Western U.S. 1985-2023: U.S. Geological Survey data release, doi:10.5066/P9SJXUI1.
Rigge, M., H. Shi, C. Homer, P. Danielson und B. Granneman. 2019. Langfristige Entwicklung der fraktionierten Komponentenänderung im Northern Great Basin, USA. Ecosphere 10(6):e02762. doi:10.1002/ecs2.2762
Rigge, M., C. Homer, L. Cleeves, D. K. Meyer, B. Bunde, H. Shi, G. Xian, S. Schell und M. Bobo. 2020. Quantifizierung von Weideland im Westen der USA als fraktionale Komponenten mit Fernerkundung und In-situ-Daten mit mehreren Auflösungen. Remote Sensing 12. doi:10.3390/rs12030412
Rigge, M., C. Homer, H. Shi, D. Meyer, B. Bunde, B. Granneman, K. Postma, P. Danielson, A. Case und G. Xian. 2021. Rangeland Fractional Components Across the Western United States von 1985 bis 2018. Remote Sensing 13:813. doi:10.3390/rs13040813
DOIs
Die Earth Engine nutzen
Code-Editor (JavaScript)
// Import the NLCD RCMAP TRENDS image. var dataset = ee.Image('USGS/NLCD_RELEASES/2023_REL/RCMAP/V6/TRENDS'); var trends = dataset.select('annual_herbaceous_break_point'); var vis = { min: [0], max: [5], 'palette': [ '000000', 'f9e8b7', 'f7e3ac', 'f0dfa3', 'eedf9c', 'eada91', 'e8d687', 'e0d281', 'ddd077', 'd6cc6d', 'd3c667', 'd0c55e', 'cfc555', 'c6bd4f', 'c4ba46', 'bdb83a', 'bbb534', 'b7b02c', 'b0ad1f', 'adac17', 'aaaa0a', 'a3a700', '9fa700', '9aa700', '92a700', '8fa700', '87a700', '85a700', '82aa00', '7aaa00', '77aa00', '70aa00', '6caa00', '67aa00', '5fa700', '57a700', '52a700', '4fa700', '4aa700', '42a700', '3ca700', '37a700', '37a300', '36a000', '369f00', '349d00', '339900', '339900', '2f9200', '2d9100', '2d8f00', '2c8a00', '2c8800', '2c8500', '2c8400', '2b8200', '297d00', '297a00', '297900', '277700', '247400', '247000', '29700f', '2c6d1c', '2d6d24', '336d2d', '366c39', '376c44', '396a4a', '396a55', '3a6a5f', '3a696a', '396774', '3a6782', '39668a', '376292', '34629f', '2f62ac', '2c5fb7', '245ec4', '1e5ed0', '115cdd', '005ae0', '0057dd', '0152d6', '0151d0', '014fcc', '014ac4', '0147bd', '0144b8', '0142b0', '0141ac', '013da7', '013aa0', '01399d', '013693', '013491', '012f8a', '012d85', '012c82', '01297a' ] }; // Display the image on the map. Map.setCenter(-114, 38, 6); Map.addLayer(trends, vis, 'annual herbaceous breakpoint in integer');