
- در دسترس بودن مجموعه دادهها
- 1985-01-01T00:00:00Z–2023-12-31T00:00:00Z
- تولیدکننده مجموعه داده
- سازمان زمینشناسی ایالات متحده و اداره مدیریت زمین
- برچسبها
توضیحات
مجموعه دادههای RCMAP (ارزیابی و پیشبینی پایش وضعیت مراتع) درصد پوشش اجزای مرتع در سراسر غرب آمریکای شمالی را با استفاده از تصاویر لندست از سال ۱۹۸۵ تا ۲۰۲۳ تعیین میکند. مجموعه محصولات RCMAP شامل ده جزء جزئی است: علفی یکساله، زمین لخت، علفی، لاشبرگ، درختچه غیر درمنه، علفی چندساله، درمنه، درختچه، درخت و ارتفاع درختچه، علاوه بر روندهای زمانی هر جزء. چندین پیشرفت در فرآیند RCMAP نسبت به نسلهای قبل انجام شد. ابتدا، آموزش با وضوح بالا با استفاده از یک طبقهبندیکننده شبکه عصبی بهبود یافته و رویکرد مدلسازی اصلاح شد. این دادهها به عنوان پایه رویکرد RCMAP عمل میکنند. پایگاه داده آموزشی با ترکیب مجموعه دادههای اضافی، بیشتر بهبود یافت. در مرحله بعد، رویکرد ترکیب لندست برای ثبت بهتر طیف وسیعی از شرایط از هر سال و در طول زمان بهبود یافت. این ترکیبها بر اساس دادههای مجموعه ۲ لندست با دقت موقعیت جغرافیایی و دامنه دینامیکی بهبود یافته هستند. در نهایت، بخش کانادایی زیستبوم درمنه نیز در نظر گرفته شد که منطقه مورد مطالعه را ۲۹۱۹۹ کیلومتر مربع گسترش داد.
کارایی پردازش با استفاده از نرمافزار متنباز و منابع محاسبات با کارایی بالای USGS (HPC) افزایش یافته است. منطقه نقشهبرداری شامل هشت منطقه بود که متعاقباً موزاییکبندی شدند. این دادهها میتوانند برای پاسخ به سؤالات حیاتی در مورد تأثیر تغییرات اقلیمی و مناسب بودن شیوههای مدیریتی مورد استفاده قرار گیرند. محصولات ترکیبی را میتوان از کنسرسیوم ویژگیهای زمین با وضوح چندگانه دانلود کرد.
الگوهای زمانی در هر مؤلفه RCMAP با دو رویکرد ارزیابی شدند: ۱) روندهای خطی و ۲) روش شکستها و حالتهای پایدار با یک پنجره زمانی متحرک ۸ ساله بر اساس تغییر ساختاری در سطح پیکسل. محصولات روند خطی شامل شیب و مقدار p محاسبه شده از رگرسیون خطی حداقل مربعات هستند. شیب نشان دهنده میانگین درصد تغییر پوشش در هر سال در طول سریهای زمانی است و مقدار p نشان دهنده اطمینان از تغییر در هر پیکسل است. روش تغییر ساختاری، سری زمانی را به بخشهایی با مقادیر شیب مشابه تقسیم میکند، که نقاط شکست از نظر آماری معنیدار هستند و نشاندهنده اختلالات در مسیر قبلی میباشند. مجموعه تحلیل روندهای نقطه شکست بر روشهای شکست ساختاری متکی است که منجر به شناسایی تعداد و زمان شکستها در سریهای زمانی و اهمیت هر بخش میشود. آمار زیر تولید شد: ۱) برای هر مؤلفه، هر سال، وجود/عدم وجود شکستها، ۲) شیب، مقدار p و خطای استاندارد قطعهای که در هر سال رخ میدهد، ۳) مدل کلی R2 (کیفیت برازش مدل با نمایه زمانی) و ۴) شاخص شدت کل تغییر. این شاخص، کل میزان تغییر رخ داده در مؤلفههای آن پیکسل را نشان میدهد. روشهای تغییر خطی و ساختاری عموماً در مورد الگوهای تغییر توافق داشتند، اما دومی شکستها را بیشتر و با حداقل یک نقطه شکست در اکثر پیکسلها پیدا کرد. مدل تغییر ساختاری، آمار قویتری در مورد اقلیت قابل توجهی از پیکسلها با روندهای غیریکنواخت ارائه میدهد، در حالی که برخی از سیگنالهای بین سالانه را که از دیدگاه بلندمدت به طور بالقوه غیرضروری هستند، از روند خارج میکند.
باندها
باندها
اندازه پیکسل: 30 متر (همه باندها)
| نام | واحدها | حداقل | مکس | مقیاس | اندازه پیکسل | توضیحات |
|---|---|---|---|---|---|---|
annual_herbaceous_break_point | بشمار | 0 | ۳ | ۳۰ متر | تعداد شکستهای ساختاری مشاهدهشده در سریهای زمانی علفی سالانه | |
bare_ground_break_point | بشمار | 0 | ۳ | ۳۰ متر | تعداد شکستهای ساختاری مشاهدهشده در سری زمانی زمین لخت | |
herbaceous_break_point | بشمار | 0 | ۳ | ۳۰ متر | تعداد شکستهای ساختاری مشاهدهشده در سریهای زمانی علفی | |
litter_break_point | بشمار | 0 | ۳ | ۳۰ متر | تعداد شکستهای ساختاری مشاهدهشده در سری زمانی لاشبرگ | |
sagebrush_break_point | بشمار | 0 | ۳ | ۳۰ متر | تعداد شکستهای ساختاری مشاهدهشده در سری زمانی درمنه | |
shrub_break_point | بشمار | 0 | ۳ | ۳۰ متر | تعداد شکستهای ساختاری مشاهدهشده در سری زمانی بوتهزارها | |
shrub_height_break_point | بشمار | 0 | ۳ | ۳۰ متر | تعداد شکستهای ساختاری مشاهدهشده در سری زمانی ارتفاع درختچه | |
non_sagebrush_shrub_break_point | بشمار | 0 | ۳ | ۳۰ متر | تعداد شکستهای ساختاری مشاهدهشده در سری زمانی درختچههای غیر درمنه | |
perennial_herbaceous_break_point | بشمار | 0 | ۳ | ۳۰ متر | تعداد شکستهای ساختاری مشاهدهشده در سریهای زمانی گیاهان علفی چندساله | |
tree_break_point | بشمار | 0 | ۳ | ۳۰ متر | تعداد شکستهای ساختاری مشاهدهشده در سری زمانی درخت | |
annual_herbaceous_linear_model_pvalue | مقدار P | 0 | ۱۰۰ | ۰.۰۱ | ۳۰ متر | مقدار P مدل روند خطی برای سریهای زمانی علفی سالانه |
bare_ground_linear_model_pvalue | مقدار P | 0 | ۱۰۰ | ۰.۰۱ | ۳۰ متر | مقدار P مدل روندهای خطی برای سریهای زمانی زمین لخت |
herbaceous_linear_model_pvalue | مقدار P | 0 | ۱۰۰ | ۰.۰۱ | ۳۰ متر | مقدار P مدل روند خطی برای سریهای زمانی علفی |
litter_linear_model_pvalue | مقدار P | 0 | ۱۰۰ | ۰.۰۱ | ۳۰ متر | مقدار P مدل روند خطی برای سریهای زمانی زباله |
sagebrush_linear_model_pvalue | مقدار P | 0 | ۱۰۰ | ۰.۰۱ | ۳۰ متر | مقدار P مدل روند خطی برای سریهای زمانی درمنه |
shrub_linear_model_pvalue | مقدار P | 0 | ۱۰۰ | ۰.۰۱ | ۳۰ متر | مقدار P مدل روند خطی برای سریهای زمانی درختچهها |
shrub_height_linear_model_pvalue | مقدار P | 0 | ۱۰۰ | ۰.۰۱ | ۳۰ متر | مقدار P مدل روند خطی برای سریهای زمانی ارتفاع درختچه |
non_sagebrush_shrub_linear_model_pvalue | مقدار P | 0 | ۱۰۰ | ۰.۰۱ | ۳۰ متر | مقدار P مدل روند خطی برای سریهای زمانی درختچههای غیر درمنه |
perennial_herbaceous_linear_model_pvalue | مقدار P | 0 | ۱۰۰ | ۰.۰۱ | ۳۰ متر | مقدار P مدل روند خطی برای سریهای زمانی گیاهان علفی چند ساله |
tree_linear_model_pvalue | مقدار P | 0 | ۱۰۰ | ۰.۰۱ | ۳۰ متر | مقدار P مدل روندهای خطی برای سریهای زمانی درختی |
annual_herbaceous_linear_model_slope | درصد تغییر در سال | -۳۸۳ | ۳۵۱ | ۰.۰۱ | ۳۰ متر | مدل شیب روند خطی برای سریهای زمانی سالانه علفی |
bare_ground_linear_model_slope | درصد تغییر در سال | -۳۸۳ | ۳۵۱ | ۰.۰۱ | ۳۰ متر | مدل شیب روندهای خطی برای سریهای زمانی زمین لخت |
herbaceous_linear_model_slope | درصد تغییر در سال | -۳۸۳ | ۳۵۱ | ۰.۰۱ | ۳۰ متر | مدل شیب روند خطی برای سریهای زمانی علفی |
litter_linear_model_slope | درصد تغییر در سال | -۳۸۳ | ۳۵۱ | ۰.۰۱ | ۳۰ متر | مدل شیب روندهای خطی برای سریهای زمانی زباله |
sagebrush_linear_model_slope | درصد تغییر در سال | -۳۸۳ | ۳۵۱ | ۰.۰۱ | ۳۰ متر | مدل شیب روندهای خطی برای سریهای زمانی درمنه |
shrub_linear_model_slope | درصد تغییر در سال | -۳۸۳ | ۳۵۱ | ۰.۰۱ | ۳۰ متر | مدل شیب روند خطی برای سریهای زمانی درختچهها |
shrub_height_linear_model_slope | درصد تغییر در سال | -۳۸۳ | ۳۵۱ | ۰.۰۱ | ۳۰ متر | مدل شیب روند خطی برای سریهای زمانی ارتفاع درختچه |
non_sagebrush_shrub_linear_model_slope | درصد تغییر در سال | -۳۸۳ | ۳۵۱ | ۰.۰۱ | ۳۰ متر | مدل شیب روند خطی برای سریهای زمانی درختچههای غیر درمنه |
perennial_herbaceous_linear_model_slope | درصد تغییر در سال | -۳۸۳ | ۳۵۱ | ۰.۰۱ | ۳۰ متر | مدل شیب روند خطی برای سریهای زمانی گیاهان علفی چندساله |
tree_linear_model_slope | درصد تغییر در سال | -۳۸۳ | ۳۵۱ | ۰.۰۱ | ۳۰ متر | مدل شیب روندهای خطی برای سریهای زمانی درختی |
annual_herbaceous_most_recent_break_point | ی | ۱۹۸۵ | ۲۰۲۳ | ۳۰ متر | سال آخرین وقفه در سری زمانی برای هر جزء از سری زمانی علفی سالانه | |
bare_ground_most_recent_break_point | ی | ۱۹۸۵ | ۲۰۲۳ | ۳۰ متر | سال آخرین وقفه در سری زمانی برای هر جزء از سری زمانی زمین لخت | |
herbaceous_most_recent_break_point | ی | ۱۹۸۵ | ۲۰۲۳ | ۳۰ متر | سال آخرین وقفه در سری زمانی برای هر جزء از سری زمانی علفی | |
litter_most_recent_break_point | ی | ۱۹۸۵ | ۲۰۲۳ | ۳۰ متر | سال آخرین وقفه در سری زمانی برای هر جزء از سری زمانی زباله | |
sagebrush_most_recent_break_point | ی | ۱۹۸۵ | ۲۰۲۳ | ۳۰ متر | سال آخرین وقفه در سری زمانی برای هر جزء از سری زمانی Sagebrush | |
shrub_most_recent_break_point | ی | ۱۹۸۵ | ۲۰۲۳ | ۳۰ متر | سال آخرین وقفه در سری زمانی برای هر جزء از سری زمانی درختچهها | |
shrub_height_most_recent_break_point | ی | ۱۹۸۵ | ۲۰۲۳ | ۳۰ متر | سال آخرین وقفه در سری زمانی برای هر جزء از سری زمانی ارتفاع درختچه | |
non_sagebrush_shrub_most_recent_break_point | ی | ۱۹۸۵ | ۲۰۲۳ | ۳۰ متر | سال آخرین وقفه در سری زمانی برای هر جزء از سری زمانی درختچههای غیر درمنه | |
perennial_herbaceous_most_recent_break_point | ی | ۱۹۸۵ | ۲۰۲۳ | ۳۰ متر | سال آخرین وقفه در سری زمانی برای هر جزء از سری زمانی گیاهان علفی چند ساله | |
tree_most_recent_break_point | ی | ۱۹۸۵ | ۲۰۲۳ | ۳۰ متر | سال آخرین وقفه در سری زمانی برای هر جزء از سری زمانی درختی | |
total_change_intensity_index | بیبعد | 0 | ۱۰۰ | ۳۰ متر | شدت کل تغییر، یک شاخص مشتق است که برای برجسته کردن میزان کل تغییر در اجزای اصلی (بوته، زمین لخت، لاشبرگ و علفزار) طراحی شده است. تغییر، مقادیر شیب حاصل از تحلیل تغییر ساختاری را نشان میدهد. مقادیر به گونهای ساخته شدهاند که ۱۰۰ به معنای حداکثر تغییر مشاهده شده در تمام اجزا و ۰ به معنای عدم تغییر باشد. |
شرایط استفاده
شرایط استفاده
این اثر به عنوان بخشی از وظایف رسمی مشارکتکننده به عنوان کارمند دولت ایالات متحده نوشته شده است و بنابراین اثری از دولت ایالات متحده است. مطابق با 17 USC 105، هیچ گونه حمایت حق نشر برای چنین آثاری تحت قانون ایالات متحده در دسترس نیست. این یک مقاله با دسترسی آزاد است که به عنوان عاری از محدودیتهای شناخته شده تحت قانون حق نشر، از جمله تمام حقوق مرتبط و مجاور (https://creativecommons.org/publicdomain/mark/1.0/) شناسایی شده است. شما میتوانید این اثر را حتی برای اهداف تجاری، بدون نیاز به کسب اجازه، کپی، اصلاح، توزیع و اجرا کنید.
نقل قولها
ریگ، امبی، بونده، بی.، پوستما، کی.، و شی، اچ.، 2024، ارزیابی و پیشبینی پایش وضعیت مراتع (RCMAP) سری زمانی مؤلفه کسری در سراسر غرب ایالات متحده 1985-2023: انتشار دادههای سازمان زمینشناسی ایالات متحده، doi:10.5066/P9SJXUI1 .
ریگ، م.، اچ. شی، سی. هومر، پی. دنیلسون، و بی. گرانمن. 2019. مسیرهای بلندمدت تغییر مؤلفه کسری در حوضه بزرگ شمالی، ایالات متحده آمریکا. Ecosphere 10(6):e02762. doi:10.1002/ecs2.2762
ریگ، م.، سی. هومر، ل. کلیوز، دی. کی. مایر، ب. بونده، اچ. شی، جی. شیان، س. شل، و ام. بوبو. 2020. کمیسازی مراتع غرب ایالات متحده به عنوان اجزای کسری با سنجش از دور چند وضوحه و دادههای میدانی. سنجش از دور 12. doi:10.3390/rs12030412
ریگ، م.، سی. هومر، اچ. شی، دی. مایر، بی. بونده، بی. گرانمن، کی. پستما، پی. دنیلسون، ای. کیس، و جی. شیان. 2021. اجزای کسری مراتع در سراسر غرب ایالات متحده از سال 1985 تا 2018. سنجش از دور 13:813. doi:10.3390/rs13040813
DOI ها
با موتور زمین کاوش کنید
ویرایشگر کد (جاوااسکریپت)
// 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');