- Disponibilità set di dati
- 1985-01-01T00:00:00Z–2023-12-31T00:00:00Z
- Produttore del set di dati
- United States Geological Survey and Bureau of Land Management
- Tag
Descrizione
Il set di dati RCMAP (Rangeland Condition Monitoring Assessment and Projection) quantifica la copertura percentuale dei componenti delle praterie in Nord America occidentale utilizzando immagini Landsat dal 1985 al 2023. La suite di prodotti RCMAP è composta da dieci componenti frazionari: erbacee annuali, terreno nudo, erbacee, lettiera, arbusti non artemisia, erbacee perenni, artemisia, arbusti, alberi e altezza degli arbusti, oltre alle tendenze temporali di ciascun componente. Rispetto alle generazioni precedenti, sono stati apportati diversi miglioramenti al processo RCMAP. Innanzitutto, l'addestramento ad alta risoluzione è stato rivisto utilizzando un classificatore di rete neurale e un approccio di modellazione migliorati. Questi dati fungono da base per l'approccio RCMAP. Il database di addestramento è stato ulteriormente migliorato incorporando set di dati aggiuntivi. Successivamente, l'approccio di composizione Landsat è stato migliorato per acquisire meglio la gamma di condizioni di ogni anno e nel tempo. Questi compositi si basano sui dati Landsat della raccolta 2 con una precisione della geolocalizzazione e una gamma dinamica migliorate. Infine, è stata inclusa la parte canadese del bioma della salvia, che ha ampliato l'area di studio di 29.199 km².
L'efficienza di elaborazione è stata aumentata utilizzando software open source e risorse di computing ad alte prestazioni (HPC) dell'USGS. L'area di mappatura includeva otto regioni che sono state successivamente mosaicate. Questi dati possono essere utilizzati per rispondere a domande fondamentali sull'influenza del cambiamento climatico e sull'idoneità delle pratiche di gestione. I prodotti componenti possono essere scaricati da Multi-Resolution Land Characteristics Consortium.
I pattern temporali sono stati valutati in ogni componente RCMAP con due approcci: 1) tendenze lineari e 2) un metodo di interruzioni e stati stabili con una finestra mobile temporale di 8 anni basata sul cambiamento strutturale a livello di pixel. I prodotti di tendenza lineare includono la pendenza e il valore p calcolati dalla regressione lineare dei minimi quadrati. La pendenza rappresenta la variazione percentuale media della copertura all'anno nella serie temporale e il valore p riflette l'affidabilità della variazione in ogni pixel. Il metodo di cambiamento strutturale partiziona la serie temporale in segmenti di valori di pendenza simili, con punti di interruzione statisticamente significativi che indicano perturbazioni alla traiettoria precedente. La suite di analisi delle tendenze del punto di rottura si basa su metodi di rottura strutturale, che consentono di identificare il numero e la tempistica delle interruzioni nella serie temporale, nonché la significatività di ciascun segmento. Sono state prodotte le seguenti statistiche: 1) per ogni componente, ogni anno, la presenza/assenza di interruzioni, 2) la pendenza, il valore p e l'errore standard del segmento che si verifica ogni anno, 3) l'R2 complessivo del modello (qualità dell'adattamento del modello al profilo temporale) e 4) un indice, l'intensità totale di variazione. Questo indice riflette la variazione totale che si verifica nei componenti di quel pixel. I metodi di cambiamento lineare e strutturale hanno generalmente concordato su modelli di cambiamento, ma quest'ultimo ha trovato interruzioni più spesso, con almeno un punto di interruzione nella maggior parte dei pixel. Il modello di cambiamento strutturale fornisce statistiche più solide sulla minoranza significativa di pixel con tendenze non monotone, mentre elimina la tendenza di alcuni segnali interannuali potenzialmente superflui da una prospettiva a lungo termine.
Bande
Bande
Dimensioni pixel: 30 metri (tutte le bande)
| Nome | Unità | Min | Max | Scala | Dimensioni pixel | Descrizione |
|---|---|---|---|---|---|---|
annual_herbaceous_break_point |
conteggio | 0 | 3 | 30 metri | Numero di cambiamenti strutturali osservati nella serie temporale erbacea annuale |
|
bare_ground_break_point |
conteggio | 0 | 3 | 30 metri | Numero di interruzioni strutturali osservate nella serie temporale del terreno nudo |
|
herbaceous_break_point |
conteggio | 0 | 3 | 30 metri | Numero di cambiamenti strutturali osservati nella serie temporale erbacea |
|
litter_break_point |
conteggio | 0 | 3 | 30 metri | Numero di interruzioni strutturali osservate nella serie temporale dei rifiuti |
|
sagebrush_break_point |
conteggio | 0 | 3 | 30 metri | Numero di interruzioni strutturali osservate nella serie temporale della salvia |
|
shrub_break_point |
conteggio | 0 | 3 | 30 metri | Numero di interruzioni strutturali osservate nella serie temporale dell'arbusto |
|
shrub_height_break_point |
conteggio | 0 | 3 | 30 metri | Numero di interruzioni strutturali osservate nella serie temporale dell'altezza degli arbusti |
|
non_sagebrush_shrub_break_point |
conteggio | 0 | 3 | 30 metri | Numero di interruzioni strutturali osservate nella serie temporale degli arbusti non artemisia |
|
perennial_herbaceous_break_point |
conteggio | 0 | 3 | 30 metri | Numero di cambiamenti strutturali osservati nella serie temporale delle piante erbacee perenni |
|
tree_break_point |
conteggio | 0 | 3 | 30 metri | Numero di interruzioni strutturali osservate nella serie temporale dell'albero |
|
annual_herbaceous_linear_model_pvalue |
Valore p | 0 | 100 | 0,01 | 30 metri | Valore p del modello di tendenze lineari per le serie temporali erbacee annuali |
bare_ground_linear_model_pvalue |
Valore p | 0 | 100 | 0,01 | 30 metri | Valore p del modello di tendenze lineari per la serie temporale del terreno nudo |
herbaceous_linear_model_pvalue |
Valore p | 0 | 100 | 0,01 | 30 metri | Valore p del modello di tendenze lineari per le serie temporali erbacee |
litter_linear_model_pvalue |
Valore p | 0 | 100 | 0,01 | 30 metri | Valore p del modello di tendenze lineari per la serie temporale della lettiera |
sagebrush_linear_model_pvalue |
Valore p | 0 | 100 | 0,01 | 30 metri | Valore p del modello di tendenze lineari per la serie temporale di artemisia |
shrub_linear_model_pvalue |
Valore p | 0 | 100 | 0,01 | 30 metri | Valore p del modello di tendenze lineari per la serie temporale degli arbusti |
shrub_height_linear_model_pvalue |
Valore p | 0 | 100 | 0,01 | 30 metri | Valore p del modello di tendenze lineari per la serie temporale dell'altezza degli arbusti |
non_sagebrush_shrub_linear_model_pvalue |
Valore p | 0 | 100 | 0,01 | 30 metri | Valore p del modello di tendenze lineari per le serie temporali di arbusti non artemisia |
perennial_herbaceous_linear_model_pvalue |
Valore p | 0 | 100 | 0,01 | 30 metri | Valore p del modello di tendenze lineari per le serie temporali di piante erbacee perenni |
tree_linear_model_pvalue |
Valore p | 0 | 100 | 0,01 | 30 metri | Valore p del modello di tendenze lineari per la serie temporale dell'albero |
annual_herbaceous_linear_model_slope |
% di variazione/anno | -383 | 351 | 0,01 | 30 metri | Pendenza del modello di tendenze lineari per serie temporali erbacee annuali |
bare_ground_linear_model_slope |
% di variazione/anno | -383 | 351 | 0,01 | 30 metri | Pendenza del modello di tendenze lineari per le serie temporali del terreno nudo |
herbaceous_linear_model_slope |
% di variazione/anno | -383 | 351 | 0,01 | 30 metri | Pendenza del modello di tendenze lineari per le serie temporali erbacee |
litter_linear_model_slope |
% di variazione/anno | -383 | 351 | 0,01 | 30 metri | Pendenza del modello di tendenze lineari per la serie temporale della lettiera |
sagebrush_linear_model_slope |
% di variazione/anno | -383 | 351 | 0,01 | 30 metri | Pendenza del modello delle tendenze lineari per le serie temporali di artemisia |
shrub_linear_model_slope |
% di variazione/anno | -383 | 351 | 0,01 | 30 metri | Pendenza del modello di tendenze lineari per la serie temporale degli arbusti |
shrub_height_linear_model_slope |
% di variazione/anno | -383 | 351 | 0,01 | 30 metri | Pendenza del modello di tendenze lineari per la serie temporale dell'altezza degli arbusti |
non_sagebrush_shrub_linear_model_slope |
% di variazione/anno | -383 | 351 | 0,01 | 30 metri | Pendenza del modello di tendenze lineari per le serie temporali di arbusti non artemisia |
perennial_herbaceous_linear_model_slope |
% di variazione/anno | -383 | 351 | 0,01 | 30 metri | Pendenza del modello di tendenze lineari per serie temporali erbacee perenni |
tree_linear_model_slope |
% di variazione/anno | -383 | 351 | 0,01 | 30 metri | Pendenza del modello di tendenze lineari per le serie temporali ad albero |
annual_herbaceous_most_recent_break_point |
y | 1985 | 2023 | 30 metri | Anno dell'interruzione più recente nella serie temporale per ogni componente della serie temporale erbacea annuale |
|
bare_ground_most_recent_break_point |
y | 1985 | 2023 | 30 metri | Anno dell'interruzione più recente della serie temporale per ogni componente della serie temporale del terreno nudo |
|
herbaceous_most_recent_break_point |
y | 1985 | 2023 | 30 metri | Anno dell'interruzione più recente della serie temporale per ogni componente della serie temporale erbacea |
|
litter_most_recent_break_point |
y | 1985 | 2023 | 30 metri | Anno dell'interruzione più recente della serie temporale per ogni componente della serie temporale dei rifiuti |
|
sagebrush_most_recent_break_point |
y | 1985 | 2023 | 30 metri | Anno dell'interruzione più recente della serie temporale per ogni componente della serie temporale della salvia |
|
shrub_most_recent_break_point |
y | 1985 | 2023 | 30 metri | Anno dell'interruzione più recente della serie temporale per ogni componente della serie temporale degli arbusti |
|
shrub_height_most_recent_break_point |
y | 1985 | 2023 | 30 metri | Anno dell'interruzione più recente nella serie temporale per ogni componente della serie temporale dell'altezza degli arbusti |
|
non_sagebrush_shrub_most_recent_break_point |
y | 1985 | 2023 | 30 metri | Anno dell'interruzione più recente della serie temporale per ogni componente della serie temporale degli arbusti non artemisia |
|
perennial_herbaceous_most_recent_break_point |
y | 1985 | 2023 | 30 metri | Anno dell'interruzione più recente della serie temporale per ogni componente della serie temporale erbacea perenne |
|
tree_most_recent_break_point |
y | 1985 | 2023 | 30 metri | Anno dell'interruzione più recente della serie temporale per ogni componente della serie temporale dell'albero |
|
total_change_intensity_index |
Adimensionale | 0 | 100 | 30 metri | L'intensità della variazione totale è un indice derivato progettato per evidenziare la variazione totale dei componenti principali (arbusti, terreno nudo, lettiera ed erbe). La variazione indica i valori della pendenza dell'analisi della variazione strutturale. I valori sono costruiti in modo che 100 indichi la variazione massima osservata in tutti i componenti e 0 indichi nessuna variazione. |
Termini e condizioni d'uso
Termini e condizioni d'uso
Questo lavoro è stato creato nell'ambito delle mansioni ufficiali del Contributor in qualità di dipendente del governo degli Stati Uniti ed è pertanto un'opera del governo degli Stati Uniti. Ai sensi del 17 U.S.C. 105, per queste opere non è disponibile alcuna protezione del copyright ai sensi della legge statunitense. Si tratta di un articolo ad accesso aperto che è stato identificato come privo di restrizioni note ai sensi della legge sul copyright, inclusi tutti i diritti correlati e connessi (https://creativecommons.org/publicdomain/mark/1.0/). Puoi copiare, modificare, distribuire e svolgere attività, persino per scopi commerciali, senza chiedere l'autorizzazione.
Citazioni
Rigge, M.B., Bunde, B., Postma, K., and 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 e B. Granneman. 2019. Traiettorie a lungo termine della variazione della componente frazionaria nel bacino settentrionale, Stati Uniti. 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 e M. Bobo. 2020. Quantificazione dei pascoli degli Stati Uniti occidentali come componenti frazionari con telerilevamento multirisoluzione e dati in situ. 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 e G. Xian. 2021. Componenti frazionari di Rangeland negli Stati Uniti occidentali dal 1985 al 2018. Remote Sensing 13:813. doi:10.3390/rs13040813
DOI
Esplora con Earth Engine
Editor di codice (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');