- 利用可能なデータセットの期間
- 1985-01-01T00:00:00Z–2023-12-31T00:00:00Z
- データセット プロデューサー
- 米国地質調査所と土地管理局
- タグ
説明
RCMAP（Rangeland Condition Monitoring Assessment and Projection）データセットは、1985 年から 2023 年の Landsat 画像を使用して、北米西部の牧草地の構成要素の被覆率を定量化します。RCMAP プロダクト スイートは、各コンポーネントの時間的傾向に加えて、年間草本、裸地、草本、リター、セージブラシ以外の低木、多年生草本、セージブラシ、低木、樹木、低木の高さの 10 個の分数コンポーネントで構成されています。RCMAP プロセスは、以前の世代と比較していくつかの機能強化が行われました。まず、高解像度トレーニングが、改善されたニューラル ネットワーク分類器とモデリング アプローチを使用して改訂されました。これらのデータは、RCMAP アプローチの基盤として機能します。トレーニング データベースは、追加のデータセットを組み込むことでさらに改善されました。次に、Landsat の合成アプローチが改善され、各年の条件の範囲と経時的な変化をより正確に捉えられるようになりました。これらの合成画像は、位置情報の精度とダイナミック レンジが改善された Collection 2 Landsat データに基づいています。最後に、カナダのセージブラシ バイオームが追加され、調査地域が 29,199 km2 拡大しました。
オープンソース ソフトウェアと USGS ハイ パフォーマンス コンピューティング（HPC）リソースを使用して、処理効率が向上しました。マッピング領域には 8 つのリージョンが含まれており、その後モザイク処理されました。これらのデータは、気候変動の影響や管理方法の適合性に関する重要な質問に答えるために使用できます。コンポーネント プロダクトは、Multi-Resolution Land Characteristics Consortium からダウンロードできます。
時系列パターンは、各 RCMAP コンポーネントで 2 つのアプローチ（1）線形トレンドと（2）ピクセルレベルでの構造変化に基づく 8 年間の時系列移動ウィンドウを使用したブレークと安定状態の方法で評価されました。線形トレンドの商品には、最小二乗線形回帰から計算された傾きと p 値が含まれます。傾斜は、時系列にわたる 1 年あたりの平均被覆率の変化を表し、p 値は各ピクセルの変化の信頼度を反映しています。構造変化法では、時系列が類似した傾斜値のセグメントに分割され、統計的に有意なブレークポイントは事前分布の軌跡に対する摂動を示します。ブレークポイントの傾向分析スイートは、構造的ブレーク手法に依存しており、時系列のブレークの数とタイミング、各セグメントの有意性を特定します。次の統計情報が生成されました。1）各コンポーネントについて、各年のブレークの有無、2）各年に発生したセグメントの傾き、p 値、標準誤差、3）モデル全体の R2（時間プロファイルに対するモデルの適合度）、4）指標「Total Change Intensity」。このインデックスは、そのピクセルのコンポーネント全体で発生した変化の合計量を反映しています。線形変化法と構造変化法は、変化のパターンについて概ね一致していましたが、後者の方がブレークポイントをより頻繁に検出し、ほとんどのピクセルで少なくとも 1 つのブレークポイントが見つかりました。構造変化モデルは、単調でない傾向を示すピクセルの有意な少数について、より堅牢な統計情報を提供します。また、長期的な視点から見て不要な可能性がある年間のシグナルを一部トレンド除去します。
バンド
バンド
ピクセルサイズ: 30 メートル（すべてのバンド）
| 名前 | 単位 | 最小 | 最大 | スケール | ピクセルサイズ | 説明 |
|---|---|---|---|---|---|---|
annual_herbaceous_break_point |
count | 0 | 3 | 30 メートル | 年間草本時系列で観測された構造的ブレークの数 |
|
bare_ground_break_point |
count | 0 | 3 | 30 メートル | 裸地の時系列で観測された構造変化の数 |
|
herbaceous_break_point |
count | 0 | 3 | 30 メートル | 草本時系列で観測された構造変化の数 |
|
litter_break_point |
count | 0 | 3 | 30 メートル | リターンの時系列で観測された構造変化の数 |
|
sagebrush_break_point |
count | 0 | 3 | 30 メートル | セージブラシの時系列で観測された構造変化の数 |
|
shrub_break_point |
count | 0 | 3 | 30 メートル | 低木時系列で観測された構造的ブレークの数 |
|
shrub_height_break_point |
count | 0 | 3 | 30 メートル | 低木の高さの時系列で観察された構造変化の数 |
|
non_sagebrush_shrub_break_point |
count | 0 | 3 | 30 メートル | 非セージブラシ低木時系列で観測された構造的ブレークの数 |
|
perennial_herbaceous_break_point |
count | 0 | 3 | 30 メートル | 多年生草本の時系列で観測された構造的ブレークの数 |
|
tree_break_point |
count | 0 | 3 | 30 メートル | ツリー時系列で観測された構造変化の数 |
|
annual_herbaceous_linear_model_pvalue |
P 値 | 0 | 100 | 0.01 | 30 メートル | 年間草本時系列の線形トレンド モデルの P 値 |
bare_ground_linear_model_pvalue |
P 値 | 0 | 100 | 0.01 | 30 メートル | 裸地の時系列の線形トレンド モデルの P 値 |
herbaceous_linear_model_pvalue |
P 値 | 0 | 100 | 0.01 | 30 メートル | 草本時系列の線形トレンド モデルの P 値 |
litter_linear_model_pvalue |
P 値 | 0 | 100 | 0.01 | 30 メートル | リターンの時系列の線形トレンド モデルの P 値 |
sagebrush_linear_model_pvalue |
P 値 | 0 | 100 | 0.01 | 30 メートル | セージブラシの時系列の線形トレンド モデルの P 値 |
shrub_linear_model_pvalue |
P 値 | 0 | 100 | 0.01 | 30 メートル | 低木時系列の線形トレンド モデルの P 値 |
shrub_height_linear_model_pvalue |
P 値 | 0 | 100 | 0.01 | 30 メートル | 低木高の時系列の線形トレンド モデルの p 値 |
non_sagebrush_shrub_linear_model_pvalue |
P 値 | 0 | 100 | 0.01 | 30 メートル | セージブラシ以外の低木時系列の線形トレンド モデルの P 値 |
perennial_herbaceous_linear_model_pvalue |
P 値 | 0 | 100 | 0.01 | 30 メートル | 多年生草本時系列の線形トレンド モデルの P 値 |
tree_linear_model_pvalue |
P 値 | 0 | 100 | 0.01 | 30 メートル | ツリー時系列の線形トレンド モデルの P 値 |
annual_herbaceous_linear_model_slope |
% change/y | -383 | 351 | 0.01 | 30 メートル | 年間の草本時系列の線形トレンド モデルの傾き |
bare_ground_linear_model_slope |
% change/y | -383 | 351 | 0.01 | 30 メートル | 裸地の時系列の線形トレンド モデルの傾き |
herbaceous_linear_model_slope |
% change/y | -383 | 351 | 0.01 | 30 メートル | 草本時系列の線形トレンド モデルの傾き |
litter_linear_model_slope |
% change/y | -383 | 351 | 0.01 | 30 メートル | リターンの時系列の線形トレンド モデルの傾き |
sagebrush_linear_model_slope |
% change/y | -383 | 351 | 0.01 | 30 メートル | セージブラシの時系列の線形トレンド モデルの傾き |
shrub_linear_model_slope |
% change/y | -383 | 351 | 0.01 | 30 メートル | 低木時系列の線形トレンド モデルの傾き |
shrub_height_linear_model_slope |
% change/y | -383 | 351 | 0.01 | 30 メートル | 低木の高さの時系列の線形トレンド モデルの傾き |
non_sagebrush_shrub_linear_model_slope |
% change/y | -383 | 351 | 0.01 | 30 メートル | セージブラシ以外の低木時系列の線形トレンド モデルの傾き |
perennial_herbaceous_linear_model_slope |
% change/y | -383 | 351 | 0.01 | 30 メートル | 多年生草本時系列の線形トレンドモデルの傾き |
tree_linear_model_slope |
% change/y | -383 | 351 | 0.01 | 30 メートル | ツリー時系列の線形トレンド モデルの傾き |
annual_herbaceous_most_recent_break_point |
y | 1985 | 2023 | 30 メートル | 年間草本時系列の各コンポーネントの時系列における最新のブレークの年 |
|
bare_ground_most_recent_break_point |
y | 1985 | 2023 | 30 メートル | 裸地の時系列の各コンポーネントの時系列における最新のブレークの年 |
|
herbaceous_most_recent_break_point |
y | 1985 | 2023 | 30 メートル | 草本時系列の各コンポーネントの時系列における最新のブレークの年 |
|
litter_most_recent_break_point |
y | 1985 | 2023 | 30 メートル | 各コンポーネントの時系列の最新のブレークの年 |
|
sagebrush_most_recent_break_point |
y | 1985 | 2023 | 30 メートル | セージブラシの時系列の各コンポーネントの時系列における最新のブレークの年 |
|
shrub_most_recent_break_point |
y | 1985 | 2023 | 30 メートル | 低木時系列の各コンポーネントの時系列における最新のブレークの年 |
|
shrub_height_most_recent_break_point |
y | 1985 | 2023 | 30 メートル | 低木高時系列の各コンポーネントの時系列における最新のブレークの年 |
|
non_sagebrush_shrub_most_recent_break_point |
y | 1985 | 2023 | 30 メートル | 非セージブラシ低木時系列の各コンポーネントの時系列で最も新しいブレークの年 |
|
perennial_herbaceous_most_recent_break_point |
y | 1985 | 2023 | 30 メートル | 多年生草本時系列の各コンポーネントの時系列における最新のブレークの年 |
|
tree_most_recent_break_point |
y | 1985 | 2023 | 30 メートル | ツリー時系列の各コンポーネントの時系列で最も新しいブレークが発生した年 |
|
total_change_intensity_index |
無次元 | 0 | 100 | 30 メートル | 変化の合計強度とは、主要なコンポーネント（低木、裸地、リター、草本）全体の変化の合計量を強調するために設計された派生指標です。変化は、構造変化分析から得られた傾斜値を示します。値は、100 がすべてのコンポーネントで観測された最大の変化を意味し、0 が変化なしを意味するように構成されています。 |
利用規約
利用規約
この作品は、米国政府職員としての投稿者の公務の一環として作成されたものであり、米国政府の作品です。米国法典第 17 編第 105 条に基づき、米国法ではこのような作品に対する著作権保護は認められていません。これは、著作権法に基づく既知の制限（関連するすべての隣接権を含む）がないと特定されたオープン アクセス記事です（https://creativecommons.org/publicdomain/mark/1.0/）。この作品は、たとえ営利目的であっても、許可を得ずに複製、改変・翻案、配布、上演・演奏することが出来ます。
引用
Rigge, M.B.、Bunde, B.、Postma, K.、Shi, H.、2024 年、Rangeland Condition Monitoring Assessment and Projection（RCMAP）Fractional Component Time-Series Across the Western U.S. 1985-2023: U.S. Geological Survey データリリース、doi:10.5066/P9SJXUI1。
Rigge, M.、H. Shi, C. Homer, P. Danielson、および B. Granneman。2019 年。 米国グレートベイスン北部における成分比率の変化の長期的な軌跡。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、M. ボボ。2020. 多分解能リモート センシングと現地データを使用して、米国西部の放牧地を分数成分として定量化します。Remote Sensing 12. doi:10.3390/rs12030412
Rigge, M.、C. Homer, H. Shi, D. Meyer, B. Bunde, B. Granneman、K. Postma, P. Danielson, A. ケース、および G. 西安。 2021. 1985 年から 2018 年までの米国西部の牧草地の割合コンポーネント。Remote Sensing 13:813. doi:10.3390/rs13040813
DOI
Earth Engine で探索する
コードエディタ（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');