- 데이터 세트 제공
- 1985-01-01T00:00:00Z–2023-12-31T00:00:00Z
- 데이터 세트 출처
- 미국 지질 조사국 및 토지 관리국
- 태그
설명
RCMAP (목초지 상태 모니터링 평가 및 예측) 데이터 세트는 1985~2023년의 Landsat 이미지를 사용하여 북미 서부 전역의 목초지 구성요소의 백분율을 정량화합니다. RCMAP 제품군에는 각 구성요소의 시간적 추세 외에도 연간 초본, 나지, 초본, 낙엽, 비세이지브러시 관목, 다년생 초본, 세이지브러시, 관목, 나무, 관목 높이의 10가지 분수 구성요소가 포함됩니다. 이전 세대에 비해 RCMAP 프로세스가 여러 면에서 개선되었습니다. 첫째, 개선된 신경망 분류기 및 모델링 접근 방식을 사용하여 고해상도 학습이 수정되었습니다. 이 데이터는 RCMAP 접근 방식의 기반이 됩니다. 추가 데이터 세트를 통합하여 학습 데이터베이스가 더욱 개선되었습니다. 다음으로, 매년 및 시간에 따른 다양한 조건을 더 잘 포착할 수 있도록 Landsat 합성 접근 방식이 개선되었습니다. 이러한 컴포지트는 위치정보 정확도와 동적 범위가 개선된 Collection 2 Landsat 데이터를 기반으로 합니다. 마지막으로 캐나다의 세이지브러시 생물군계가 포함되어 연구 지역이 29,199km2로 확대되었습니다.
오픈소스 소프트웨어와 USGS 고성능 컴퓨팅 (HPC) 리소스를 사용하여 처리 효율성이 향상되었습니다. 매핑 영역에는 8개의 지역이 포함되었으며, 이후 모자이크 처리되었습니다. 이러한 데이터를 사용하여 기후 변화의 영향과 관리 관행의 적합성에 관한 중요한 질문에 답할 수 있습니다. 구성요소 제품은 Multi-Resolution Land Characteristics Consortium에서 다운로드할 수 있습니다.
시간적 패턴은 각 RCMAP 구성요소에서 두 가지 접근 방식(1) 선형 추세, 2) 픽셀 수준의 구조적 변화에 기반한 8년 시간 이동 창을 사용한 중단 및 안정적 상태 방법)으로 평가되었습니다. 선형 추세 제품에는 최소 제곱 선형 회귀에서 계산된 기울기와 p 값이 포함됩니다. 기울기는 시계열에 걸쳐 연간 평균 커버 변경률을 나타내며 p 값은 각 픽셀의 변경 신뢰도를 반영합니다. 구조적 변화 방법은 시계열을 기울기 값이 비슷한 세그먼트로 분할하며, 통계적으로 유의미한 중단점은 이전 궤적의 교란을 나타냅니다. 변곡점 추세 분석 도구는 구조적 변곡점 방법을 사용하여 시계열의 변곡점 수와 시점을 파악하고 각 세그먼트의 중요도를 파악합니다. 다음 통계가 생성되었습니다. 1) 각 구성요소, 각 연도의 중단 유무, 2) 각 연도에 발생하는 세그먼트의 기울기, p 값, 표준 오류, 3) 전체 모델 R2 (시간 프로필에 대한 모델 적합도), 4) 지수, 총 변화 강도 이 지수는 해당 픽셀의 구성요소에서 발생하는 총 변화량을 반영합니다. 선형 및 구조적 변화 방법은 일반적으로 변화 패턴에 동의했지만 후자는 대부분의 픽셀에서 하나 이상의 중단점이 있는 등 중단점을 더 자주 발견했습니다. 구조적 변화 모델은 단조롭지 않은 추세를 보이는 상당한 소수의 픽셀에 관한 더 강력한 통계를 제공하는 동시에 장기적인 관점에서 불필요할 수 있는 일부 연간 신호를 디트렌딩합니다.
대역
대역
픽셀 크기: 30미터 (모든 밴드)
| 이름 | 단위 | 최소 | 최대 | 배율 | 픽셀 크기 | 설명 |
|---|---|---|---|---|---|---|
annual_herbaceous_break_point |
개수 | 0 | 3 | 30m | 연간 초본 시계열에서 관찰된 구조적 단절 수 |
|
bare_ground_break_point |
개수 | 0 | 3 | 30m | 노출된 지면 시계열에서 관찰된 구조적 단절 수 |
|
herbaceous_break_point |
개수 | 0 | 3 | 30m | 초본 시계열에서 관찰된 구조적 단절 수 |
|
litter_break_point |
개수 | 0 | 3 | 30m | 쓰레기 시계열에서 관찰된 구조적 중단 수 |
|
sagebrush_break_point |
개수 | 0 | 3 | 30m | 세이지브러시 시계열에서 관찰된 구조적 단절 수 |
|
shrub_break_point |
개수 | 0 | 3 | 30m | 관목 시계열에서 관찰된 구조적 단절 수 |
|
shrub_height_break_point |
개수 | 0 | 3 | 30m | 관목 높이 시계열에서 관찰된 구조적 단절 수 |
|
non_sagebrush_shrub_break_point |
개수 | 0 | 3 | 30m | 세이지브러시가 아닌 관목 시계열에서 관찰된 구조적 중단 수 |
|
perennial_herbaceous_break_point |
개수 | 0 | 3 | 30m | 다년생 초본 시계열에서 관찰된 구조적 단절 수 |
|
tree_break_point |
개수 | 0 | 3 | 30m | 트리 시계열에서 관찰된 구조적 변곡점 수 |
|
annual_herbaceous_linear_model_pvalue |
p값 | 0 | 100 | 0.01 | 30m | 연간 초본 시계열의 선형 추세 모델의 p 값 |
bare_ground_linear_model_pvalue |
p값 | 0 | 100 | 0.01 | 30m | 나지 시간 계열의 선형 추세 모델의 p 값 |
herbaceous_linear_model_pvalue |
p값 | 0 | 100 | 0.01 | 30m | 초본 시계열의 선형 추세 모델의 p값 |
litter_linear_model_pvalue |
p값 | 0 | 100 | 0.01 | 30m | 쓰레기 시계열의 선형 추세 모델의 p값 |
sagebrush_linear_model_pvalue |
p값 | 0 | 100 | 0.01 | 30m | 세이지브러시 시계열의 선형 추세 모델의 p값 |
shrub_linear_model_pvalue |
p값 | 0 | 100 | 0.01 | 30m | 관목 시계열의 선형 추세 모델의 p값 |
shrub_height_linear_model_pvalue |
p값 | 0 | 100 | 0.01 | 30m | 관목 높이 시계열의 선형 추세 모델의 p값 |
non_sagebrush_shrub_linear_model_pvalue |
p값 | 0 | 100 | 0.01 | 30m | 세이지브러시가 아닌 관목 시계열의 선형 추세 모델의 p 값 |
perennial_herbaceous_linear_model_pvalue |
p값 | 0 | 100 | 0.01 | 30m | 다년생 초본 시계열의 선형 추세 모델의 p값 |
tree_linear_model_pvalue |
p값 | 0 | 100 | 0.01 | 30m | 트리 시계열의 선형 추세 모델의 p 값 |
annual_herbaceous_linear_model_slope |
% 변경/년 | -383 | 351 | 0.01 | 30m | 연간 초본 시계열의 선형 추세 모델의 기울기 |
bare_ground_linear_model_slope |
% 변경/년 | -383 | 351 | 0.01 | 30m | 나지 시간 계열의 선형 추세 모델의 기울기 |
herbaceous_linear_model_slope |
% 변경/년 | -383 | 351 | 0.01 | 30m | 초본 시계열의 선형 추세 모델의 기울기 |
litter_linear_model_slope |
% 변경/년 | -383 | 351 | 0.01 | 30m | 쓰레기 시계열의 선형 추세 모델의 기울기 |
sagebrush_linear_model_slope |
% 변경/년 | -383 | 351 | 0.01 | 30m | 세이지브러시 시계열의 선형 추세 모델의 기울기 |
shrub_linear_model_slope |
% 변경/년 | -383 | 351 | 0.01 | 30m | 관목 시계열의 선형 추세 모델의 기울기 |
shrub_height_linear_model_slope |
% 변경/년 | -383 | 351 | 0.01 | 30m | 관목 높이 시계열의 선형 추세 모델의 기울기 |
non_sagebrush_shrub_linear_model_slope |
% 변경/년 | -383 | 351 | 0.01 | 30m | 세이지브러시가 아닌 관목 시계열의 선형 추세 모델의 기울기 |
perennial_herbaceous_linear_model_slope |
% 변경/년 | -383 | 351 | 0.01 | 30m | 다년생 초본 시계열의 선형 추세 모델의 기울기 |
tree_linear_model_slope |
% 변경/년 | -383 | 351 | 0.01 | 30m | 트리 시계열의 선형 추세 모델의 기울기 |
annual_herbaceous_most_recent_break_point |
y | 1985년 | 2023 | 30m | 연간 초본 시계열의 각 구성요소에 대한 가장 최근 시계열 중단의 연도 |
|
bare_ground_most_recent_break_point |
y | 1985년 | 2023 | 30m | 나지 시간 계열의 각 구성요소에 대한 가장 최근의 중단 연도 |
|
herbaceous_most_recent_break_point |
y | 1985년 | 2023 | 30m | 초본 시계열의 각 구성요소에 대한 시계열의 가장 최근 중단의 연도 |
|
litter_most_recent_break_point |
y | 1985년 | 2023 | 30m | 각 쓰레기 시계열 구성요소의 시계열에서 가장 최근에 중단된 연도 |
|
sagebrush_most_recent_break_point |
y | 1985년 | 2023 | 30m | 각 세이지브러시 시계열 구성요소의 시계열에서 가장 최근의 중단이 발생한 연도 |
|
shrub_most_recent_break_point |
y | 1985년 | 2023 | 30m | 관목 시계열의 각 구성요소에 대한 가장 최근의 시계열 중단 연도 |
|
shrub_height_most_recent_break_point |
y | 1985년 | 2023 | 30m | 관목 높이 시계열의 각 구성요소에 대한 시계열의 가장 최근 중단의 연도 |
|
non_sagebrush_shrub_most_recent_break_point |
y | 1985년 | 2023 | 30m | 비쑥 관목 시계열의 각 구성요소에 대한 시계열의 가장 최근 중단의 연도 |
|
perennial_herbaceous_most_recent_break_point |
y | 1985년 | 2023 | 30m | 다년생 초본 시계열의 각 구성요소에 대한 시계열의 가장 최근 중단 연도 |
|
tree_most_recent_break_point |
y | 1985년 | 2023 | 30m | 트리 시계열의 각 구성요소에 대한 시계열의 가장 최근 중단 연도 |
|
total_change_intensity_index |
무차원 | 0 | 100 | 30m | 총 변화 강도는 기본 구성요소 (관목, 노출된 땅, 낙엽, 초본) 전반의 총 변화량을 강조하기 위해 설계된 파생 지수입니다. 변경은 구조적 변화 분석의 기울기 값을 나타냅니다. 값은 모든 구성요소에서 관찰된 최대 변경사항이 100이고 변경사항이 없으면 0이 되도록 구성됩니다. |
이용약관
이용약관
이 저작물은 미국 정부 직원의 공식 업무의 일환으로 작성되었으므로 미국 정부의 저작물입니다. 17 U.S.C. 105에 따라 미국 법률에서는 이러한 저작물에 대한 저작권 보호가 제공되지 않습니다. 이 문서는 모든 관련 권리 및 인접권리(https://creativecommons.org/publicdomain/mark/1.0/)를 포함하여 저작권법에 따라 알려진 제한이 없는 것으로 확인된 오픈 액세스 문서입니다. 상업적 목적으로도 허락을 받지 않고 저작물을 복사, 수정, 배포, 실행할 수 있습니다.
인용
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, and B. 그랜먼 2019년. 미국 북부 그레이트 베이슨의 분수 구성요소 변화의 장기 궤적 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, and M. 보보 2020. 다중 해상도 원격 감지 및 현장 데이터를 사용하여 미국 서부 목초지를 분수 구성요소로 정량화 Remote Sensing 12. doi:10.3390/rs12030412
Rigge, M., C. Homer, H. Shi, D. Meyer, B. Bunde, B. Granneman, K. Postma, P. Danielson, A. 케이스와 G 시안 2021년. 1985년부터 2018년까지 미국 서부 전역의 목초지 분수 구성요소 Remote Sensing 13:813. doi:10.3390/rs13040813
DOI
Earth Engine으로 탐색
코드 편집기(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');