- Dostępność zbioru danych
- 1985-01-01T00:00:00Z–2023-12-31T00:00:00Z
- Dostawca zbioru danych
- United States Geological Survey and Bureau of Land Management
- Tagi
Opis
Zbiór danych RCMAP (Rangeland Condition Monitoring Assessment and Projection) określa procent pokrycia komponentów pastwisk w zachodniej części Ameryki Północnej na podstawie zdjęć Landsat z lat 1985–2023. Pakiet produktów RCMAP składa się z 10 komponentów ułamkowych: rośliny zielne roczne, nieporośnięty teren, rośliny zielne, ściółka, krzewy inne niż bylica, rośliny zielne wieloletnie, bylica, krzewy, drzewa i wysokość krzewów, a także trendy czasowe każdego komponentu. W porównaniu z poprzednimi generacjami wprowadzono kilka ulepszeń procesu RCMAP. Po pierwsze, trening w wysokiej rozdzielczości został zmieniony dzięki zastosowaniu ulepszonego klasyfikatora sieci neuronowej i podejścia do modelowania. Te dane stanowią podstawę podejścia RCMAP. Bazę danych szkoleniowych ulepszyliśmy, dodając do niej kolejne zbiory danych. Następnie ulepszono metodę kompozycji Landsat, aby lepiej rejestrować zakres warunków w poszczególnych latach i na przestrzeni czasu. Te kompozycje są tworzone na podstawie danych Landsat z kolekcji 2, które mają większą dokładność geolokalizacji i szerszy zakres dynamiczny. Ostatecznie uwzględniono kanadyjską część biomu szałwii, co powiększyło obszar badań o 29 199 km².
Wydajność przetwarzania została zwiększona dzięki wykorzystaniu oprogramowania typu open source i zasobów komputerów o dużej mocy obliczeniowej (HPC) USGS. Obszar mapowania obejmował 8 regionów, które następnie zostały połączone w mozaikę. Dane te mogą służyć do odpowiadania na kluczowe pytania dotyczące wpływu zmian klimatu i przydatności praktyk zarządzania. Produkty składowe można pobrać ze strony Multi-Resolution Land Characteristics Consortium.
W przypadku każdego komponentu RCMAP oceniano wzorce czasowe za pomocą 2 metod: 1) trendów liniowych i 2) metody przerw i stanów stabilnych z 8-letnim ruchomym oknem czasowym opartym na zmianach strukturalnych na poziomie piksela. Produkty z trendem liniowym obejmują obliczone nachylenie i wartość p z liniowej regresji metodą najmniejszych kwadratów. Nachylenie przedstawia średnią zmianę procentową pokrywy w ciągu roku w serii czasowej, a wartość p odzwierciedla pewność zmiany w każdym pikselu. Metoda zmiany strukturalnej dzieli szereg czasowy na segmenty o podobnych wartościach nachylenia, a statystycznie istotne punkty przerwania wskazują na zaburzenia wcześniejszej trajektorii. Pakiet analizy trendów punktów przełomowych opiera się na metodach przełomów strukturalnych, co pozwala określić liczbę i czas wystąpienia przełomów w ciągu czasowym oraz istotność każdego segmentu. Uzyskaliśmy te statystyki: 1) dla każdego komponentu, w każdym roku, obecność/brak przerw, 2) nachylenie, wartość p i błąd standardowy segmentu występującego w każdym roku, 3) ogólny współczynnik R2 modelu (jakość dopasowania modelu do profilu czasowego) i 4) indeks, czyli całkowita intensywność zmian. Ten indeks odzwierciedla łączną zmianę zachodzącą w komponentach danego piksela. Metody zmian liniowych i strukturalnych zwykle wykazywały zgodne wzorce zmian, ale ta druga częściej wykrywała przerwy, a w większości pikseli znajdowała co najmniej 1 punkt przerwania. Model zmiany strukturalnej dostarcza bardziej wiarygodnych statystyk dotyczących znacznej mniejszości pikseli o trendach niemonotonicznych, a jednocześnie usuwa z nich niektóre sygnały międzyroczne, które z długoterminowej perspektywy mogą być zbędne.
Pasma
Rozmiar piksela
30 metrów
Pasma
| Nazwa | Jednostki | Minimum | Maks. | Skaluj | Rozmiar piksela | Opis |
|---|---|---|---|---|---|---|
annual_herbaceous_break_point |
liczba | 0 | 3 | metry | Liczba przerw strukturalnych zaobserwowanych w rocznych ciągach czasowych dotyczących roślin zielnych |
|
bare_ground_break_point |
liczba | 0 | 3 | metry | Liczba przerw strukturalnych zaobserwowanych w ciągu czasowym gołej ziemi |
|
herbaceous_break_point |
liczba | 0 | 3 | metry | Liczba przerw strukturalnych zaobserwowanych w ciągu czasowym danych o roślinach zielnych |
|
litter_break_point |
liczba | 0 | 3 | metry | Liczba przerw strukturalnych zaobserwowanych w ciągu czasowym dotyczącym ściółki |
|
sagebrush_break_point |
liczba | 0 | 3 | metry | Liczba przerw strukturalnych zaobserwowanych w ciągu czasowym dotyczącym bylicy |
|
shrub_break_point |
liczba | 0 | 3 | metry | Liczba przerw strukturalnych zaobserwowanych w ciągu czasowym dotyczącym krzewów |
|
shrub_height_break_point |
liczba | 0 | 3 | metry | Liczba przerw strukturalnych zaobserwowanych w ciągu czasowym wysokości krzewów |
|
non_sagebrush_shrub_break_point |
liczba | 0 | 3 | metry | Liczba przerw strukturalnych zaobserwowanych w ciągu czasowym dotyczącym krzewów innych niż bylica |
|
perennial_herbaceous_break_point |
liczba | 0 | 3 | metry | Liczba zaobserwowanych zmian strukturalnych w ciągu czasowym wieloletnich roślin zielnych |
|
tree_break_point |
liczba | 0 | 3 | metry | Liczba przerw strukturalnych zaobserwowanych w ciągu czasowym drzewa |
|
annual_herbaceous_linear_model_pvalue |
wartość p | 0 | 100 | 0,01 | metry | Wartość p modelu trendów liniowych dla rocznych serii czasowych roślin zielnych |
bare_ground_linear_model_pvalue |
wartość p | 0 | 100 | 0,01 | metry | Wartość p modelu trendów liniowych dla szeregów czasowych dotyczących nieużytków |
herbaceous_linear_model_pvalue |
wartość p | 0 | 100 | 0,01 | metry | Wartość p modelu trendów liniowych dla serii czasowych roślin zielnych |
litter_linear_model_pvalue |
wartość p | 0 | 100 | 0,01 | metry | Wartość p modelu trendów liniowych dla szeregów czasowych dotyczących ściółki |
sagebrush_linear_model_pvalue |
wartość p | 0 | 100 | 0,01 | metry | Wartość p modelu trendów liniowych dla szeregu czasowego szałwii |
shrub_linear_model_pvalue |
wartość p | 0 | 100 | 0,01 | metry | Wartość p modelu trendów liniowych dla szeregów czasowych krzewów |
shrub_height_linear_model_pvalue |
wartość p | 0 | 100 | 0,01 | metry | Wartość p modelu trendów liniowych dla szeregów czasowych wysokości krzewów |
non_sagebrush_shrub_linear_model_pvalue |
wartość p | 0 | 100 | 0,01 | metry | Wartość p modelu trendów liniowych dla szeregów czasowych krzewów innych niż bylica |
perennial_herbaceous_linear_model_pvalue |
wartość p | 0 | 100 | 0,01 | metry | Wartość p modelu trendów liniowych dla wieloletnich ciągów czasowych roślin zielnych |
tree_linear_model_pvalue |
wartość p | 0 | 100 | 0,01 | metry | Wartość p modelu trendów liniowych dla szeregów czasowych drzew |
annual_herbaceous_linear_model_slope |
% zmiany/rok | -383 | 351 | 0,01 | metry | Nachylenie modelu trendów liniowych dla rocznych szeregów czasowych roślin zielnych |
bare_ground_linear_model_slope |
% zmiany/rok | -383 | 351 | 0,01 | metry | Nachylenie modelu trendów liniowych dla serii czasowych dotyczących nieużytków |
herbaceous_linear_model_slope |
% zmiany/rok | -383 | 351 | 0,01 | metry | Nachylenie modelu trendów liniowych dla serii czasowych roślin zielnych |
litter_linear_model_slope |
% zmiany/rok | -383 | 351 | 0,01 | metry | Nachylenie modelu trendów liniowych dla serii czasowych dotyczących śmieci |
sagebrush_linear_model_slope |
% zmiany/rok | -383 | 351 | 0,01 | metry | Nachylenie modelu trendów liniowych dla szeregów czasowych dotyczących bylicy |
shrub_linear_model_slope |
% zmiany/rok | -383 | 351 | 0,01 | metry | Nachylenie modelu trendów liniowych dla serii czasowych dotyczących krzewów |
shrub_height_linear_model_slope |
% zmiany/rok | -383 | 351 | 0,01 | metry | Nachylenie modelu trendów liniowych dla serii czasowych wysokości krzewów |
non_sagebrush_shrub_linear_model_slope |
% zmiany/rok | -383 | 351 | 0,01 | metry | Nachylenie modelu trendów liniowych dla szeregów czasowych krzewów innych niż bylica |
perennial_herbaceous_linear_model_slope |
% zmiany/rok | -383 | 351 | 0,01 | metry | Nachylenie modelu trendów liniowych dla wieloletnich serii czasowych roślin zielnych |
tree_linear_model_slope |
% zmiany/rok | -383 | 351 | 0,01 | metry | Nachylenie modelu trendów liniowych dla szeregów czasowych drzewa |
annual_herbaceous_most_recent_break_point |
y | 1985 | 2023 | metry | Rok ostatniej przerwy w ciągu czasowym dla każdego komponentu rocznego ciągu czasowego roślin zielnych |
|
bare_ground_most_recent_break_point |
y | 1985 | 2023 | metry | Rok ostatniej przerwy w ciągu czasowym dla każdego komponentu ciągu czasowego dotyczącego nieużytków |
|
herbaceous_most_recent_break_point |
y | 1985 | 2023 | metry | Rok ostatniej przerwy w ciągu czasowym dla każdego komponentu zielnego ciągu czasowego |
|
litter_most_recent_break_point |
y | 1985 | 2023 | metry | Rok ostatniej przerwy w ciągu czasowym dla każdego komponentu ciągu czasowego dotyczącego śmieci |
|
sagebrush_most_recent_break_point |
y | 1985 | 2023 | metry | Rok ostatniej przerwy w ciągu czasowym dla każdego komponentu ciągu czasowego bylicy |
|
shrub_most_recent_break_point |
y | 1985 | 2023 | metry | Rok ostatniej przerwy w ciągu czasowym dla każdego komponentu ciągu czasowego krzewów |
|
shrub_height_most_recent_break_point |
y | 1985 | 2023 | metry | Rok ostatniej przerwy w ciągu czasowym dla każdego komponentu ciągu czasowego wysokości krzewu |
|
non_sagebrush_shrub_most_recent_break_point |
y | 1985 | 2023 | metry | Rok ostatniej przerwy w ciągu czasowym dla każdego komponentu ciągu czasowego krzewów innych niż bylica |
|
perennial_herbaceous_most_recent_break_point |
y | 1985 | 2023 | metry | Rok ostatniej przerwy w ciągu czasowym dla każdego komponentu wieloletniego zielnego ciągu czasowego. |
|
tree_most_recent_break_point |
y | 1985 | 2023 | metry | Rok ostatniej przerwy w ciągu czasowym dla każdego komponentu ciągu czasowego drzewa |
|
total_change_intensity_index |
Bez jednostki | 0 | 100 | metry | Wskaźnik całkowitej zmiany intensywności to indeks pochodny, który ma na celu podkreślenie całkowitej zmiany w głównych komponentach (krzewy, goła ziemia, ściółka i rośliny zielne). Zmiana wskazuje wartości nachylenia z analizy zmian strukturalnych. Wartości są konstruowane tak, aby 100 oznaczało maksymalną zaobserwowaną zmianę we wszystkich komponentach, a 0 – brak zmiany. |
Warunki korzystania z usługi
Warunki korzystania z usługi
Ta praca została napisana w ramach oficjalnych obowiązków Autora jako Pracownika Rządu Stanów Zjednoczonych i dlatego jest dziełem Rządu Stanów Zjednoczonych. Zgodnie z 17 U.S.C. 105 takie utwory nie podlegają ochronie praw autorskich na mocy prawa Stanów Zjednoczonych. Jest to artykuł z otwartym dostępem, który został uznany za wolny od znanych ograniczeń wynikających z prawa autorskiego, w tym wszystkich praw pokrewnych (https://creativecommons.org/publicdomain/mark/1.0/). Możesz kopiować, modyfikować, rozpowszechniać i przedstawiać ten utwór, również w celach komercyjnych, bez potrzeby pytania o zgodę.
Cytaty
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 i B. Granneman. 2019 r. Długoterminowe trajektorie zmian ułamkowych składników w północnej części Wielkiej Kotliny w Stanach Zjednoczonych. 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 i M. Bobo. 2020. Określanie ilościowe terenów pastwiskowych w zachodnich Stanach Zjednoczonych jako komponentów ułamkowych za pomocą teledetekcji o różnej rozdzielczości i danych 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 i G. Xian. 2021. Rangeland Fractional Components Across the Western United States from 1985 to 2018. Remote Sensing 13:813. doi:10.3390/rs13040813
DOI
Odkrywanie za pomocą Earth Engine
Edytor kodu (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');