Sản phẩm này là một phần của bộ dữ liệu Hệ thống giám sát thay đổi cảnh quan (LCMS). Tập dữ liệu này cho thấy sự thay đổi theo mô hình LCMS, lớp phủ đất và/hoặc các lớp sử dụng đất cho từng năm, đồng thời bao gồm cả phần lục địa của Hoa Kỳ (CONUS) cũng như các khu vực bên ngoài CONUS (OCONUS), bao gồm cả Alaska (AK), Puerto Rico - Quần đảo Virgin thuộc Hoa Kỳ (PRUSVI) và Hawaii (HAWAII).
LCMS là một hệ thống dựa trên hoạt động viễn thám để lập bản đồ và giám sát sự thay đổi cảnh quan trên khắp Hoa Kỳ. Mục tiêu của dự án này là phát triển một phương pháp nhất quán bằng cách sử dụng công nghệ mới nhất và những tiến bộ trong việc phát hiện thay đổi để tạo ra một bản đồ "tốt nhất có thể" về sự thay đổi cảnh quan.
Đầu ra bao gồm 3 sản phẩm hằng năm: sự thay đổi, độ che phủ đất và việc sử dụng đất. Đầu ra của mô hình thay đổi liên quan cụ thể đến độ che phủ của thảm thực vật và bao gồm sự mất mát chậm, sự mất mát nhanh (cũng bao gồm các thay đổi về thuỷ văn như ngập lụt hoặc khô cằn) và sự tăng trưởng. Những giá trị này được dự đoán cho từng năm trong chuỗi thời gian Landsat và đóng vai trò là sản phẩm cơ bản cho LCMS. Chúng tôi áp dụng một bộ quy tắc dựa trên các tập dữ liệu phụ trợ để tạo ra sản phẩm thay đổi cuối cùng. Đây là một bản tinh chỉnh/phân loại lại sự thay đổi được mô hình hoá thành 15 lớp cung cấp thông tin rõ ràng về nguyên nhân gây ra sự thay đổi cảnh quan (ví dụ: Di dời cây xanh, cháy rừng, hư hỏng do gió). Bản đồ độ che phủ và sử dụng đất mô tả độ che phủ đất ở cấp độ dạng sống và việc sử dụng đất ở cấp độ rộng cho từng năm.
Vì không có thuật toán nào hoạt động hiệu quả nhất trong mọi trường hợp, nên LCMS sử dụng một nhóm mô hình làm yếu tố dự đoán, giúp cải thiện độ chính xác của bản đồ trên nhiều hệ sinh thái và quy trình thay đổi (Healey và cộng sự, 2018). Bộ bản đồ thay đổi LCMS, độ che phủ đất và việc sử dụng đất được tạo ra mang đến một bức tranh tổng thể về sự thay đổi cảnh quan trên khắp Hoa Kỳ kể từ năm 1985.
Các lớp dự đoán cho mô hình LCMS bao gồm đầu ra từ các thuật toán phát hiện thay đổi LandTrendr và CCDC, cũng như thông tin về địa hình. Tất cả các thành phần này đều được truy cập và xử lý bằng Google Earth Engine (Gorelick và cộng sự, 2017).
Để tạo ra các thành phần tổng hợp hằng năm cho LandTrendr, chúng tôi đã sử dụng dữ liệu hệ số phản xạ đỉnh khí quyển Cấp 1C của Bộ sưu tập 2 Landsat Bậc 1 và Sentinel 2A, 2B của USGS. Thuật toán che mây cFmask (Foga và cộng sự, 2017), là một cách triển khai Fmask 2.0 (Zhu và Woodcock, 2012) (chỉ Landsat), cloudScore (Chastain và cộng sự, 2019) (chỉ Landsat), s2cloudless (Sentinel-Hub, 2021) và Cloud Score+ (Pasquarella và cộng sự, 2023) (chỉ Sentinel 2) được dùng để che mây, trong khi TDOM (Chastain và cộng sự, 2019) được dùng để che bóng mây (Landsat và Sentinel 2). Đối với LandTrendr, hệ thống sẽ tính toán medoid hằng năm để tóm tắt các giá trị không có mây và bóng mây của từng năm thành một hình ảnh tổng hợp duy nhất. Đối với CCDC, dữ liệu hệ số phản xạ bề mặt Landsat Bậc 1 Bộ sưu tập 2 của Cục Khảo sát Địa chất Hoa Kỳ (USGS) được dùng cho CONUS và dữ liệu hệ số phản xạ đỉnh khí quyển Landsat Bậc 1 cho AK, PRUSVI và HAWAII.
Chuỗi thời gian tổng hợp được phân đoạn theo thời gian bằng LandTrendr (Kennedy và cộng sự, 2010; Kennedy et al., 2018; Cohen et al., 2018).
Tất cả các giá trị không có mây và bóng mây cũng được phân đoạn tạm thời bằng thuật toán CCDC (Zhu và Woodcock, 2014).
Dữ liệu của trình dự đoán bao gồm các giá trị tổng hợp thô, giá trị phù hợp của LandTrendr, chênh lệch theo cặp, thời lượng phân đoạn, độ lớn thay đổi và độ dốc, cũng như hệ số sin và cosin của CCDC (3 hài hoà đầu tiên), giá trị phù hợp và chênh lệch theo cặp, cùng với độ cao, độ dốc, sin của hướng, cosin của hướng và chỉ số vị trí địa hình (Weiss, 2001) từ dữ liệu Chương trình độ cao 3D (3DEP) của USGS 10 m (Cục Khảo sát địa chất Hoa Kỳ, 2019).
Dữ liệu tham chiếu được thu thập bằng TimeSync, một công cụ dựa trên web giúp các nhà phân tích trực quan hoá và diễn giải bản ghi dữ liệu Landsat từ năm 1984 đến nay (Cohen và cộng sự, 2010).
Các mô hình Rừng ngẫu nhiên (Breiman, 2001) được huấn luyện bằng dữ liệu tham chiếu từ TimeSync và dữ liệu dự đoán từ LandTrendr, CCDC và các chỉ số địa hình để dự đoán sự thay đổi hằng năm, lớp phủ đất và các lớp sử dụng đất. Sau khi lập mô hình, chúng tôi thiết lập một loạt các ngưỡng xác suất và bộ quy tắc bằng cách sử dụng các tập dữ liệu phụ trợ để cải thiện chất lượng đầu ra của bản đồ và giảm lỗi sai và lỗi thiếu sót. Bạn có thể xem thêm thông tin trong Bản tóm tắt về các phương pháp LCMS có trong phần Mô tả.
Tài nguyên khác
Ví dụ chi tiết hơn về mã khi sử dụng dữ liệu LCMS.
LCMS Data Explorer là một ứng dụng dựa trên web, cho phép người dùng xem, phân tích, tóm tắt và tải dữ liệu LCMS xuống.
Vui lòng xem Bản tóm tắt về các phương pháp LCMS để biết thêm thông tin chi tiết về các phương pháp và đánh giá độ chính xác, hoặc LCMS Geodata Clearinghouse để tải dữ liệu, siêu dữ liệu và tài liệu hỗ trợ xuống.
Chuỗi HAWAII sẽ được cập nhật thành HI trong bản phát hành dữ liệu v2025.11 sắp tới.
Liên hệ với sm.fs.lcms@usda.gov nếu bạn có câu hỏi hoặc yêu cầu cụ thể về dữ liệu.