Google Earth Engine ——数据全解析专辑（BLM AIM TerrADat TerrestrialAIM Point v1）美国西部联邦土地上最广泛的、公开可用的地块测量点数据集！

Since 2011, the Bureau of Land Management (BLM) has collected field information to inform land health through its Assessment Inventory and Monitoring (AIM) strategy. To date, more than 6,000 terrestrial AIM field plots have been collected over BLM lands. The BLM AIM data archive is updated annually. Standardized core indicators are collected at each plot that are known to be both ecologically relevant and clearly tied to rangeland health. These indicators inform biotic integrity, soil and site stability, and hydrologic function. The terrestrial plot measurements include fractional bare ground cover, vegetation composition and height, plants of management concern, Non-native invasive species, plant canopy gaps, species richness, and soil aggregate stability. AIM represents one of the most extensive, publicly available plot measurement datasets across Western US federal lands, which can be integrated with remotely sensed imagery and other geospatial information for a range of analysis, classification, and validation purposes.

This dataset was created to monitor the status, condition and trend of national BLM resources in accordance with BLM policies. The methodology used for the collection of these data can be found on landscapetoolbox.org and the Monitoring Manual, 2nd Edition. These data should not be used for statistical or spatial inferences without knowledge of how the sample design was drawn or without calculating spatial weights for the points based on the sample design.

This feature class includes monitoring data collected nationally to understand the status, condition, and trend of resources on BLM lands. Data are collected in accordance with the BLM Assessment, Inventory, and Monitoring (AIM) Strategy. The AIM Strategy specifies a probabilistic sampling design, standard core indicators and methods, electronic data capture and management, and integration with remote sensing. Attributes include the BLM terrestrial core indicators: bare ground, vegetation composition, plant species of management concern, non-native invasive species, and percent canopy gaps (see Entity/Attribute Section for exact details on attributes). Data were collected and managed by BLM Field Offices, BLM Districts, and/or affiliated field crews with support from the BLM National Operations Center. Data are stored in a centralized database (TerrADat) at the BLM National Operations Center.

Data were collected by trained data collectors with the BLM and partner organizations. They followed the BLM core terrestrial data collection protocols. Data were captured electronically using the Database for Inventory, Monitoring, and Assessment. They were managed by the data collectors, with oversight from BLM field offices, state offices, and the National Operations Center. This dataset has undergone rigorous QA/QC to ensure data quality.

自 2011 年以来，土地管理局 (BLM) 收集了实地信息，通过其评估清单和监测 (AIM) 战略为土地健康提供信息。迄今为止，已在 BLM 土地上收集了 6,000 多个陆地 AIM 田地。 BLM AIM 数据存档每年更新一次。每个地块都收集了标准化的核心指标，这些指标既与生态相关，又与牧场健康明显相关。这些指标为生物完整性、土壤和场地稳定性以及水文功能提供信息。陆地地块测量包括部分裸地覆盖、植被组成和高度、管理关注的植物、非本地入侵物种、植物冠层间隙、物种丰富度和土壤团聚体稳定性。 AIM 代表了美国西部联邦土地上最广泛的、公开可用的地块测量数据集之一，它可以与遥感图像和其他地理空间信息集成，用于一系列分析、分类和验证目的。

创建此数据集是为了根据 BLM 政策监控国家 BLM 资源的状态、状况和趋势。用于收集这些数据的方法可以在 Landscapetoolbox.org 和《监测手册》第二版中找到。如果不了解样本设计的绘制方式或未根据样本设计计算点的空间权重，则不应将这些数据用于统计或空间推断。

此要素类包括在全国范围内收集的监控数据，以了解 BLM 土地上的资源状况、状况和趋势。根据 BLM 评估、清单和监控 (AIM) 策略收集数据。 AIM 战略规定了概率抽样设计、标准核心指标和方法、电子数据采集和管理以及与遥感的集成。属性包括 BLM 陆地核心指标：裸地、植被组成、管理关注的植物物种、非本地入侵物种和冠层间隙百分比（有关属性的确切详细信息，请参阅实体/属性部分）。在 BLM 国家运营中心的支持下，BLM 现场办公室、BLM 地区和/或附属现场工作人员收集和管理数据。数据存储在 BLM 国家运营中心的中央数据库 (TerrADat) 中。

数据由经过培训的数据收集者与 BLM 和合作伙伴组织一起收集。他们遵循 BLM 核心地面数据收集协议。使用库存、监测和评估数据库以电子方式捕获数据。它们由数据收集者管理，并受到 BLM 外地办事处、州办事处和国家运营中心的监督。该数据集经过严格的 QA/QC 以确保数据质量。

Dataset Availability

2011-05-10T00:00:00 - 2016-12-06T00:00:00

Dataset Provider

US Department of Interior Bureau of Land Management (BLM)

Collection Snippet

ee.FeatureCollection("BLM/AIM/v1/TerrADat/TerrestrialAIM")

数据声明：

这些数据被视为公共领域。

这些数据由土地管理局 (BLM) “按原样”提供，可能包含错误或遗漏。用户承担与其使用这些数据相关的全部风险，并承担确定这些数据是否适合用户预期用途的全部责任。这些数据中包含的信息是动态的，可能会随着时间而改变。数据并不比它们的来源更好，并且数据集的规模和准确性可能会有所不同。这些数据可能不具有适用于数据潜在用户可能考虑的应用程序的准确性、分辨率、完整性、及时性或其他特征。鼓励用户仔细考虑与这些数据相关的元数据文件的内容。这些数据既不是法律文件也不是土地调查，不得用作此类数据。大多数 BLM 办公室都可以参考官方记录。请将数据中的任何错误报告给从中获得数据的 BLM 办公室。 BLM 应被引用为从这些数据派生的任何产品中的数据源。任何希望修改数据的用户都应描述他们已执行的修改类型。用户不应歪曲数据，也不应暗示所做的更改已获得 BLM 的批准或认可。该数据可能由 BLM 更新，恕不另行通知。

BLM 对错误或遗漏不承担任何责任。 BLM 不保证这些数据供个人使用或与其他数据汇总使用的准确性、可靠性或完整性；分发给承包商、合作伙伴或其他人的行为也不构成对单独或汇总数据与其他数据一起使用的任何此类保证。尽管这些数据已在 BLM 的计算机上成功处理，但 BLM 不对在任何其他系统上使用这些数据或用于一般或科学目的做出任何明示或暗示的保证，分发事实也不构成或暗示任何此类保证。在任何情况下，BLM 均不对任何类型的后果性、偶然性、间接性、特殊性或侵权损害的支付承担任何责任，包括但不限于因使用或依赖地理信息而造成的任何利润损失。数据或因 BLM 的交付、安装、操作或支持而产生的数据。

代码：

var greens = ee.List([
  '#00441B', '#00682A', '#37A055', '#5DB96B', '#AEDEA7', '#E7F6E2', '#F7FCF5'
]);
var reds = ee.List([
  '#67000D', '#9E0D14', '#E32F27', '#F6553D', '#FCA082', '#FEE2D5', '#FFF5F0'
]);
function normalize(value, min, max) {
  return value.subtract(min).divide(ee.Number(max).subtract(min));
}
function setColor(feature, property, min, max, palette) {
  var value = normalize(feature.getNumber(property), min, max)
                  .multiply(palette.size())
                  .min(palette.size().subtract(1))
                  .max(0);
  return feature.set({style: {color: palette.get(value.int())}});
}
var fc = ee.FeatureCollection('BLM/AIM/v1/TerrADat/TerrestrialAIM');
var woodyHeightStyle = function(f) {
  return setColor(f, 'WoodyHgt_Avg', 0, 100, greens);
};
var bareSoilStyle = function(f) {
  return setColor(f, 'BareSoilCover_FH', 0, 100, reds);
};
var treeHeight = fc.filter('WoodyHgt_Avg > 1').map(woodyHeightStyle);
var bareSoil = fc.filter('BareSoilCover_FH > 1').map(bareSoilStyle);
Map.addLayer(bareSoil.style({styleProperty: 'style', pointSize: 3}));
Map.addLayer(treeHeight.style({styleProperty: 'style', pointSize: 1}));
Map.setCenter(-110, 40, 6);