Google Earth Engine—美国西部11个州的灌溉状况进行的年度分类(即30米),1986年至今。四个等级的分类(即灌溉、旱地、非耕地、湿地)

简介: Google Earth Engine—美国西部11个州的灌溉状况进行的年度分类(即30米),1986年至今。四个等级的分类(即灌溉、旱地、非耕地、湿地)

IrrMapper is an annual classification of irrigation status in the 11 Western United States made at Landsat scale (i.e., 30 m) using the Random Forest algorithm, covering years 1986 - present. While the IrrMapper paper describes classification of four classes (i.e., irrigated, dryland, uncultivated, wetland), the dataset is converted to a binary classification of irrigated and non-irrigated. 'Irrigated' refers to the detection of any irrigation during the year. The IrrMapper random forest model was trained using an extensive geospatial database of land cover from each of four irrigated- and non-irrigated classes, including over 50,000 human-verified irrigated fields, 38,000 dryland fields, and over 500,000 square kilometers of uncultivated lands.

 

IrrMapper是使用随机森林算法对美国西部11个州的灌溉状况进行的年度分类(即30米),涵盖1986年至今。虽然IrrMapper论文描述了四个等级的分类(即灌溉、旱地、非耕地、湿地),但数据集被转换为灌溉和非灌溉的二元分类。灌溉的 "指的是在这一年中检测到任何灌溉的情况。IrrMapper随机森林模型是使用一个广泛的地理空间数据库来训练的,该数据库包括来自四个灌溉和非灌溉类别的土地覆盖,包括50,000多块经人类验证的灌溉田,38,000块旱地,以及500,000多平方公里的未开垦土地。

Dataset Availability

1986-01-01T00:00:00 - 2020-01-01T00:00:00

Dataset Provider

University of Montana / Montana Climate Office

Collection Snippet

ee.ImageCollection("UMT/Climate/IrrMapper_RF/v1_0")

Resolution

30 meters

Bands Table

Name Description
classification Irrigated pixels have the value of 1, the other pixels are masked out.

引用:

Ketchum, D.; Jencso, K.; Maneta, M.P.; Melton, F.; Jones, M.O.; Huntington, J. IrrMapper: A Machine Learning Approach for High Resolution Mapping of Irrigated Agriculture Across the Western U.S.. Remote Sens. 2020, 12, 2328. doi:10.3390/rs12142328

代码:

var dataset = ee.ImageCollection("UMT/Climate/IrrMapper_RF/v1_0");
var irr_2013 = dataset.filterDate('2013-01-01', '2013-12-31').select('classification');
var visualization = {
  min: 0.0,
  max: 1.0,
  palette: ['blue']
};
Map.addLayer(irr_2013, visualization, 'IrrMapper 2013');
Map.setCenter(-112.516, 45.262, 10);


相关文章
|
6月前
|
数据可视化 定位技术 Sentinel
如何用Google Earth Engine快速、大量下载遥感影像数据?
【2月更文挑战第9天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,批量下载指定时间范围、空间范围的遥感影像数据(包括Landsat、Sentinel等)的方法~
2503 1
如何用Google Earth Engine快速、大量下载遥感影像数据?
|
6月前
|
机器学习/深度学习 算法 数据可视化
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
基于Google Earth Engine云平台构建的多源遥感数据森林地上生物量AGB估算模型含生物量模型应用APP
224 0
|
6月前
|
存储 编解码 数据可视化
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
【2月更文挑战第14天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,按照给定的地表分类数据,对每一种不同的地物类型,分别加以全球范围内随机抽样点自动批量选取的方法~
574 1
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
|
6月前
|
编解码 人工智能 算法
Google Earth Engine——促进森林温室气体报告的全球时间序列数据集
Google Earth Engine——促进森林温室气体报告的全球时间序列数据集
88 0
|
6月前
|
编解码 人工智能 数据库
Google Earth Engine(GEE)——全球道路盘查项目全球道路数据库
Google Earth Engine(GEE)——全球道路盘查项目全球道路数据库
145 0
|
6月前
|
编解码
Open Google Earth Engine(OEEL)——matrixUnit(...)中产生常量影像
Open Google Earth Engine(OEEL)——matrixUnit(...)中产生常量影像
77 0
|
6月前
Google Earth Engine(GEE)——导出指定区域的河流和流域范围
Google Earth Engine(GEE)——导出指定区域的河流和流域范围
266 0
|
6月前
|
传感器 编解码 数据处理
Open Google Earth Engine(OEEL)——哨兵1号数据的黑边去除功能附链接和代码
Open Google Earth Engine(OEEL)——哨兵1号数据的黑边去除功能附链接和代码
130 0
|
6月前
Google Earth Engine(GEE)——当加载图表的时候出现错误No features contain non-null values of “system:time_start“.
Google Earth Engine(GEE)——当加载图表的时候出现错误No features contain non-null values of “system:time_start“.
124 0
|
6月前
|
编解码 定位技术
Google Earth Engine(GEE)——导出后的影像像素不同于原始Landsat影像的分辨率(投影差异)
Google Earth Engine(GEE)——导出后的影像像素不同于原始Landsat影像的分辨率(投影差异)
166 0

热门文章

最新文章

下一篇
无影云桌面