- Disponibilidad del conjunto de datos
- 1986-01-01T00:00:00Z–2024-01-01T00:00:00Z
- Proveedor de conjuntos de datos
- Universidad de Montana / Oficina de Clima de Montana
- Etiquetas
Descripción
IrrMapper es una clasificación anual del estado de riego en los 11 estados del oeste de Estados Unidos que se realiza a escala de Landsat (es decir, 30 m) con el algoritmo de bosque aleatorio, que abarca los años desde 1986 hasta el presente.
Si bien el artículo de IrrMapper describe la clasificación de cuatro clases (es decir, irrigada, de secano, sin cultivar y humedal), el conjunto de datos se convierte en una clasificación binaria de irrigada y no irrigada.
"Regado" se refiere a la detección de cualquier riego durante el año. El modelo de bosque aleatorio de IrrMapper se entrenó con una extensa base de datos geoespacial de la cobertura terrestre de cada una de las cuatro clases de tierras irrigadas y no irrigadas, incluidos más de 50,000 campos irrigados verificados por humanos, 38,000 campos de secano y más de 500,000 kilómetros cuadrados de tierras no cultivadas.
Para la versión 1.2, se expandieron considerablemente los datos de entrenamiento originales, se creó un modelo de RF para cada estado y se realizó un análisis de validación y de incertidumbre más exhaustivo. Consulta el suplemento de nuestro artículo sobre los impactos del riego en el caudal de los arroyos.
Bandas
Tamaño de píxel
30 metros
Bandas
| Nombre | Tamaño de los píxeles | Descripción |
|---|---|---|
classification |
metros | Los píxeles irrigados tienen el valor 1, y los demás se enmascaran. |
Condiciones de Uso
Condiciones de Uso
Citas
Ketchum, D.; Jencso, K.; Maneta, M.P.; Melton, F.; Jones, M.O.; Huntington, J. IrrMapper: Un enfoque de aprendizaje automático para la creación de mapas de alta resolución de la agricultura de riego en el oeste de EE.UU. Remote Sens. 2020, 12, 2328. doi:10.3390/rs12142328
Ketchum, D., Hoylman, Z.H., Huntington, J. et al. Irrigation intensification impacts sustainability of streamflow in the Western United States. Commun Earth Environ 4, 479 (2023). doi:10.1038/s43247-023-01152-2
Explora con Earth Engine
Editor de código (JavaScript)
var dataset = ee.ImageCollection('UMT/Climate/IrrMapper_RF/v1_2'); var irr = dataset.filterDate('2023-01-01', '2023-12-31').mosaic(); var visualization = { min: 0.0, max: 1.0, palette: ['blue'] }; Map.addLayer(irr, visualization, 'IrrMapper 2023'); Map.setCenter(-112.516, 45.262, 10);