IrrMapper to coroczna klasyfikacja stanu nawadniania w 11 zachodnich stanach USA przeprowadzana w skali Landsat (czyli 30 m) przy użyciu algorytmu Random Forest w latach 1986–obecnie.
W artykule o IrrMapperze opisano klasyfikację 4 rodzajów obszarów (nawadniane, suche, nieuprawiane i podmokłe), ale zbiór danych został przekształcony w klasyfikację binarną, która obejmuje obszary nawadniane i nienawadniane.
„Nawadniane” oznacza wykrycie nawadniania w ciągu roku.
Model lasu losowego IrrMapper został wytrenowany na podstawie obszernej geoprzestrzennej bazy danych pokrycia terenu z każdej z 4 klas obszarów nawadnianych i nienawadnianych, w tym ponad 50 tys. zweryfikowanych przez człowieka pól nawadnianych, 38 tys. pól suchych i ponad 500 tys. km² nieużytków.
W przypadku wersji 1.2 znacznie rozszerzono oryginalne dane treningowe, utworzono model RF dla każdego stanu oraz przeprowadzono dokładniejszą analizę walidacji i niepewności. Zapoznaj się z dodatkiem do naszego artykułu na temat wpływu nawadniania na przepływ wody w strumieniach.
Pasma
Rozmiar piksela 30 metrów
Pasma
Nazwa
Rozmiar piksela
Opis
classification
metry
Piksele nawadniane mają wartość 1, a pozostałe piksele są zamaskowane.
Ketchum, D.; Jencso, K.; Maneta, M.P.; Melton, F.; Jones, M.O.; Huntington, J.
IrrMapper: podejście oparte na uczeniu maszynowym do mapowania w wysokiej rozdzielczości nawadnianych upraw w zachodnich Stanach Zjednoczonych,
Remote Sens. 2020, 12, 2328. doi:10.3390/rs12142328
Ketchum, D., Hoylman, Z.H., Huntington, J. i in. Irrigation intensification impacts sustainability
of streamflow in the Western United States. Commun Earth Environ 4, 479 (2023). doi:10.1038/s43247-023-01152-2
IrrMapper to coroczna klasyfikacja stanu nawadniania w 11 stanach zachodnich Stanów Zjednoczonych, przeprowadzana w skali Landsat (czyli 30 m) przy użyciu algorytmu Random Forest, obejmujące lata 1986–obecnie. W artykule IrrMapper opisano klasyfikację 4 rodzajów obszarów (nawadniane, suche, nieuprawiane i podmokłe), ale zbiór danych został przekształcony w …
[null,null,[],[[["\u003cp\u003eIrrMapper is an annual dataset that classifies irrigated and non-irrigated land in the Western US from 1986 to present.\u003c/p\u003e\n"],["\u003cp\u003eThe dataset uses a Random Forest algorithm and Landsat data for 30m resolution mapping of irrigation status.\u003c/p\u003e\n"],["\u003cp\u003eIt provides a binary classification: irrigated areas are marked with a value of 1, while non-irrigated areas are masked out.\u003c/p\u003e\n"],["\u003cp\u003eDeveloped by the University of Montana, IrrMapper is available for research, education, and non-profit use under the CC-BY-4.0 license.\u003c/p\u003e\n"],["\u003cp\u003eUsers can explore and analyze the dataset using Google Earth Engine.\u003c/p\u003e\n"]]],[],null,["# IrrMapper Irrigated Lands, Version 1.2\n\nDataset Availability\n: 1986-01-01T00:00:00Z--2024-01-01T00:00:00Z\n\nDataset Provider\n:\n\n\n [University of Montana / Montana Climate Office](https://climate.umt.edu/research/irrmapper/)\n\nTags\n:\n[agriculture](/earth-engine/datasets/tags/agriculture) [landsat-derived](/earth-engine/datasets/tags/landsat-derived) \n\n#### Description\n\nIrrMapper is an annual classification of irrigation status in the 11\nWestern United States made at Landsat scale (i.e., 30 m) using the\nRandom Forest algorithm, covering years 1986 - present.\n\nWhile the [IrrMapper paper](https://www.mdpi.com/2072-4292/12/14/2328)\ndescribes classification of four classes (i.e., irrigated, dryland,\nuncultivated, wetland), the dataset is converted to a binary\nclassification of irrigated and non-irrigated.\n\n'Irrigated' refers to the detection of any irrigation during the year.\nThe IrrMapper random forest model was trained using an extensive\ngeospatial database of land cover from each of four irrigated- and\nnon-irrigated classes, including over 50,000 human-verified irrigated\nfields, 38,000 dryland fields, and over 500,000 square kilometers of\nuncultivated lands.\n\nFor version 1.2, the original training data was greatly expanded,\na RF model built for each state, and a more thorough validation and uncertainty\nanalysis undertaken. See the [supplement](https://static-content.springer.com/esm/art%3A10.1038%2Fs43247-023-01152-2/MediaObjects/43247_2023_1152_MOESM3_ESM.docx)\nto our [paper](https://www.nature.com/articles/s43247-023-01152-2) on the impacts of irrigation on streamflow.\n\n### Bands\n\n\n**Pixel Size**\n\n30 meters\n\n**Bands**\n\n| Name | Pixel Size | Description |\n|------------------|------------|------------------------------------------------------------------------|\n| `classification` | meters | Irrigated pixels have the value of 1, the other pixels are masked out. |\n\n### Terms of Use\n\n**Terms of Use**\n\n[CC-BY-4.0](https://spdx.org/licenses/CC-BY-4.0.html)\n\n### Citations\n\nCitations:\n\n- Ketchum, D.; Jencso, K.; Maneta, M.P.; Melton, F.; Jones, M.O.; Huntington, J.\n IrrMapper: A Machine Learning Approach for High Resolution Mapping of\n Irrigated Agriculture Across the Western U.S.,\n Remote Sens. 2020, 12, 2328. [doi:10.3390/rs12142328](https://doi.org/10.3390/rs12142328)\n\n Ketchum, D., Hoylman, Z.H., Huntington, J. et al. Irrigation intensification impacts sustainability\n of streamflow in the Western United States. Commun Earth Environ 4, 479 (2023). [doi:10.1038/s43247-023-01152-2](https://doi.org/10.1038/s43247-023-01152-2)\n\n### Explore with Earth Engine\n\n| **Important:** Earth Engine is a platform for petabyte-scale scientific analysis and visualization of geospatial datasets, both for public benefit and for business and government users. Earth Engine is free to use for research, education, and nonprofit use. To get started, please [register for Earth Engine access.](https://console.cloud.google.com/earth-engine)\n\n### Code Editor (JavaScript)\n\n```javascript\nvar dataset = ee.ImageCollection('UMT/Climate/IrrMapper_RF/v1_2');\nvar irr = dataset.filterDate('2023-01-01', '2023-12-31').mosaic();\n\nvar visualization = {\n min: 0.0,\n max: 1.0,\n palette: ['blue']\n};\nMap.addLayer(irr, visualization, 'IrrMapper 2023');\nMap.setCenter(-112.516, 45.262, 10);\n```\n[Open in Code Editor](https://code.earthengine.google.com/?scriptPath=Examples:Datasets/UMT/UMT_Climate_IrrMapper_RF_v1_2) \n[IrrMapper Irrigated Lands, Version 1.2](/earth-engine/datasets/catalog/UMT_Climate_IrrMapper_RF_v1_2) \nIrrMapper 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 ... \nUMT/Climate/IrrMapper_RF/v1_2, agriculture,landsat-derived \n1986-01-01T00:00:00Z/2024-01-01T00:00:00Z \n31.3 -124.5 49 -99 \nGoogle Earth Engine \nhttps://developers.google.com/earth-engine/datasets\n\n- [](https://doi.org/https://climate.umt.edu/research/irrmapper/)\n- [](https://doi.org/https://developers.google.com/earth-engine/datasets/catalog/UMT_Climate_IrrMapper_RF_v1_2)"]]
