2016-2023 年美国农业部作物序列边界

2024-06-17 11:12

本文主要是介绍2016-2023 年美国农业部作物序列边界,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

简介

2016-2023 年美国农业部作物序列边界

作物序列边界(CSB)是与美国农业部经济研究局合作开发的,它提供了美国毗连地区的田间边界、作物种植面积和作物轮作的估计数据。该数据集利用卫星图像和其他公共数据,并且是开放源码的,使用户能够对美国种植的商品进行面积和统计分析。它为农民的种植决策和实践提供了宝贵的见解。

NASS 需要一个有代表性的田间数据集来预测玉米-大豆等常见轮作的作物种植情况,而经济研究局 (ERS) 则利用 CSB 来研究耕作和覆盖种植等农场管理方法随时间推移而发生的变化。CSB 数据集代表特定时间范围内的非机密单一作物田边界。它不包括个人身份信息、所有权边界或地块。数据来源于卫星图像和公开信息,不包括生产者或农业服务局等机构提供的信息。如需访问和了解更多信息,请访问CSB 网站。访问 CSB GitHub 代码库,查看与数据集相关的元数据。

https://github.com/USDA-REE-NASS/crop-sequence-boundaries/tree/main/csb-project

数据集说明

作物序列边界(CSB)是通过地理空间算法生成的田间多边形,源自 NASS 耕地数据层(CDL)。这些多边形实体满足了依赖网格数据集的应用需求,需要分析单位来简化数据汇总。CSB 的主要目标是提供横跨美国 48 个毗连区的全面覆盖范围,确保多年数据的精确性和可复制性。这些结构是通过合并指定时间范围内的历史 CDL 而形成的,同时还整合了公路和铁路网络,以准确描绘这些模拟田地内的作物序列。该数据集适用于 2016 年至 2023 年的生长季节。

数据集结构与预处理

数据集作为地球引擎中的特征集提供给每个州,1623 个特征集代表 2016-2023 年的生长季节。州名是特征集合名称的一部分。虽然可能没有必要,但可以将它们合并为一个集合,我创建了这个集合,供那些希望在合并的特征集合上运行一些分析的人使用。

单一代码

///
/$$$$$$$/  Create menus for states and counties $$$$$$/
---------- Author: Dr. Zhe Li -------------
///===================  USDA NASS SARS ===================/
//////
//$$$$$$$/  Host and Query CSBs $$$$$$/
---------- Author: Arthur Rosales -------------
///===================  USDA NASS SARS ===================/
////*Global Variable*/var csb23;
var empty1;
var fills1;
var filledOutlines1;
var empty2;
var fills2;
var image1;/*---------------------LOAD State and County features ----------------------------*/
var us_states = ee.FeatureCollection("TIGER/2018/States"),counties = ee.FeatureCollection("TIGER/2018/Counties");/*-----------------------LOAD CSB FILES FROM ASSETS ------------------------------*/var styling = {color: 'red',fillColor: '00000000',width: 2
};
var styling_co = {color: 'white',fillColor: '00000000',width: 0.5
};var csbal23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBAL1623");var csbar23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBAR1623");var csbaz23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBAZ1623");var csbca23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBCA1623");var csbco23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBCO1623");var csbct23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBCT1623");var csbde23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBDE1623");var csbga23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBGA1623");var csbfl23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBFL1623");var csbia23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBIA1623");var csbid23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBID1623");var csbil23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBIL1623");var csbin23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBIN1623");var csbks23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBKS1623");var csbky23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBKY1623");var csbla23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBLA1623");var csbma23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBMA1623");var csbmd23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBMD1623");var csbme23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBME1623");var csbmi23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBMI1623");var csbmn23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBMN1623");var csbmo23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBMO1623");var csbms23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBMS1623");var csbmt23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBMT1623");var csbne23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBNE1623");var csbnh23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBNH1623");var csbnj23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBNJ1623");var csbnm23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBNM1623");var csbnv23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBNV1623");var csbny23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBNY1623");var csbnc23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBNC1623");var csbnd23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBND1623");var csboh23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBOH1623");var csbok23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBOK1623");var csbor23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBOR1623");var csbpa23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBPA1623");var csbri23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBRI1623");var csbsc23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBSC1623");var csbsd23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBSD1623");var csbtn23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBTN1623");var csbtx23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBTX1623");var csbut23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBUT1623");var csbvt23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBVT1623");var csbva23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBVA1623");var csbwa23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBWA1623");var csbwv23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBWV1623");var csbwi23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBWI1623");var csbwy23 = ee.FeatureCollection("projects/nass-csb/assets/csb1623/CSBWY1623");var istate = {Alabama: [csbal23, 'CDL2023', 'CDL2022', 'CDL2021', 'CDL2020', 'CDL2019', 'CDL2018', 'CDL2017', 'CDL2016', 2023, "01", 'ACRES', 'CROP23', 'CROP22', 'CROP21', 'CROP20', 'CROP19', 'CROP18', 'CROP17', 'CROP16'],Arkansas: [csbar23, 'CDL2023', 'CDL2022', 'CDL2021', 'CDL2020', 'CDL2019', 'CDL2018', 'CDL2017', 'CDL2016', 2023, "05", 'ACRES', 'CROP23', 'CROP22', 'CROP21', 'CROP20', 'CROP19', 'CROP18', 'CROP17', 'CROP16'],Arizona: [csbaz23, 'CDL2023', 'CDL2022', 'CDL2021', 'CDL2020', 'CDL2019', 'CDL2018', 'CDL2017', 'CDL2016', 2023, "04", 'ACRES', 'CROP23', 'CROP22', 'CROP21', 'CROP20', 'CROP19', 'CROP18', 'CROP17', 'CROP16'],California: [csbca23, 'CDL2023', 'CDL2022', 'CDL2021', 'CDL2020', 'CDL2019', 'CDL2018', 'CDL2017', 'CDL2016', 2023, "06", 'ACRES', 'CROP23', 'CROP22', 'CROP21', 'CROP20', 'CROP19', 'CROP18', 'CROP17', 'CROP16'],Colorado: [csbco23, 'CDL2023', 'CDL2022', 'CDL2021', 'CDL2020', 'CDL2019', 'CDL2018', 'CDL2017', 'CDL2016', 2023, "08", 'ACRES', 'CROP23', 'CROP22', 'CROP21', 'CROP20', 'CROP19', 'CROP18', 'CROP17', 'CROP16'],Connecticut: [csbct23, 'CDL2023', 'CDL2022', 'CDL2021', 'CDL2020', 'CDL2019', 'CDL2018', 'CDL2017', 'CDL2016', 2023, "09", 'ACRES', 'CROP23', 'CROP22', 'CROP21', 'CROP20', 'CROP19', 'CROP18', 'CROP17', 'CROP16'],Delaware: [csbde23, 'CDL2023', 'CDL2022', 'CDL2021', 'CDL2020', 'CDL2019', 'CDL2018', 'CDL2017', 'CDL2016', 2023, "10", 'ACRES', 'CROP23', 'CROP22', 'CROP21', 'CROP20', 'CROP19', 'CROP18', 'CROP17', 'CROP16'],Florida: [csbfl23, 'CDL2023', 'CDL2022', 'CDL2021', 'CDL2020', 'CDL2019', 'CDL2018', 'CDL2017', 'CDL2016', 2023, "12", 'ACRES', 'CROP23', 'CROP22', 'CROP21', 'CROP20', 'CROP19', 'CROP18', 'CROP17', 'CROP16'],Georgia: [csbga23, 'CDL2023', 'CDL2022', 'CDL2021', &#

这篇关于2016-2023 年美国农业部作物序列边界的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1069277

相关文章

uva 10131 最长子序列

题意: 给大象的体重和智商,求体重按从大到小,智商从高到低的最长子序列,并输出路径。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#include <stack>#include <vect

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者

POJ1631最长单调递增子序列

最长单调递增子序列 import java.io.BufferedReader;import java.io.InputStream;import java.io.InputStreamReader;import java.io.PrintWriter;import java.math.BigInteger;import java.util.StringTokenizer;publ

CSP 2023 提高级第一轮 CSP-S 2023初试题 完善程序第二题解析 未完

一、题目阅读 (最大值之和)给定整数序列 a0,⋯,an−1,求该序列所有非空连续子序列的最大值之和。上述参数满足 1≤n≤105 和 1≤ai≤108。 一个序列的非空连续子序列可以用两个下标 ll 和 rr(其中0≤l≤r<n0≤l≤r<n)表示,对应的序列为 al,al+1,⋯,ar​。两个非空连续子序列不同,当且仅当下标不同。 例如,当原序列为 [1,2,1,2] 时,要计算子序列 [

leetcode105 从前序与中序遍历序列构造二叉树

根据一棵树的前序遍历与中序遍历构造二叉树。 注意: 你可以假设树中没有重复的元素。 例如,给出 前序遍历 preorder = [3,9,20,15,7]中序遍历 inorder = [9,3,15,20,7] 返回如下的二叉树: 3/ \9 20/ \15 7   class Solution {public TreeNode buildTree(int[] pr

HNU-2023电路与电子学-实验3

写在前面: 一、实验目的 1.了解简易模型机的内部结构和工作原理。 2.分析模型机的功能,设计 8 重 3-1 多路复用器。 3.分析模型机的功能,设计 8 重 2-1 多路复用器。 4.分析模型机的工作原理,设计模型机控制信号产生逻辑。 二、实验内容 1.用 VERILOG 语言设计模型机的 8 重 3-1 多路复用器; 2.用 VERILOG 语言设计模型机的 8 重 2-1 多

day-50 求出最长好子序列 I

思路 二维dp,dp[i][h]表示nums[i] 结尾,且有不超过 h 个下标满足条件的最长好子序列的长度(0<=h<=k),二维数组dp初始值全为1 解题过程 状态转换方程: 1.nums[i]==nums[j],dp[i,h]=Math.max(dp[i,h],dp[j,h]+1) 2.nums[i]!=nums[j],dp[i,h]=Math.max(dp[i,h],dp[j,h-1

LeetCode:3177. 求出最长好子序列 II 哈希表+动态规划实现n*k时间复杂度

3177. 求出最长好子序列 II 题目链接 题目描述 给你一个整数数组 nums 和一个非负整数k 。如果一个整数序列 seq 满足在下标范围 [0, seq.length - 2] 中 最多只有 k 个下标i满足 seq[i] != seq[i + 1] ,那么我们称这个整数序列为好序列。请你返回 nums中好子序列的最长长度。 实例1: 输入:nums = [1,2,1,1,3],

用Python实现时间序列模型实战——Day 14: 向量自回归模型 (VAR) 与向量误差修正模型 (VECM)

一、学习内容 1. 向量自回归模型 (VAR) 的基本概念与应用 向量自回归模型 (VAR) 是多元时间序列分析中的一种模型,用于捕捉多个变量之间的相互依赖关系。与单变量自回归模型不同,VAR 模型将多个时间序列作为向量输入,同时对这些变量进行回归分析。 VAR 模型的一般形式为: 其中: ​ 是时间  的变量向量。 是常数向量。​ 是每个时间滞后的回归系数矩阵。​ 是误差项向量,假

时间序列|change point detection

change point detection 被称为变点检测,其基本定义是在一个序列或过程中,当某个统计特性(分布类型、分布参数)在某时间点受系统性因素而非偶然因素影响发生变化,我们就称该时间点为变点。变点识别即利用统计量或统计方法或机器学习方法将该变点位置估计出来。 Change Point Detection的类型 online 指连续观察某一随机过程,监测到变点时停止检验,不运用到