چکیده

لایه داده زراعی (CDL) وزارت کشاورزی ایالات متحده (USDA) اطلاعات صریح فضایی در مورد منطقه تولید محصول ارائه می دهد و به عنوان یک منبع داده رایج برای توصیف تغییرات زمین زراعی در ایالات متحده در دهه گذشته عمل کرده است. درک دقت CDL به دلیل اتکا به آن برای مدیریت و سیاست گذاری بسیار مهم است. این مطالعه ویژگی های CDL را از سال 2007 تا 2017 با استفاده از مقایسه با سایر مجموعه داده های USDA بررسی کرد. نتایج نشان داد هنگام بررسی سطح زمین زراعی برای همان سال، CDL روندهای قابل مقایسه با مجموعه داده های دیگر را تولید کرد ( R2> 0.95)، اما مساحت مطلق متفاوت است. مساحت تخمین زده شده تغییرات زمین زراعی از 2007 تا 2012، 2008 تا 2012 و 2012 تا 2017 از همبستگی ضعیف تا متوسط ​​بین CDL و داده های جدولی متغیر بود ( R2= 0.005~0.63). تفاوت در مساحت تغییر زمین زراعی به طور گسترده ای بین منابع داده متفاوت است و CDL منطقه تغییر بسیار بزرگتری را تخمین می زند. مجموعه‌ای از تکنیک‌های پردازش تصویر طراحی‌شده برای بهبود اطمینان در تغییر زمین‌های زراعی برآورد شده با استفاده از CDL، مساحت تغییرات تخمینی زمین‌های زراعی را کاهش داد. این تکنیک‌ها همچنین، به طور غیرمنتظره، همبستگی در تغییر برآورد شده بین CDL و مجموعه داده‌های جدولی را کاهش دادند. منطقه تغییر پوشش زمین برآورد شده به طور گسترده ای بر اساس تجزیه و تحلیل های اعمال شده متفاوت است و می تواند از افزایش به کاهش سطح در زمین های زراعی معکوس شود. تجزیه و تحلیل های بیشتر سناریوهای تغییر غیر محتمل را هنگام مقایسه ترکیب سال های مختلف نشان داد. نویسندگان توصیه می‌کنند که CDL فقط برای تحلیل تغییر پوشش زمین در صورتی استفاده شود که خطا را بتوان تخمین زد و در محدوده تخمین‌های تغییر باشد.

کلید واژه ها:

زمین های زراعی ; پوشش زمین / کاربری زمین ; تغییر پوشش زمین ; لایه داده زمین زراعی ; موجودی منابع ملی ; USDA ; سرشماری کشاورزی

1. مقدمه

درک ما از تغییر کاربری/پوشش زمین بر تصمیم گیری در مورد مدیریت منابع، تعیین زمین های حفاظت شده، برنامه ریزی شهری و سیاست گذاری تأثیر می گذارد. داده‌های استاندارد و قابل اعتماد پوشش زمین، پایه و اساس توسعه دانش برای اطلاع از چنین تصمیم‌هایی را فراهم می‌کند. علاوه بر مجموعه داده‌های پوشش ملی (NLCD) که توسط سازمان زمین‌شناسی ایالات متحده (USGS) توسعه و مدیریت می‌شود، لایه داده‌های زمین‌های زراعی (CDL) وزارت کشاورزی ایالات متحده (USDA) داده‌های اساسی را برای نظارت بر تغییرات پوشش زمین با تمرکز ارائه می‌کند. در زمین های زراعی در ایالات متحده CDL یک نقشه طبقه بندی پوشش زمین است که از سال 2008 48 ایالت به هم پیوسته را پوشش داده است [ 1 ]]. CDL از سال 1997 برای ایالت های محدود موجود است. داده های متشکل از 134 طبقه پوشش زمین سالانه بر اساس تفسیر تصاویر ماهواره ای و اطلاعات زمینی تولید می شوند. CDL اطلاعات مفیدی را برای تخمین سطح تولید محصول در فصل [ 2 ، 3 ] و برای طبقه بندی خودکار مناطق (شناسایی مکان ها برای نمونه گیری آماری) با دقت بهبود یافته نسبت به روش های قبلی [ 2 ] ارائه می دهد. در دهه گذشته، CDL به عنوان یک منبع داده اولیه برای توصیف تغییرات زمین های زراعی در ایالات متحده عمل کرده است [ 4 ، 5 ]. CDL همچنین برای تحقیقات حفاظت از تنوع زیستی استفاده شده است [ 6 , 7 , 8 , 9، 10 ، 11 ، 12 ] و ارزیابی خسارت پس از فاجعه [ 13 ]. این طیف وسیعی از کاربردها مشارکت CDL را در پیشرفت دانش ما در مورد تغییرات محیطی و تصمیم گیری در مورد مدیریت زمین نشان می دهد.
هنگامی که از CDL به عنوان منبع داده اولیه استفاده می شود، قابلیت اطمینان نتایج تحقیقات تا حد زیادی به دقت طبقه بندی بستگی دارد. مساحت نشان‌داده‌شده توسط تعداد پیکسل CDL، تخمین‌های رسمی به ازای سلب مسئولیت ارائه‌شده با نتایج جدولی USDA CropScape [ 14 ] نیست، و مجموعه داده‌ها باید با احتیاط هنگام ارزیابی مساحت زمین‌های زراعی و تغییرات [ 1 ] استفاده شوند. USDA بر تخمین زمین های زراعی در CDL متمرکز است و تعدادی از مطالعات نگرانی هایی را در مورد دقت طبقه بندی پوشش زمین غیر زراعی در CDL و مناسب بودن آن برای کمی سازی تغییرات پوشش زمین ایجاد کرده اند [ 3 ، 13 ، 14 ، 15 ، 16 ، 17 ،18 ، 19 ]. در توسعه CDL، خدمات ملی آمار کشاورزی (NASS) بر شناسایی محصولات در سراسر ایالات متحده تمرکز می کند نه بر روی انواع دیگر پوشش زمین مانند علفزار یا جنگل [ 3 ]. USDA دقت کلی را برای طبقات محصول منتشر می کند و برای دقت سایر طبقات پوشش زمین به NLCD تکیه می کند. از آنجایی که سازندگان NLCD دقت ویژه کلاس را منتشر نکرده اند، معیارهای دقت منتشر شده محدودی برای زمین های غیر زراعی در CDL موجود است. با این حال، این اطلاعات برای درک دقت طبقه‌بندی CDL هنگام تخمین تغییر زمین‌های زراعی، و به طور خاص‌تر، هنگام تخمین گسترش زمین‌های زراعی به طبقه‌بندی‌های پوشش غیر زراعی حیاتی است.
محققان روش های مختلفی را برای بهبود قابلیت اطمینان CDL به کار گرفته اند. لارک و همکاران [ 20 ] از یک سری تکنیک های پالایش پس از طبقه بندی بر اساس استدلال منطقی استفاده کرد. آن‌ها CDL را به سه کلاس ساده‌سازی کردند – کلاس‌های زراعی، غیر زراعی و کلاس‌های آیش – و یک مجموعه داده جدید ایجاد کردند که نشان‌دهنده مسیر تغییر پوشش زمین هر پیکسل با استفاده از یک سری زمانی سالانه CDL است. با اعمال فیلتر اکثریت، فیلتر زمانی، و واحد نقشه برداری حداقل، مناطقی که تغییرات زمین زراعی با اطمینان کمتری داشتند به طور بالقوه حذف شدند. NLCD از سال های گذشته برای شناسایی مناطق زراعی نامشخص در CDL استفاده شد. به طور مشابه، ژانگ و همکاران. [ 21] پیکسل های زمین زراعی را در CDL بر اساس الگوی تناوب زراعی برای پیش بینی پوشش زمین در یک سال آینده استخراج کرد. برای درک تأثیر خطاها در CDL، Sun و Congalton [ 22 ] نقشه‌های زمین‌های زراعی انباشته را با استفاده از دو تکنیک تجمع فضایی همراه با تکنیک‌های احتمال سطح اطمینان برای نبراسکا به عنوان مطالعه موردی بررسی کردند.
مطالعات فوق روش های مختلفی را با هدف افزایش اطمینان در برآورد تغییرات پوشش زمین با استفاده از CDL به کار بردند. با این حال، از آنجایی که این روش‌ها مقادیر نهایی CDL را تغییر می‌دهند، هرگونه ارزیابی دقت ارائه شده توسط USDA دیگر معتبر نیست. هر گونه تغییر در دقت پس از استفاده از این روش ها کمیت نشده است. مشخص نیست که چگونه این روش ها بر مناسب بودن CDL برای تخمین تغییرات زمین زراعی تأثیر گذاشتند. ارزیابی‌های دقت یک‌ساله ممکن است بینش جامعی را برای بزرگی و انواع خطاهای احتمالی هنگام تخمین تغییر زمین‌های زراعی با CDL ارائه نکنند که نیازمند استفاده از چندین سال CDL است. این عدم وضوح برای دقت پس از اصلاح CDL و ترکیب سالها مانع استفاده از آن برای درک تغییرات زمین زراعی می شود. دقت نتایج تجزیه و تحلیل به کیفیت داده های ورودی بستگی دارد.
هدف این مطالعه به دست آوردن بینشی در مورد ویژگی‌های سطح زیر کشت طبقه‌بندی شده در CDL در زمینه تخمین تغییر زمین زراعی و اینکه چگونه تناقضات در سطح زراعی و غیر زراعی سال به سال ممکن است بر دقت تغییر زمین زراعی مبتنی بر CDL تأثیر بگذارد، بود. چهار هدف مطالعه عبارت بودند از: (1) مقایسه CDL با فهرست منابع ملی USDA (NRI) و داده های سرشماری کشاورزی USDA (سرشماری) در سطح زمین زراعی در سطح ایالت، (2) مقایسه CDL با سطح زیر کشت محصولات اصلی برداشت شده مجموعه داده (PCHA) که یک برآورد مبتنی بر نظرسنجی USDA از سطح برداشت شده برای 20 محصول اصلی کشت شده در ایالات متحده است و شامل منطقه به ایالت است. همین 20 محصول به عنوان کلاس های جداگانه در CDL گنجانده شده اند که امکان مقایسه مستقیم برای محصولات خاص بین داده های آماری CDL و USDA را فراهم می کند.

2. مواد و روشها

2.1. داده ها

مجموعه داده های اولیه مورد استفاده در این مطالعه CDL، سرشماری، NRI و USDA PCHA بودند که همگی توسط USDA توسعه یافته و مدیریت می شوند. CDLهای مورد استفاده برای این مطالعه از سال 2007 تا 2017 بودند [ 23 ]. سال 2007 به عنوان سال اولیه مطالعه مورد استفاده قرار گرفت تا امکان مقایسه تغییرات زمین زراعی بین CDL و سایر منابع داده معتبر که ممکن است در دسترس بودن زمانی محدودی داشته باشند، مانند سرشماری و NRI که هر 5 سال یکبار تولید می‌شوند، مورد استفاده قرار گرفت. این منجر به این شد که این مطالعه تنها از 20 ایالت موجود در CDL 2007 برای هر تجزیه و تحلیلی که شامل سال 2007 بود استفاده کند (آرکانزاس، کالیفرنیا، آیداهو IL، ایندیانا، آیووا، کانزاس، لوئیزیانا، میشیگان، مینه سوتا، می سی سی پی، میسوری، نبراسکا، داکوتای شمالی، اوهایو، اوکلاهما، اورگان، داکوتای جنوبی، واشنگتن و ویسکانسین).
این سرشماری توسط خدمات ملی آمار کشاورزی USDA (NASS) بر اساس اطلاعات بخش بزرگی از تولیدکنندگان کشاورزی انجام می شود. این تولیدات کشاورزی را در کل جمعیت کشاورزی ایالات متحده برآورد می کند [ 24 ]. نتایج سرشماری را در سطح شهرستان، ایالت و ملی گزارش می‌کند.
NRI که توسط سرویس حفاظت از منابع طبیعی USDA (NRCS) تهیه شده است، فهرستی مستمر از شرایط و روند استفاده از زمین و منابع طبیعی در زمین های غیر فدرال در 49 ایالت (به جز آلاسکا) انجام می دهد. نظرسنجی ها از روش های نمونه گیری آماری دقیق و شناخته شده برای تولید اطلاعات علمی معتبر استفاده می کنند [ 25 ]. در این مطالعه از مجموعه داده های NRI در سال های 2007، 2012 و 2017 استفاده شد [ 25 ].
NASS همچنین سالانه سطح محصول را برای محصولات اصلی کاشته شده و برداشت شده در ایالات متحده گزارش می کند [ 26 ، 27 ]. در این مطالعه از PCHAهای 2007، 2012 و 2017 استفاده شد [ 27 ]. PCHA بسیار شبیه به منطقه برداشت شده در سرشماری است ( جدول 1 ).

2.2. تحلیل آماری

تجزیه و تحلیل‌های آماری برای تعیین میزان همبستگی کل کل محصول و تغییرات زمین‌های زراعی برآورد شده توسط هر مجموعه داده با سایر مجموعه‌های داده انجام شد. رگرسیون خطی بین مجموعه داده های مختلف برای کل زمین زراعی و تغییر زمین زراعی بر اساس حالت انجام شد، ضریب همبستگی و شیب خط مورد تجزیه و تحلیل قرار گرفت. ضریب همبستگی بالاتر و شیب نزدیک به یک نشان دهنده تطابق خوب است. تجزیه و تحلیل واریانس یک طرفه (ANOVA) برای ارزیابی توافق تغییر سطح زمین زراعی بین مجموعه داده‌ها بین سال‌های 2007 و 2012 و بین سال‌های 2012-2017 انجام شد. تنها بیست حالت موجود در CDL 2007 برای هر دو ترکیب سال استفاده شد.

2.3. مقایسه کل سطح زمین زراعی و تغییر آن بین CDL، NRI، و سرشماری

این تجزیه و تحلیل سازگاری سطح کل زمین زراعی و تغییر در سطح زمین زراعی را زمانی که از CDL با کل زمین زراعی و تغییر در زمین‌های زراعی برآورد شده از مجموعه داده‌های جدولی USDA – NRI و سرشماری تخمین زده می‌شود، بررسی کرد. هر یک از CDL، NRI، و سرشماری با استفاده از روش‌های متفاوتی مانند تفسیر تصاویر ماهواره‌ای (CDL)، نمونه‌برداری میدانی مبتنی بر آماری (NRI)، تفسیر عکس‌های هوایی (NRI) و نظرسنجی کشاورزان (سرشماری) توسعه یافته‌اند. بنابراین، بررسی سازگاری در سطح کل زمین زراعی برآورد شده و تغییر آن در میان این مجموعه داده‌ها می‌تواند بینش‌هایی را برای ویژگی‌های CDL در زمینه کمی‌سازی قابل اعتماد تغییر زمین‌های زراعی در طول زمان ارائه دهد.
برای CDL، برای مطابقت بهتر با سرشماری و NRI، کل زمین زراعی به عنوان مجموع بیش از 100 نوع محصول از جمله یونجه، میوه های درختی، و زمین های زراعی آیش و بیکار تعریف شد. فهرست کاملی از طبقات موجود در کل زمین های زراعی در شکل A1 ارائه شده است. برای NRI، کل زمین‌های زراعی به‌عنوان مجموع زمین‌های زراعی کشت‌شده و غیرکشت‌شده تعریف شد. برای سرشماری، کل زمین های زراعی با کم کردن زمین های زراعی در مرتع از کل زمین های زراعی به دست آمد. این شامل زیرمجموعه‌های «زمین‌های زراعی برداشت‌شده»، «زمین‌های زراعی شکست‌خورده»، «زمین‌های زراعی بی‌کار» و «آیش تابستانی کشت‌شده» است. مرتع زراعی برای بهبود سازگاری با NRI و CDL حذف شد، که دسته‌بندی «مراتع زراعی» ندارند. اگرچه اجزای انواع مختلف محصولات زراعی که کل زمین‌های زراعی را تعریف می‌کنند بر اساس مجموعه داده‌ها متفاوت است، مقایسه کل سطح زمین زراعی و تغییر آن در مجموعه داده‌ها می‌تواند معنی‌دار باشد و شباهت‌های یافت شده بین CDL و NRI یا سرشماری می‌تواند بینشی برای نحوه استفاده از CDL برای کمی سازی تغییرات زمین های زراعی
بر اساس در دسترس بودن هر مجموعه داده، مقایسه کل زمین های زراعی CDL با NRI و سرشماری برای سال های 2007، 2012 و 2017 انجام شد. از آنجایی که CDL سال 2007 تنها 20 ایالت را پوشش می داد، تجزیه و تحلیل های مقایسه ای برای آن ایالت ها فقط هنگام بررسی سال 2007 انجام شد. تغییر در کل زمین های زراعی برای هر مجموعه داده برای سال های 2007 تا 2012 و 2012 تا 2017 برآورد شد. کل تغییرات زمین های زراعی برای سرشماری و NRI با کم کردن سطح زمین زراعی تخمینی 2007 از سطح زمین زراعی تخمینی 2012 برای هر ایالت به دست آمد. برای CDL، کل تغییرات زمین زراعی با مقایسه مجموعه داده ها با تجزیه و تحلیل پیکسل به پیکسل به دست آمد.

2.4. مقایسه کل سطح زمین زراعی و تغییرات زمین زراعی بین CDL و PCHA

این تجزیه و تحلیل، درک عمیقی از تخمین‌های زمین زراعی CDL از طریق مقایسه با آنچه که توسط NASS سالانه برای PCHA گزارش می‌شود، ارائه کرد. مجموعه داده PCHA به عنوان جزئی از اطلاعات مورد استفاده برای سرشماری برای تخمین کل زمین های زراعی استفاده می شود (USDA, NASS, 2014a). کل زمین های زراعی گزارش شده در سرشماری برای مطابقت با PCHA برای هر ایالت تنظیم می شود [ 25 ]. کل مساحت گزارش شده در PCHA تقریباً با 95 درصد از سرشماری سال 2012 زمین های زراعی برداشت شده مطابقت دارد [ 25 ، 26 ]. بر خلاف سرشماری که هر پنج سال یک بار مساحت کل زمین های زراعی را گزارش می کند، PCHA سالانه گزارش می دهد و مانند CDL می تواند بر اساس محصول تقسیم شود ( جدول A1). بنابراین، PCHA می‌تواند داده‌های مرجع معتبری را برای ارزیابی اضافی CDL فراهم کند.
مساحت کل زمین زراعی در سطح ایالت برای 20 ایالت برآورد شده از CDLهای 2007 و 2012 و 48 ایالت از CDLهای 2012 و 2017 در برابر آنچه از PCHA برای سالهای مربوطه در سطح ایالت نیز به دست آمده بود ترسیم شد. تفاوت در سطح بین تخمین CDL و PCHA برای پنج محصول برتر (ذرت، سویا، گندم، یونجه و سورگوم) به منظور به دست آوردن درک عمیق از ویژگی های CDL، از جمله منابع بالقوه عدم قطعیت مقایسه شد. .

2.5. ارزیابی تکنیک‌های اصلاح پس از طبقه‌بندی برای برآورد تغییر زمین‌های زراعی با استفاده از CDL

این تجزیه و تحلیل اثربخشی تکنیک‌های پالایش پس از طبقه‌بندی را برای بهبود ثبات تغییرات زمین‌های زراعی برآورد شده از CDL با تغییرات برآورد شده از NRI و سرشماری بررسی کرد ( شکل تکمیلی S1 ). تجزیه و تحلیل روش های ذکر شده در Lark و همکاران را تطبیق داد. [ 20 ] تا حد امکان نزدیک تر و برای سال های 2007 تا 2012، 2008 تا 2012 (برای دسترسی به CDL ایالتی 48) و زمان 2012 تا 2017 اجرا شد. لازم به ذکر است که برای تجزیه و تحلیل 2.1، کلاس “دیگر یونجه/غیر یونجه” از CDL به عنوان محصول برای تطابق بهتر با تعاریف NRI و Census زمین های زراعی طبقه بندی شد، اما برای این تجزیه و تحلیل به عنوان غیر زراعی طبقه بندی شد تا با روش های Lark همسو شود. گردش کار در شکل تکمیلی S1 ارائه شده است. تلاش هایی برای تقلید از روش های شناسایی شده توسط لارک انجام شد. کلاس‌های CDL در سال‌های 2007، 2008، 2012 و 2017 برای اولین بار به سه دسته تعمیم داده شد: محصول زراعی، غیر زراعی و محصول آیش. در مرحله بعد، محصول آیش به پوشش اراضی سال قبل (به استثنای سال اول که به کلاس پوشش زمین تعمیم یافته سال بعد مجدداً کدگذاری شد) کدگذاری شد. در مرحله بعد، تمام سال های تجزیه و تحلیل برای ایجاد یک پشته لایه CDL 5 ساله (4 سال برای 2008 تا 2012) روی هم قرار گرفتند. با استفاده از این مجموعه داده انباشته شده، تکنیک پس از طبقه بندی-پالایش متشکل از چهار تکنیک مکانی استفاده شد: (1) فیلتر زمانی برای حذف مسیرهای پوشش زمین ناسازگار ( جدول 2)) ، (2) NLCD های سال های گذشته که در موقعیت های خاص مورد استفاده قرار می گیرند تا اطمینان حاصل شود که زمین شناسایی شده به عنوان تغییر در محصول قبلاً محصول نبوده است، (3) فیلتر اکثریت فضایی که هدف آن کاهش نویز ناسازگار فضایی در داده هایی است که در یک منطقه کوچک تکرار می شود. و (4) حداقل واحد نقشه برداری که با هدف حذف قطعات پوشش زمین کوچکتر از یک منطقه از پیش تعریف شده (6 هکتار). در نهایت، تغییر محصول برآورد شده از هر مرحله در این تجزیه و تحلیل با تغییرات برآورد شده از سرشماری و NRI مقایسه شد.

2.6. ارزیابی ثبات تغییر سال به سال زراعی بین سال اولیه و پایانی

این تجزیه و تحلیل سازگاری CDL را در تخمین تغییر زمین با مقایسه دو بازه زمانی متفاوت اما همپوشانی بررسی کرد: سال به سال (یعنی بازه زمانی 1 ساله)، و سال های اولیه و پایانی با استفاده از مقایسه فضایی مکان های تغییر تخمین زده شده (یعنی، فاصله 5 ساله). این تحلیل برای CDLهای 2007 تا 2012، 2008 تا 2012 و 2012 تا 2017 انجام شد. اگر طبقه بندی CDL به طور قابل اعتمادی تغییرات زمین زراعی را تخمین می زند، مقایسه سال های اولیه و پایانی (مقایسه سال اولیه و پایانی) مجموع تغییرات زمین های زراعی مشاهده شده سال به سال در همان دوره زمانی را ارائه می دهد. تغییرات زمین زراعی که هنوز برای مقایسه سال به سال وجود دارد پس از حذف تمام پیکسل های شناسایی شده به عنوان تغییر در سال های اولیه و پایانی اندازه گیری شد.شکل تکمیلی S2 ). در حالی که ممکن است زمین از سال 2008 تا 2009 به محصول تبدیل شود، در سال 2010 آیش شود و سپس در سال 2011 به پوشش زمین دیگری تبدیل شود، این محتمل ترین سناریو نیست. تصاویر ماهواره ای به احتمال زیاد مزرعه ای را که پس از سال 2009 از محصول برداشته شده است، شناسایی می کند و آن را در سال 2010 به عنوان آیش می بیند. خاک همچنان قابل مشاهده خواهد بود و نشانه هایی از کشت وجود دارد. با در نظر گرفتن این دوره از انتقال از زمین زراعی به زمین زراعی آیش و سپس به پوشش زمین دیگر، این انتقال بسیار بعید خواهد بود و برای سال های نزدیک به سال آخر امکان پذیر نیست.
در این تحلیل، تبدیل خالص مورد بررسی قرار گرفت. تغییر خالص به زمین زراعی با کم کردن بازگشت ناخالص (یعنی تغییرات پوشش زمین از زمین زراعی) از تبدیل ناخالص (یعنی تبدیل زمین به زمین زراعی) در هر سال به دست آمد. برای شناسایی زمین‌های غیر زراعی که از سال اولیه تا سال آخر (فاصله زمانی 5 ساله) به زمین زراعی تبدیل شده‌اند، تمام پیکسل‌های نشان‌دهنده غیر زراعی در سال 2007 و زمین‌های زراعی در سال 2012 در CDL شناسایی شدند. مراحل مشابهی برای شناسایی تبدیل سال به سال برای هر جفت CDL برای سالهای متوالی انجام شد (یعنی از 2007 تا 2008، از 2008 تا 2009، 2009 تا 2010، 2010 تا 2011 و از 2011 تا 2012). تصاویر تغییر بازه زمانی مختلف با هم ترکیب شدند و هر پیکسل برای تعیین اینکه چه زمانی تغییر در دوره‌های زمانی مختلف سازگار یا ناسازگار بود، تجزیه و تحلیل شد.

3. نتایج

3.1. مقایسه کل سطح زمین زراعی و تغییر آن بین CDL، سرشماری، و NRI

رابطه کل سطح زمین زراعی بر اساس ایالت به ایالت بین NRI و سرشماری برای سال های 2007، 2012 و 2017 در شکل 1 نشان داده شده است. کل سطح زمین زراعی گزارش شده در این دو مجموعه داده جدولی به شدت همبستگی داشتند ( R2 = 0.99). با این حال، سرشماری تمایل دارد که سطح زمین زراعی بزرگ‌تری را نسبت به NRI گزارش کند. مساحت کل زمین زراعی در این دو مجموعه داده بیش از 9 میلیون هکتار متفاوت بود. NRI یک حاشیه خطا برای هر سال ارائه می دهد ( جدول A2). حاشیه برای سال های 2007 و 2012 کل سطح زمین زراعی ملی به ترتیب حدود 800000 هکتار برای سال های 2007 و 2012 است. کل تغییرات برآورد شده می تواند تا 1.6 میلیون هکتار باشد. کل تغییرات زمین زراعی بسیار نزدیک به خطای ترکیبی برای دو سال است. خطای ترکیبی در سطح ایالت معمولاً بیشتر از تغییر تخمینی است. این باید در هنگام استفاده از داده ها در نظر گرفته شود.
مقایسه کل سطح زمین زراعی برآورد شده از CDL 2007 در سطح ایالت (برای 20 ایالت موجود) با کل سطح زمین زراعی برآورد شده از NRI و سرشماری برای همان سال در شکل 2 نشان داده شده است . کل سطح زمین زراعی از CDL 2007 به شدت با برآوردهای NRI ( R2 = 0.98) و سرشماری ( R2 ) همبستگی داشت.= 0.96). مجموع هر مجموعه داده در 20 ایالت نشان داد که CDL تمایل به تخمین زمین زراعی کمتری نسبت به دو مجموعه داده دیگر دارد. به عنوان مثال، NRI، سرشماری، و CDL کل زمین های زراعی را به ترتیب حدود 106 میلیون هکتار، 113 میلیون هکتار و 97 میلیون هکتار برآورد کردند. کل سطح زمین زراعی برآورد شده با استفاده از CDL 2007 8.5٪ و 14.0٪ کوچکتر از برآوردهای NRI و سرشماری بود. کل سطح زمین زراعی برآورد شده با استفاده از CDL 2012 در مقایسه با مساحت برآورد شده از NRI و سرشماری برای سال 2012 نیز در شکل 2 نشان داده شده است. کل سطح زمین زراعی برآورد شده با استفاده از CDL برای سال 2012 نیز به شدت با سطوح NRI ( R2 = 0.99، شکل 2 ) و سرشماری ( R2 ) همبستگی داشت.= 0.98، شکل 2 ). با این حال، مشابه مقایسه در سال 2007، به نظر می رسد CDL کل زمین های زراعی (125 میلیون هکتار) را در مقایسه با NRI (146 میلیون هکتار) و سرشماری (152 میلیون هکتار) کمتر برآورد می کند. کل سطح زمین زراعی برآورد شده با استفاده از CDL 2012 تقریباً 15.0٪ و 18.2٪ کمتر از سطح NRI و سرشماری بود. شیب خط در سال 2012 به یک نزدیک‌تر بود زیرا کل زمین‌های زراعی بر اساس ایالت در CDL بیشتر به مجموع سرشماری و NRI نزدیک‌تر بود. روابط بین مجموعه داده های مختلف در سال 2017 نیز بسیار قوی بود ( شکل 2 ).
هنگام مقایسه تغییرات زمین زراعی برآورد شده از NRI و سرشماری برای سال‌های 2007 و 2012، تغییرات برآورد شده در کل سطح زمین‌های زراعی همبستگی ضعیفی داشتند ( شکل 3).). سرشماری افزایش در زمین‌های زراعی را برای هر 20 ایالت تخمین زد، در حالی که NRI از سال 2007 تا 2012 برخی از ایالت‌ها را در سطح زمین زراعی کاهش داد. برای مثال، تقریباً پنج برابر تغییر بیشتر از غیر زراعی به زمین زراعی (یعنی تبدیل) برای کانزاس در سرشماری نسبت به NRI برآورد شد. در مقابل، تقریباً چهار برابر بیشتر تبدیل برای میسوری در NRI نسبت به سرشماری برآورد شد. اختلاف در میسوری می تواند با این واقعیت مرتبط باشد که سرشماری شامل هکتارهای برداشت شده است در حالی که NRI بر روی سطح کاشت متمرکز است. سال 2012 یک سال خشکسالی در ایالات متحده بود و به عنوان مثال، تنها 84٪ از هکتارهای ذرت برداشت شد، در حالی که میانگین از سال 2007 بیش از 94٪ بود، اختلاف بالقوه بیش از 200،28 ]. متأسفانه، NRI منطقه‌ای را برای محصولات منفرد فهرست نمی‌کند تا اختلافات در کانزاس را با جزئیات بیشتر بررسی کند، اما سرشماری افزایش هکتارهای برداشت شده در کانزاس از سال 2007 تا 2012 را با وجود خشکسالی نشان می‌دهد.
مقایسه بین تغییرات تخمینی حالت به ایالت در کل زمین های زراعی از سال 2012 تا 2017 برای NRI و سرشماری نشان می دهد که تغییرات تخمینی بین ایالت ها اغلب موافق نیست ( شکل 3)). به طور خاص، آریزونا (NRI = 1300 هکتار و سرشماری = 51,300 هکتار)، پنسیلوانیا (NRI = 1050 هکتار و سرشماری = 27,400 هکتار)، و تگزاس (NRI = 4,735 هکتار و سرشماری = 7-165) بیشترین تفاوت را نشان می‌دهند. اینها تا حدی می تواند نتیجه برآورد سرشماری مناطق برداشت شده در مقایسه با برآورد NRI باشد که هکتارهای کاشته شده را تخمین می زند زیرا برخی از ایالت ها ممکن است آب و هوا یا عوامل دیگری داشته باشند که بر میزان سطح زیر کشت قابل برداشت تأثیر بگذارد. اساساً، در شکل سه، هر نقطه ای که در ربع بالا سمت راست یا پایین سمت چپ در نمودار واقع شده است، حالت هایی را نشان می دهد که در آن یک مجموعه داده افزایش سطح محصول را تخمین زده و دیگری کاهش را تخمین زده است.
مقایسه تغییر در کل سطح زمین زراعی برای 20 ایالت برآورد شده با استفاده از CDL، NRI و سرشماری از سال 2007 تا 2012 در شکل 4 نشان داده شده است.. مساحت تخمین زده شده تغییر زمین زراعی با استفاده از CDL با تغییر برآورد شده از NRI همبستگی متوسطی داشت. در حالی که شش ایالت، آرکانزاس، کالیفرنیا، لوئیزیانا، اوکلاهاما، اورگان و واشنگتن تخمین زده می‌شود که سطح زمین‌های زراعی را در NRI کاهش دهند، تخمین زده می‌شود که تمامی ایالت‌های دیگر زمین‌های زراعی را در CDL افزایش داده‌اند. کانزاس بیش از 1.4 میلیون هکتار در زمین های زراعی در CDL افزایش یافته است، در حالی که NRI تنها 92000 هکتار افزایش یافته است. جهت متضاد تغییر زمین زراعی (یعنی افزایش در یک مجموعه داده و کاهش در دیگری) و ناسازگاری در افزایش زمین زراعی دو عامل اصلی بودند که به همبستگی کم تغییر کل زمین بین CDL و NRI کمک می‌کردند. کل تغییرات زمین زراعی برآورد شده از CDL همبستگی متوسطی با تغییر برآورد شده از سرشماری داشت. اگرچه CDL به طور مداوم تغییرات بیشتری را در مقایسه با سرشماری تخمین زد، هر دو مجموعه داده افزایش در زمین های زراعی را برای هر 20 ایالت نشان دادند. بیشترین تفاوت بین دو مجموعه داده برای لوئیزیانا مشاهده شد که تقریباً 500 برابر افزایش سطح زراعی در CDL (492000 هکتار) نسبت به سرشماری (1000 هکتار) داشت.
به همین ترتیب، مقایسه NRI با تغییر تخمینی CDL از سال 2012 تا 2017 کاهش در رابطه را در مقایسه با سال‌های 2007 تا 2012 نشان می‌دهد ( شکل 4).). افزایش سطح تغییرات زمین در هکتار برآورد شده توسط CDL (8 میلیون در مقایسه با 2.3 میلیون برای NRI) منجر به شیب تنها 0.18 شد. در اینجا نیز پنسیلوانیا (NRI = 1052 هکتار و CDL = -551317 هکتار) و تگزاس (NRI = 4735 هکتار و CDL = 698133 هکتار) تنوع زیادی را نشان دادند. بسیاری از ایالت های تولیدکننده عمده محصولات زراعی مانند ایلینویز، آیووا و نبراسکا تغییرات تخمینی زمین زراعی را در CDL نسبت به NRI نشان دادند (به ترتیب 6 برابر، 2 برابر و 1.5 برابر). مقایسه CDL 2012 تا 2017 با سرشماری 2012 تا 2017 هیچ رابطه ای را نشان نمی دهد. چندین ایالت تغییرات مخالف را تخمین زدند از جمله مونتانا (CDL = +2,352,041 هکتار و سرشماری = 40,006- هکتار)، پنسیلوانیا (CDL = -551,317 هکتار و سرشماری = 27,374 هکتار) و کارولینای شمالی (هکتار 5,20 hectarec = 3,20,00,00, CDL = 3,20 هکتار و 20 هکتار = 3,20 هکتار و 2,000,00 = CDL).

3.2. مقایسه کل سطح زمین زراعی و تغییر آن بین CDL و PCHA

سطح برداشت شده در سطح ایالتی گزارش شده در سال های 2007، 2012 و 2012 و 2017 PCHA در برابر مساحت کل زمین های زراعی مربوطه تخمین زده شده با استفاده از CDL ترسیم شد ( شکل 5 ). کل سطح زمین زراعی از دو مجموعه داده یک همبستگی قوی در هر سه سال نشان داد (2007 = R2 > 0.94، 2012 = R2 > 0.94 و 2017 = R2> 0.96). با این حال، کل مساحت تخمین زده شده با استفاده از CDL تقریباً 17 میلیون هکتار در سال 2007 کوچکتر و 2 میلیون هکتار در سال 2012 بزرگتر از محصولات مشابه در PCHA بود. این اختلاف (19,784,113 هکتار) ممکن است به توضیح بیشتر 16+ میلیون هکتار تبدیل زمین زراعی اضافی که در CDL از سال 2007 تا 2012 در مقایسه با سه مجموعه داده دیگر (NRI، سرشماری و PCHA) تخمین زده شده است کمک کند. برخی از این تغییرات تخمینی بزرگتر می تواند CDL 2012 باشد که سطح محصول را با دقت بیشتری نسبت به CDL 2007 تخمین می زند. تجزیه و تحلیل تغییر تخمین زده شده در زمین های زراعی از سال 2007 تا 2012 و 2012 تا 2017 بین CDL و PCHA نشان داد که بین سال های 2007 و 2012 رابطه وجود دارد اما بین سال های 2012 و 2017 ارتباط وجود ندارد ( شکل 6).). PCHA 2012 تا 2017 برای چندین ایالت، سطح زیر کشت محصول را کاهش داد در حالی که CDL تقریباً در هر ایالت، زمین های زراعی را افزایش داد.
تفاوت در سطح کل تخمین زده شده با استفاده از مجموعه داده های PCHA و CDL سال های 2007 و 2012 برای پنج محصول برتر در شکل 7 ارائه شده است. تفاوت در مساحت تخمین زده شده در سال 2007 بیشتر از سال 2012 بود. هی، در مقایسه سال 2007 بیشترین تفاوت را نشان داد (تقریباً 10.8 میلیون هکتار). برای سال 2012، تفاوت در سطح تخمینی در بین محصولات متفاوت بود. گندم بیشترین تفاوت را در سطح تخمینی برای سال 2012 نشان داد. CDL به طور مداوم مساحت کمتری را نسبت به آنچه در PCHA گزارش شده تخمین زد، که نشان می دهد برخی از زمین های زراعی ممکن است به درستی در CDL 2007 و 2012 طبقه بندی نشده باشند یا در PCHA بیش از حد شمارش شوند، به ویژه در سال 2007. زمین‌های زراعی که از CDL 2007 حذف شده‌اند، اما CDL 2012 حذف شده‌اند، به اشتباه به‌عنوان تغییر به زمین‌های زراعی در تجزیه و تحلیل تغییر لحاظ می‌شوند.
یک پایگاه داده (CDL، NRI، PCHA، و سرشماری) × دوره زمانی (2007-2012، 2012-2017) ANOVA اندازه گیری های مکرر انجام شد. نتایج حاکی از اثرات اصلی پایگاه داده (F (3، 17) = 33.32، p = 0.000) و دوره زمانی (F (1، 19) = 31.66، 0.000 = p ، و همچنین یک تعامل پایگاه داده × دوره زمانی (F (3،17) = 13.48، ص= 0.000. تجزیه تعامل در پایگاه داده نشان داد که تغییر زمین زراعی برای پایگاه‌های داده CDL و PCHA متفاوت است (F (1، 19) = 27.36 و 22.96، ps = 0.000، eta-squared جزئی = 0.54 – 0.59)، اما نه برای پایگاه‌های داده NRI یا سرشماری. (F (1، 19) = 2.96 و 0.44، ps = 0.102 – 0.514، جزئی eta-squared = 0.02 – 0.14). اختلاف بین CDL و PCHA در مقایسه با دو مجموعه داده دیگر به احتمال زیاد نتیجه تغییر منطقه بسیار زیاد در CDL 2007 و این واقعیت است که تغییر مساحت زمین PCHA از مثبت به منفی تغییر کرده است ( شکل 8 ).

3.3. ارزیابی تکنیک‌های پس از طبقه‌بندی و اصلاح برای برآورد تغییر پوشش زمین با استفاده از CDL

سه مقایسه سال به سال جداگانه (2007 تا 2012، 2008 تا 2012، و 2012 تا 2017) برای درک بهتر چگونگی تکنیک‌های اصلاح پس از طبقه‌بندی، مانند آنچه که توسط لارک و همکاران معرفی شد، انجام شد. [ 20 ] می تواند بر دقت تخمین تغییر زمین با استفاده از CDL تأثیر بگذارد. متأسفانه، تجزیه و تحلیل انجام شده توسط Lark و همکاران. برای سال‌های 2008 و 2009 از CDL با وضوح 56 متر قدیمی‌تر استفاده کرد که دیگر از وزارت کشاورزی ایالات متحده در دسترس نیست. بنابراین، مقایسه مستقیم داده ها بین مطالعه حاضر و مطالعه انجام شده توسط لارک و همکاران. ممکن نبود
نتایج حاصل از پالایش پس از طبقه بندی انجام شده توسط Lark و همکاران. [ 20 ] برای سالهای 2008 تا 2012 با استفاده از CDLهای قدیمی 56 متری برای سالهای 2008 و 2009، تغییر خالص در سطح زراعی 1,207,854+ هکتار را در مقایسه با تغییرات تخمینی زمین زراعی برای سرشماری 2007 تا 2012 در سرشماری N+19,7,4,7,0,00+1 و 75+119 و 2012+ نشان داد. . این مطالعه با استفاده از CDL های اخیر با وضوح 30 متر برای سال های 2008 تا 2012، نشان داد که CDL بدون هیچ گونه تغییری 1,141,751 هکتار تخمین زده شده است ( جدول 3)). مقداری بسیار شبیه به تحلیل قبلی پس از اعمال تغییرات. پس از استفاده از تکنیک‌های پالایش پس از طبقه‌بندی، در واقع کاهش تخمینی در زمین‌های زراعی به میزان -1044720 هکتار وجود داشت. تغییر خالص هنگام مقایسه 20 ایالت موجود برای سال 2007 تقریباً 5 برابر بیشتر برای CDL با مقایسه مستقیم (+11,354,033 هکتار) در مقایسه با سرشماری (+2,109,452 هکتار) و تقریباً 9 برابر بیشتر در مقایسه با NRI (+1,307,013 هکتار) بود. . پس از اعمال تکنیک های پالایش پس از طبقه بندی، تغییر تخمین زده شده دوباره منفی بود (-127380 هکتار). نتایج 2012 تا 2017 مشابه بود. تغییر مستقیم خالص زمین زراعی برای CDL حدود 2.5 برابر (+5،992،023 هکتار) بیشتر از برآورد شده توسط سرشماری یا NRI بود (به ترتیب +2،309،621 هکتار و +2،285،097 هکتار). پس از اعمال تکنیک‌های اصلاح پس از طبقه‌بندی، CDL تغییرات مثبتی را مانند سرشماری و NRI تخمین زد، اما فقط 917255 هکتار را تخمین زد که 2.5 برابر کمتر از دو مجموعه داده دیگر است. به نظر می رسد اثربخشی تکنیک های اصلاح پس از طبقه بندی ممکن است به سال های CDL در مقایسه وابسته باشد. واضح است که روش‌ها کل تغییرات تخمینی را کاهش می‌دهند که مقادیر را به مقادیر برآورد شده توسط سرشماری و NRI نزدیک‌تر می‌کند، اما در واقع کاهش تخمینی در زمین‌های زراعی را برای دو تا از سه مجموعه داده ایجاد کرد. به نظر می رسد اثربخشی تکنیک های اصلاح پس از طبقه بندی ممکن است به سال های CDL در مقایسه وابسته باشد. واضح است که روش‌ها کل تغییرات تخمینی را کاهش می‌دهند که مقادیر را به مقادیر برآورد شده توسط سرشماری و NRI نزدیک‌تر می‌کند، اما در واقع کاهش تخمینی در زمین‌های زراعی را برای دو تا از سه مجموعه داده ایجاد کرد. به نظر می رسد اثربخشی تکنیک های اصلاح پس از طبقه بندی ممکن است به سال های CDL در مقایسه وابسته باشد. واضح است که روش‌ها کل تغییرات تخمینی را کاهش می‌دهند که مقادیر را به مقادیر برآورد شده توسط سرشماری و NRI نزدیک‌تر می‌کند، اما در واقع کاهش تخمینی در زمین‌های زراعی را برای دو تا از سه مجموعه داده ایجاد کرد.
توجیه ارائه شده برای اصلاح CDL نهایی منتشر شده توسط USDA این است که تکنیک های پالایش پس از طبقه بندی، دقت تخمین تغییر را بهبود می بخشد. به رسمیت شناخته شده است که CDL اغلب در مقایسه با سایر مجموعه داده های USDA، تغییرات زمین زراعی بیشتری را تخمین می زند. با این حال، این واقعیت که تکنیک‌های اصلاح پس از طبقه‌بندی، تغییرات تخمینی را کاهش می‌دهند، باید محصول جانبی کاهش خطا باشد نه تنها اندازه‌گیری موفقیت. بسیاری از تکنیک‌های پس از طبقه‌بندی تغییرات تخمینی را کاهش می‌دهند، اما آیا فقط پیکسل‌ها را حذف می‌کنند که باعث کاهش سطح تغییر می‌شود یا دقت را نیز بهبود می‌بخشند؟ یکی از راه‌های تعیین بالقوه دقت بهبود یافته، مقایسه تغییرات تخمینی از CDL با تغییرات تخمینی زمین زراعی از سرشماری و NRI پس از هر مرحله اصلاح پس از طبقه‌بندی است. اگر رابطه بهبود یابد، گام ممکن است دقت را بهبود بخشد. این مطالعه تغییرات تخمینی زمین زراعی را بر اساس ایالت به ایالت برای CDL پس از هر پالایش برای سه دوره زمانی ذکر شده در مطالعه (2007 تا 2012، 2008 تا 2012 و 2012 تا 2017) مقایسه کرد و یک رگرسیون به سرشماری و NRI تغییر زمین زراعی را برای دوره های زمانی یکسان تخمین زد تا ببیند آیا رابطه بین تغییر تخمینی زمین زراعی در CDL و دو مجموعه داده دیگر بهبود یافته است یا خیر. نتایج در جدول چهار آمده است. بر اساس تجزیه و تحلیل، تنها یک مورد از 30 مورد آزمایش شده منجر به بهبود R شده است 2008 تا 2012 و 2012 تا 2017) و یک رگرسیون به سرشماری و NRI تخمین زده تغییرات زمین زراعی را برای دوره های زمانی مشابه انجام داد تا ببیند آیا رابطه بین تغییر تخمینی زمین در CDL و دو مجموعه داده دیگر بهبود یافته است یا خیر. نتایج در جدول چهار آمده است. بر اساس تجزیه و تحلیل، تنها یک مورد از 30 مورد آزمایش شده منجر به بهبود R شده است 2008 تا 2012 و 2012 تا 2017) و یک رگرسیون به سرشماری و NRI تخمین زده تغییرات زمین زراعی را برای دوره های زمانی مشابه انجام داد تا ببیند آیا رابطه بین تغییر تخمینی زمین در CDL و دو مجموعه داده دیگر بهبود یافته است یا خیر. نتایج در جدول چهار آمده است. بر اساس تجزیه و تحلیل، تنها یک مورد از 30 مورد آزمایش شده منجر به بهبود R شده است2 بین CDL تخمین زده شده تغییر زمین زراعی و سرشماری یا NRI، و در هیچ موردی R2 نهایی نبود ، پس از اعمال تمام تکنیک‌ها برای پالایش پس از طبقه‌بندی، بهتر از R2 از مقایسه مستقیم. این نشان می‌دهد که تکنیک‌های پالایش پس از طبقه‌بندی، در حالی که سطح کل را در تغییر زمین‌های زراعی کاهش می‌دهند، لزوماً دقت را بهبود نمی‌بخشند.

3.4. ارزیابی سازگاری تغییرات زمین زراعی بین سال به سال و مقایسه سال اولیه و پایانی

برای بررسی توافق تغییرات تخمینی زمین زراعی بین یک سال اولیه و نهایی (برای سال های 2007 تا 2012، 2008 تا 2012 و 2012 تا 2017) با تغییرات سال به سال زمین زراعی برای سال ها در این چارچوب های زمانی، یک تحلیل فضایی برای اندازه گیری زمانی که تغییرات زمین زراعی برای فواصل زمانی مختلف توافق شده است، انجام شد. نتایج، در شکل 9، میلیون ها هکتار تغییر را نشان می دهد که خارج از ردپای تغییر سال اولیه/آخری رخ می دهد. این تغییرات (خارج از هر تغییری از سال اولیه و آخر) مستلزم یک سناریوی غیر محتمل تبدیل به محصول و بازگشت به زمین بومی در یک دوره 4 تا 5 ساله است. مطالعات قبلی مانند مطالعه انجام شده توسط Lark و همکاران. تنها تغییراتی را در ردپای سال های اولیه و پایانی مشاهده کرده اند. هر یک از این تناقضات اضافی ارائه شده توسط این مطالعه با تکنیک های پالایش پس از طبقه بندی، که فقط بر روی ردپای تغییر سال اولیه و آخر تمرکز دارند، حذف خواهند شد.
تغییرات زمین زراعی (تبدیل و برگشت) شناسایی شده در مقایسه سال به سال و آنهایی که در مقایسه سال اول و آخر با استفاده از CDL شناسایی شده اند به صورت نقشه در شکل 10 ارائه شده است.. این تجسم فضایی برای بررسی منابع بالقوه عدم قطعیت در CDL مفید است. رنگ قرمز (تبدیل در بین سال ها تخمین زده شده اما در سال اولیه و آخر تخمین زده نشده است) و سبز (بازگشت بین سال ها تخمین زده می شود اما در سال اولیه و آخر تخمین زده نمی شود) مناطق وسیعی از تغییرات ناسازگار را نشان می دهد. غرب میانه کشاورزی پویایی بیشتری را در تغییر زمین های زراعی نسبت به بقیه ایالت های مورد بررسی نشان می دهد. به دلیل تبدیل خالص قابل توجهی که در طول دوره تجزیه و تحلیل برآورد شده است (تقریباً 17 میلیون هکتار)، تبدیل زمین زراعی ممکن است راحت‌تر از بازگشت زمین زراعی مشاهده شود. این مکان ها خارج از ردپای تغییر سال اولیه و آخر خواهند بود. اختلاف در این مکان‌ها بین دو بازه زمانی مختلف برای تجزیه و تحلیل تغییر (مثلاً

4. بحث

بر اساس تجزیه و تحلیل، کل سطح زمین زراعی در CDLهای 2007، 2012 و 2017 به شدت با آنهایی که با استفاده از سرشماری و NRI تخمین زده شده بودند همبستگی داشت ( R2 > 0.95، شکل 2 ) . با این حال، کل سطح زمین زراعی در تخمین CDL تقریباً 10 تا 20 درصد کمتر از برآوردهای تخمین زده شده از NRI و سرشماری در سال 2007 بود. این نشان می دهد که سه مجموعه داده USDA، CDL، NRI، و سرشماری، در کل زمین های زراعی قابل مقایسه هستند. ایالات به صورت نسبی، فضایی، و مجموع زمین های زراعی به تفکیک ایالت در یک سال معین ممکن است با استفاده از CDL به طور قابل اعتمادی تخمین زده شود.
تغییرات برآورد شده در زمین های زراعی بین سال های 2007، 2012 تا 2017، ارتباط ضعیف تا متوسطی را بین CDL و سرشماری و NRI نشان داد. همبستگی شدید سطح کل زمین های زراعی در یک سال معین ( R2 > 0.95) که منجر به این تغییرات نسبتاً همبسته زمین های زراعی می شود، عدم قطعیت در کل زمین های زراعی را نشان می دهد که در تجزیه و تحلیل یک ساله مشخص نشده است.
در هر دو مقایسه، چندین حالت اختلاف قابل توجهی در بزرگی و برخی موارد در جهت تغییر (یعنی افزایش و کاهش) نشان دادند. این مجموع متناقض بین CDL-سرشماری و مقایسه CDL-NRI متفاوت بود. بررسی بیشتر این حالت‌ها می‌تواند بینشی در مورد ماهیت اختلافات در تغییر زمین‌های زراعی بین مجموعه‌های داده ارائه کند. این حالت ها همچنین می توانند نامزدهای خوبی برای بررسی دقت موقعیت در زمین های زراعی در CDL باشند.
به طور مداوم منطقه کوچکتر با استفاده از CDL 2007 نسبت به PCHA در انواع محصولات غیرمنتظره بود. بر اساس زمان‌بندی پیش‌بینی‌شده جمع‌آوری داده‌های منبع برای CDL (یعنی قبل از برداشت)، می‌توان انتظار داشت که سطح محصول بزرگ‌تر در تخمین CDL نسبت به PCHA باشد. این ممکن است نشان دهد که برخی از زمین‌های زراعی به درستی در CDL‌های قبلی طبقه‌بندی نشده‌اند یا اینکه PCHA محصول را بیش از حد تخمین می‌زند، به ویژه در سال 2007 که در CDL بسیار کمتر از مجموعه داده PCHA است. از آنجایی که CDL سطح زیر کشت کمتری را به ویژه در سال های قبل تخمین می زند، در مقایسه با سرشماری و NRI و PCHA نزدیک به سرشماری است، به احتمال زیاد CDL نادرست است، به خصوص که CDL در سال های بعد به هکتارهای اصلی می رسد. . بسته به نوع محصول، طبقه بندی زیر زمین های زراعی به طور بالقوه در CDL قابل توجه است.
تغییرات تخمینی زمین زراعی از سال 2007 تا 2012 با توجه به CDL بیش از 17 میلیون هکتار افزایش خواهد داشت. با این حال، کاهش تقریباً 500000 هکتاری در تغییرات زمین زراعی از سال 2008 تا 2012 و افزایش تقریباً 8 میلیون هکتاری از سال 2012 تا 2017 برآورد شد. این افزایش 28 درصدی در محصول از سال 2007 تا 2012 خواهد بود. مجموعه داده PCHA بیش از 93 میلیون هکتار از محصولات را در همان ایالت ها در سال 2007 تخمین می زند. این 16+ میلیون هکتار از برآورد CDL است. در سال 2012، تفاوت در واقع 2+ میلیون هکتار بیشتر برای CDL نسبت به PCHA است که منجر به افزایش سطح زمین زراعی برای CDL در مقایسه با سطح زمین زراعی در PCHA بیش از 18 میلیون هکتار می شود.
تکنیک‌های اصلاح پس از طبقه‌بندی آزمایش‌شده در این مطالعه در درجه اول منجر به عدم تغییر یا کاهش توافق بین مجموعه‌های داده (CDL به سرشماری و NRI) شد ( جدول 4 ). به نظر می رسد اثربخشی در کاهش مساحت مرتبط با تغییر با استفاده از یک توالی کامل از تکنیک های اصلاح پس از طبقه بندی وابسته به مجموعه داده باشد زیرا برخی از تغییرات سال به سال به تغییر منفی زمین زراعی کاهش می یابد در حالی که تغییرات سال به سال به سرشماری و NRI نزدیک تر است. مقادیر ( جدول 3 ). همچنین باید توجه داشت که استفاده از پردازش پس از طبقه‌بندی، مقادیر یک مجموعه داده منتشر شده توسط USDA (CDL) را تغییر می‌دهد و هرگونه ارزیابی دقت مرتبط با خود CDL را نفی می‌کند.
اگر طبقه بندی پوشش زمین CDL برای تعیین کمیت مساحت تغییرات زمین زراعی مناسب باشد، تغییرات تخمینی زمین زراعی باید برای فواصل زمانی مختلف در یک بازه زمانی مشابه قابل مقایسه باشد. با این حال، هنگام بررسی تغییرات زمین زراعی (تبدیل و بازگشت) به صورت مکانی، مکان‌های تغییر بین هر دو بازه زمانی به طور قابل توجهی متفاوت بود ( شکل 8 و شکل 9).). معنی تغییر زمین زراعی که اصلاً در سال‌های اولیه شناسایی نشده بود (به عنوان مثال از 2012 تا 2017) در بین سال‌ها (مثلاً 2013 تا 2014) شناسایی شد. نکته مهم این است که زمین های زراعی نمی توانند مستقیماً به پوشش زمین دیگری تبدیل شوند، اما حداقل یک تا دو سال قبل از اینکه زمین در رده زمین های زراعی حداقل برای دو سال باقی بماند، به آیش تبدیل می شود. این ویژگی‌ها در تغییر زمین‌های زراعی نشان می‌دهند که تجزیه و تحلیل متوالی نه تنها تبدیل خالص، بلکه تبدیل و برگشت نیز برای درک عدم قطعیت موقعیت هنگام کمی‌سازی تغییر زمین‌های زراعی با استفاده از CDL مفید خواهد بود. اکثر مکان‌های تغییر برآورد شده در مقایسه‌های سال به سال (فاصله 1 ساله) در مقایسه در بازه زمانی طولانی‌تر مشاهده نشد (یعنی، مقایسه 2012 و 2017) نشان دهنده یک منبع بزرگ خطای بالقوه است. بنابراین، ارزیابی سیستماتیک پوشش زمین با استفاده از تصاویر با وضوح بالا می تواند بینش بیشتری برای قابلیت اطمینان طبقه بندی CDL ارائه دهد.

5. نتیجه گیری ها

چهار تجزیه و تحلیل در این مطالعه برای درک عملکرد CDL در زمینه تخمین تغییرات زمین زراعی با استفاده از دوره‌های زمانی 2007-2012، 2008-2012 و 2012-2017 انجام شد: (1) مقایسه CDL، NRI، و سرشماری، (2) مقایسه بین CDL و مجموعه داده PCHA، (3) ارزیابی اثربخشی تکنیک‌های اصلاح پس از طبقه‌بندی بر روی CDL، و (4) ارزیابی سازگاری تغییرات زمین‌های زراعی تخمین زده شده توسط CDL از بازه‌های زمانی همپوشانی. CDL، NRI، و سرشماری کل سطح زمین زراعی قابل مقایسه را در سطح ایالت هنگام بررسی یک سال در یک زمان نشان دادند. با این حال، تغییر تخمین زده شده در سطح زمین زراعی به تفکیک ایالت تفاوت های قابل توجهی را نشان داد. تغییرات تخمینی زمین زراعی در طول زمان با استفاده از CDL روندهای بسیار متفاوتی را با آنچه از NRI و سرشماری تخمین زده شده است به همراه خواهد داشت.R 2 ). به نظر می رسد عوامل متعددی همبستگی را به NRI یا سرشماری به طور کلی محدود می کند. به نظر می رسد CDL در سال های قبل زمین های زراعی کمتری را برآورد می کند. مکان‌های تغییر در زمین‌های زراعی شناسایی‌شده در CDL به طور مداوم در یک مکان نیستند، اما سال به سال به مکان‌های مختلف منتقل می‌شوند، که نشان‌دهنده ناسازگاری‌های احتمالی است. بنابراین، محدودیت‌های CDL باید روشن شود و تلاش‌ها برای حذف این محدودیت‌ها باید شامل شواهدی از تصحیح مانند ارزیابی دقت جدید باشد. تجزیه و تحلیل ارائه شده در این مطالعه می تواند به عنوان چارچوبی برای ارزیابی CDL در مطالعات تغییر پوشش زمین در آینده در صورت وجود استراتژی های جدید بررسی / کاهش خطا برای آزمایش استفاده شود.
بینش های اصلی از تجزیه و تحلیل ما برای کار تغییر کاربری زمین مبتنی بر CDL عبارتند از:
  • تعیین دقیق کلاس ها یا انواع محصول برای تعریف “زمین زراعی” برای هر مجموعه داده برای مقایسه معنی دار سطح زمین زراعی بین مجموعه داده ها مهم است.
  • تجزیه و تحلیل متوالی برای درک عدم قطعیت موقعیت هنگام تعیین کمیت تغییر زمین زراعی با استفاده از CDL مفید است. علاوه بر تبدیل خالص، تجزیه و تحلیل تبدیل و برگشت بینش هایی را برای تناقضات بالقوه یا عدم قطعیت در طبقه بندی CDL فراهم می کند. مقایسه فضایی در تبدیل و بازگشت، عدم قطعیت موقعیتی زمین‌های زراعی طبقه‌بندی‌شده در CDL را بیشتر نشان می‌دهد.
مطالعات آتی توصیه شده عبارتند از: (1) گنجاندن مجموعه داده های جدیدتر (به عنوان مثال، CDL، NRI، سرشماری، و مجموعه داده PCHA، نظارت بر پوشش زمین USGS، ارزیابی) در ارزیابی داده ها برای تخمین تغییر زمین های زراعی برای بهبود استحکام یافته ها، (2) راستی‌آزمایی زمین‌های زراعی یا غیر زراعی با استفاده از تصاویر با وضوح بالا در مناطق انتقالی با عدم قطعیت‌های پیش‌بینی‌شده بالا برای ارائه بینش‌های اضافی برای قابلیت اطمینان طبقه‌بندی CDL، و (3) اطلاعات زمینی سال به سال برای امکان ارزیابی‌های دقت جدید پس از اصلاحات پس از طبقه بندی اعمال می شود.

پیوست اول

Ijgi 10 00281 g0a1 550
شکل A1. کلاس های محصول در لایه داده زراعی که در محاسبه کل زمین های زراعی گنجانده شده است.
جدول
جدول A1. انواع یا کلاس‌های محصول در مجموعه داده‌های سطح زیر کشت محصولات اصلی و در لایه داده‌های زمین زراعی تعریف شده در این مطالعه گنجانده شده است.
جدول
جدول A2. برآورد کل زمین های زراعی در سطح ایالتی و ملی در سال های 2007 و 2012 و تفاوت بین دو سال با حاشیه خطای تخمینی در هزاران هکتار.

منابع

  1. بوریان، سی. یانگ، ز. مولر، آر. کریگ، ام. نظارت بر کشاورزی ایالات متحده: وزارت کشاورزی ایالات متحده، خدمات ملی آمار کشاورزی، برنامه لایه داده های زمین زراعی. Geocarto Int. 2011 ، 26 ، 341-358. [ Google Scholar ] [ CrossRef ]
  2. بوریان، سی جی; یانگ، ز. ویلیس، پی. Di, L. توسعه طبقه بندی قاب منطقه خاص محصول بر اساس فراوانی محصول جغرافیایی و لایه های داده های کشت. جی. اینتگر. کشاورزی 2017 ، 16 ، 312-323. [ Google Scholar ] [ CrossRef ]
  3. جانسون، دی. مولر، آر. ویلیس، P. کاربرد لایه داده زراعی برای نظارت بر وسعت مرتع ایالات متحده. در مجموعه مقالات سومین کنفرانس دوسالانه حفاظت از مراتع آمریکا، واشنگتن، دی سی، ایالات متحده آمریکا، 2 سپتامبر تا 1 اکتبر 2015. صص 15-19. [ Google Scholar ]
  4. راه حل ها، نوآوری تصمیم. مطالعه کاربری زمین چند ایالتی: تغییرات کاربری اراضی تخمینی 2007-2012. Urbandale، IA. 2013; 50322. موجود به صورت آنلاین: https://www.decision-innovation.com/webres/File/docs/130715%20Multi-State%20Land%20Use%20Report.pdf (دسترسی در 10 فوریه 2021).
  5. جانستون، کالیفرنیا گسترش کشاورزی: ​​بازی پوسته استفاده از زمین در دشت های شمالی ایالات متحده. Landsc. Ecol. 2014 ، 29 ، 81-95. [ Google Scholar ] [ CrossRef ]
  6. Alemu، WG; Henebry، جنرال موتورز; Melesse، پدیدارشناسی و فصلیات سطح زمین AM در منطقه چاله چمنزار ایالات متحده جفت داده های مایکروویو غیرفعال AMSR با لایه داده زراعی USDA. از راه دور. Sens. 2019 , 11 , 2550. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  7. آگوستین، دی. دیویدسون، ای. دیکنسون، ک. ون پلت، بی. فکر کردن مانند یک علفزار: چالش ها و فرصت ها برای حفاظت از تنوع زیستی در دشت های بزرگ آمریکای شمالی. رنگل. Ecol. مدیریت 2019 . [ Google Scholar ] [ CrossRef ]
  8. گاج، AM; Olimb، SK; نلسون، جی. پلوپرینت: پیگیری گسترش تجمعی زمین های زراعی تا هدف حفاظت از علفزار. دشت بزرگ Res. 2016 ، 26 ، 107-116. [ Google Scholar ] [ CrossRef ]
  9. جانستون، کالیفرنیا؛ McIntyre، NE ​​اثرات تجاوز به زمین‌های زراعی بر تالاب‌های چاله چمنزار: تعداد، تراکم، اندازه، شکل و اتصال ساختاری. Landsc. Ecol. 2019 ، 34 ، 827–841. [ Google Scholar ] [ CrossRef ]
  10. شولتز، آر. پولو، جی. فوهلندورف، اس. داک ورث، جی. پویایی پوشش زمین بر توزیع پرندگان مولد در دشت های بزرگ، ایالات متحده تاثیر می گذارد. Biol. حفظ کنید. 2017 ، 209 ، 323-331. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  11. وانگ، تی. آئیش، ع. هنسی، دی. Feng, H. Cropland Reflux: Trends in and Locations of Land Use Change in Dakotas, 2007 to 2012 and 2012 to 2017. 2018 ژوئیه 11. (شماره 1354-2018-4564). در دسترس آنلاین: https://dx.doi.org/10.22004/ag.econ.274938 (دسترسی در 10 فوریه 2021).
  12. باوا، ر. Dwivedi، P. تاثیر پوشش زمین بر کیفیت آب زیرزمینی در آبخوان فلوریدا بالایی در فلوریدا، ایالات متحده. محیط زیست آلودگی 2019 ، 252 ، 1828–1840. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  13. شرستا، دی. استاب، بی. دافیلد، جی. تأثیر سوخت زیستی بر شاخص قیمت مواد غذایی و تغییر کاربری زمین. Biomass Bioenergy 2019 ، 124 ، 43-53. [ Google Scholar ] [ CrossRef ]
  14. CropScape. در دسترس آنلاین: https://nassgeodata.gmu.edu/CropScape/ (دسترسی در 10 سپتامبر 2020).
  15. دان، جی. مولر، اس. Eaton, L. نظرات: گسترش زمین های زراعی از سیاست های کشاورزی و سوخت زیستی در ایالات متحده پیشی گرفت. انتشارات آزمایشگاه ملی آرگون. در دسترس آنلاین: https://greet.es.anl.gov/publication-comments-cropland-expansion.2015 (دسترسی در 20 فوریه 2021).
  16. دان، جی بی. مرز، د. کپنهاور، KL; Mueller, S. اندازه گیری اندازه گیری گسترش کشاورزی به تکنیک تجزیه و تحلیل بستگی دارد. سوخت های زیستی Bioprod. Biorefining 2017 ، 11 ، 247-257. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  17. Kline، KL; سینگ، ن. دیل، وی اچ یونجه کشت شده و زمین های زراعی آیش/بیکار، تجزیه و تحلیل تبدیل علفزار در کمربند ذرت غربی را مخدوش می کند. Proc. Natl. آکادمی علمی USA 2013 , 110 , E2863. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  18. مولر، اس. Copenhaver, K. استفاده از سنجش از دور برای اندازه گیری تغییر پوشش زمین از تولید سوخت زیستی. گاو نر برنامه کنترل تسلیحات خلع سلاح. بین المللی امن 2009 ، 2 ، 32-38. [ Google Scholar ]
  19. ریتسما، ک. دان، بی. میشا، یو. کلی، اس. دی ساتر، تی. Clay, D. تأثیر تغییر کاربری زمین بر پایداری خاک در منطقه انتقال آب و هوا و پوشش گیاهی. آگرون. J. 2015 ، 107 ، 2363-2372. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. لارک، تی جی; ماهی قزل آلا، JM; گیبس، توسعه زمین های زراعی هنگ کنگ از سیاست های کشاورزی و سوخت زیستی در ایالات متحده پیشی گرفت. در دسترس آنلاین: https://iopscience.iop.org/article/10.1088/1748-9326/10/4/044003/meta (دسترسی در 10 فوریه 2021).
  21. ژانگ، سی. دی، ال. لین، ال. Guo, L. استخراج پیکسل های مورد اعتماد از لایه داده های زمین های زراعی تاریخی با استفاده از الگوهای چرخش محصول: مطالعه موردی در نبراسکا، ایالات متحده. در مجموعه مقالات هشتمین کنفرانس بین المللی 2019 در مورد آگرو-ژئوانفورماتیک (آگرو-ژئوانفورماتیک)، استانبول، ترکیه، 16 تا 19 ژوئیه 2019؛ صص 1-6. [ Google Scholar ]
  22. سان، پ. Congalton، RG مقایسه تاثیر خطای نقشه برداری بر نمایش الگوی منظر در نقشه های کشاورزی پیشرفته. در مجموعه مقالات هشتمین کنفرانس بین المللی 2019 در مورد آگرو-ژئوانفورماتیک (آگرو-ژئوانفورماتیک)، استانبول، ترکیه، 16 تا 19 ژوئیه 2019؛ صص 1-6. [ Google Scholar ]
  23. Ag Data Commons. در دسترس آنلاین: https://data.nal.usda.gov/dataset/cropscape-cropland-data-layer (در 10 سپتامبر 2020 قابل دسترسی است).
  24. سرشماری کشاورزی USDA. در دسترس آنلاین: https://www.nass.usda.gov/AgCensus/ (در 10 سپتامبر 2020 قابل دسترسی است).
  25. فهرست منابع ملی USDA NRCS. در دسترس آنلاین: https://www.nrcs.usda.gov/wps/portal/nrcs/main/national/technical/nra/nri/ (دسترسی در 10 سپتامبر 2020).
  26. وزارت کشاورزی ایالات متحده، خدمات ملی آمار کشاورزی (USDA، NASS). سرشماری کشاورزی 2012 جلد. 1: قسمت 51، فصل 1، AC-12-A-51، خلاصه ایالات متحده و داده های ایالتی. 2014. در دسترس آنلاین: https://www.nass.usda.gov/AgCensus/ (دسترسی در 10 فوریه 2021).
  27. وزارت کشاورزی ایالات متحده، خدمات ملی آمار کشاورزی (USDA، NASS). تولید محصول، خلاصه 2013. 2014. در دسترس آنلاین: https://www.nass.usda.gov/ (دسترسی در 10 فوریه 2021).
  28. وزارت کشاورزی ایالات متحده، خدمات ملی آمار کشاورزی (USDA، NASS). تولید محصول، خلاصه 2012. 2013. در دسترس آنلاین: https://www.nass.usda.gov/ (دسترسی در 10 فوریه 2021).
Ijgi 10 00281 g001 550
شکل 1. رابطه بین کل سطح زمین زراعی گزارش شده در NRI و سرشماری برای سال های 2007، 2012 و 2017.
Ijgi 10 00281 g002 550
شکل 2. روابط در سطح کل زمین زراعی در سطح ایالت برآورد شده با استفاده از CDL 2007، 2012 و 2017 با مساحت برآورد شده از NRI و سرشماری برای سال های مربوطه.
Ijgi 10 00281 g003 550
شکل 3. رابطه در کل تغییرات زمین زراعی برآورد شده با استفاده از فهرست منابع ملی (NRI) و سرشماری کشاورزی (سرشماری) برای سال های 2007 تا 2012 و 2012 تا 2017.
Ijgi 10 00281 g004 550
شکل 4. روابط در کل تغییرات زمین های زراعی برآورد شده با استفاده از CDL در مقایسه با NRI و سرشماری برای سال های 2007 تا 2012 و 2012 تا 2017.
Ijgi 10 00281 g005 550
شکل 5. روابط در کل سطح زمین زراعی برآورد شده با استفاده از CDL و PCH برای سال های 2007، 2012 و 2017.
Ijgi 10 00281 g006 550
شکل 6. روابط در کل تغییرات زمین زراعی برآورد شده با استفاده از CDL در مقایسه با PCHA برای سال های 2007 تا 2012 و 2012 تا 2017.
Ijgi 10 00281 g007 550
شکل 7. تفاوت در سطح کل زمین زراعی برای پنج محصول برتر بین برآوردهای لایه داده زراعی (CDL) و سطح گزارش شده در PCHA برای 20 ایالت در سال 2007 و 2012.3.3. مقایسه تغییرات زمین های زراعی در مجموعه داده ها برای تعیین اینکه آیا توافق وجود دارد یا خیر.
Ijgi 10 00281 g008 550
شکل 8. مقادیر میانگین تغییرات زمین زراعی برای هر مجموعه داده از سال 2007 تا 2012 و 2012 تا 2017.
Ijgi 10 00281 g009 550
شکل 9. در میلیون ها هکتار، از مقایسه CDL ها با بازه زمانی 4 تا 5 ساله و برای تغییر سال به سال، به و از زمین زراعی تغییر می کند.
Ijgi 10 00281 g010 550
شکل 10. توزیع تغییرات تخمینی زمین زراعی در بین 20 ایالت برای 3007 تا 2012 و قاره ایالات متحده برای سال های 2008 تا 2012 و 2012 تا 2017 که در سال های بین (قرمز و سبز) اتفاق می افتد، اما نه در تجزیه و تحلیل مستقیم سال به سال با استفاده از لایه داده زراعی . تغییر تخمین زده شده در مقایسه مستقیم سال به سال به رنگ سفید تا همپوشانی بین سال ها (قرمز و سبز) است.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید