数据集

该数据集为全球年度土地利用与土地覆盖（LULC）时间序列地图，当前包含2017–2023年数据。地图基于欧空局（ESA）Sentinel-2影像生成，空间分辨率为10米。每幅年度地图由全年9类LULC预测结果合成，以表征该年度典型地表覆盖状态。本数据集由Impact Observatory、Microsoft与Esri联合制作，呈现2017–2023年间基于ESA Sentinel-2影像的全球10米分辨率LULC分布图。Impact Observatory利用数十亿经国家地理学会（National Geographic Society）人工标注并整理的像素样本，训练深度学习模型进行土地分类；各年度全球地图均通过将该模型应用于Microsoft Planetary Computer平台提供的Sentinel-2年度场景集合生成。每幅地图经评估的平均精度超过75%。相较Impact Observatory此前发布的[版本](https://planetarycomputer.microsoft.com/dataset/io-lulc-9-class)，本版在类别间异常变化（尤其是“裸地”与“林地”“农作物”“淹没植被”“牧场”等植被类之间）方面实现了相对减少，并重新配准至ESA Sentinel-2影像所采用的UTM分幅网格。全部年份数据均采用知识共享署名4.0国际许可（Creative Commons BY-4.0）发布。

探索世界各地及美国首都城市的影像，这些影像均从国际空间站拍摄。该影像集包含全球数千张首都城市的图像，并提供单独查看美国各州首府的选项。由于首都城市规模差异极大，需使用不同焦距的镜头来拍摄城市及其部分周边乡村地区。可通过城市名称单独搜索并查看许多大型知名城市中更小区域的详细影像。

本页面数据来源于灾害缓解规划项目（Hazard Mitigation Planning Program）的缓解规划门户（Mitigation Planning Portal, MPP）。MPP 是一个在线平台，用于跟踪和报告全美十个联邦应急管理局（FEMA）区域内的缓解计划及相关数据要素。MPP 数据揭示了全国各管辖区域参与缓解计划的情况及其计划状态。此外，MPP 数据还提供计划批准日期及到期日期，供 FEMA 用于监测和推动灾前准备与韧性建设。灾害缓解规划通过减轻灾害影响，减少人员伤亡和财产损失。该过程始于州、部落、领土及地方政府识别其辖区内常见的自然灾害风险与脆弱性。在识别这些风险后，制定长期策略以保护人民和财产免受类似事件的影响。缓解计划是打破灾难损毁与重建循环的关键。申请特定类型的非紧急灾后援助时，FEMA 要求提交灾害缓解计划。此类要求属于灾害缓解规划相关的法律法规与政策内容。更多信息请访问灾害缓解规划（https://www.fema.gov/emergency-managers/risk-management/hazard-mitigation-planning）。灾害缓解计划使州、部落、领土及地方政府能够：<ul><li> 提高对威胁、灾害、风险与脆弱性的教育与认知</li><li> 与政府机构、组织、企业及公众建立合作，共同降低风险</li><li> 制定旨在降低风险的长期策略</li><li> 协调资源与行动以实现整体减灾目标</li></ul>

<div><p><b><font size='4'>What is Vision Zero?</font></b></p> <p>Vision Zero is a traffic safety policy that takes an ethical approach towards achieving safety for all road users. The goal is to achieve a reduction in the number of fatal and serious injury crashes to zero in Tempe, because no loss of life is acceptable.</p> <p><b><font size='4'>Data Driven Safety Policies</font></b></p> <p>Fatal and serious injury crashes are not “accidents” and are preventable. The City of Tempe is committed to reducing the number of fatal and serious injury crashes to zero. One death is too many. One serious injury is too many.</p> <p>This application explores Tempe's crash data which is collected by the Tempe Police Department and reported to the Arizona Department of Transportation. Traffic engineers use this data for network screening, which they can then use for diagnosing potential safety issues and implementing countermeasures to improve safety.</p> <p><b><font size='4'>Community Input</font></b></p> <p>Included in this application is an option for people from the community to add their own transportation safety concerns that the City of Tempe should be made aware of.</p> <p><font size='4' style=''><b>Story map sections include:</b></font></p> <p><ul><li>A Vision for Safer Roads<br /></li><li>Mode of Travel<br /></li><li>Data Visualization<br /></li><li>Crash Data Map Viewer<br /></li><li>Community Feedback<br /></li></ul></p> <p></p> <p></p> <p></p> <p></p> <p>More information on Tempe’s Vision Zero program may be found at <a href='https://www.tempe.gov/city-hall/public-works/transportation/vision-zero#STRATEGIES' target='_blank' rel='nofollow ugc noopener noreferrer'>https://www.tempe.gov/city-hall/public-works/transportation/vision-zero#STRATEGIES</a>.</p></div><p><span style='font-family:Roboto'></span></p>

包含涉及大型卡车和巴士的联邦报告碰撞事故数据，依据《美国法典》第49篇第390.5部分（涉及商用机动车辆，且造成死亡、需现场外治疗的伤害或因严重损坏导致拖移的事故）。该信息由各州向FMCSA报告。

一套高分辨率（1米）栅格格式土地利用数据产品，覆盖整个切萨皮克湾流域。该数据集基于2013–2014年高分辨率土地覆被数据集，并融合了包括分区规划、土地利用、地块边界、垃圾填埋场、洪泛区及湿地在内的13类辅助数据进行修正生成。其覆盖范围涵盖纽约州、宾夕法尼亚州、马里兰州、特拉华州、西弗吉尼亚州、弗吉尼亚州及哥伦比亚特区，总面积逾25万平方千米。该数据集由切萨皮克保护协会（Chesapeake Conservancy）下属的保护创新中心（Conservation Innovation Center）为切萨皮克湾计划（Chesapeake Bay Program）开发；后者是由美国环保局（EPA）牵头，联合其他联邦、州与地方政府机构、非营利组织及学术机构组成的区域协作伙伴关系，负责领导和协调切萨皮克湾修复工作。数据集在弗吉尼亚州划分为17类土地利用类型，在其余辖区则划分为16类。更多分类信息详见《土地利用类别说明》文档。影像数据以云优化GeoTIFF（Cloud-Optimized GeoTIFF, COG）格式存储。

Low-Cost-Sensors-AQ_AirQino 是 AirQino 传感器网络作为低成本空气质量传感器标准化数据库的一部分所采集的地面站点数据。该产品数据收集工作正在进行中。低成本空气质量传感器标准化项目旨在通过整合多个传感器网络的数据，建立一个开放获取的统一框架。目前，已收集来自10个独立的美国本地传感器网络的数据，并在档案库中重新分发。各网络数据均被转换为统一的数据格式，并嵌入元数据以简化数据处理流程。该项目的核心特征是分级体系，团队根据各传感器网络的校准情况及其后续数据质量进行严格评估，并提供数据质量标识，帮助终端用户判断哪些传感器数据最符合其应用需求。该框架支持基于校准标准、地理位置、时间范围及目标污染物的检索功能。该传感器数据库面向科学用户，用于卫星和模型的地面验证数据，同时也向社区科学家开放。项目组目前正在接受新的数据提交！若您维护有希望纳入的传感器网络，请联系项目负责人。

该数据集亦称为三维图层，包含一组较为完整的未修改源几何多边形，这些多边形存在重叠。数据源自美国人口普查局、缅因州政府以及国家洪水灾害图层的行政边界。社区层级数据集包含与人口普查和NFIP数据相关的地理空间社区边界。该数据集不包含个人身份信息（PII）。社区层级数据可用作参考，将社区ID编号（CID）与管辖区域、原住民部落及特殊用地边界关联起来。<b>然而，由于管辖区域可能随时间变化，此数据集不应被视为权威资料。</b>完整数据部分下方提供地理数据库（GDB）链接。压缩文件包含一组可存储、查询和管理空间与非空间数据的文件，适用于能够读取此类文件的软件。它<b>包含社区层级的全部三个版本</b>，而不仅限于本数据集页面所描述的版本。数据截至2024年12月。目前暂无更新计划。该图层也可通过FEMA的ArcGIS在线查看器获取：https://fema.maps.arcgis.com/home/item.html?id=4b712b99d43d41cb9328e94891520a63。引用说明：FEMA关于数据集（API使用或文件下载）的引用要求，请参见OpenFEMA条款与条件页面中的引用数据部分：https://www.fema.gov/about/openfema/terms-conditions。有关OpenFEMA项目、API及公开数据集的常见问题解答（FAQ），请访问：https://www.fema.gov/about/openfema/faq。如需就本数据集进行媒体咨询，请发送邮件至FEMA新闻办公室：[email protected]。有关FEMA数据及开放政府项目的咨询，请发送邮件至

荒野-城市交界区（WUI）地图用于识别具有野火风险的区域，但由于缺乏建筑数据，这些地图往往已过时。卷积神经网络（CNN）可以从遥感数据中提取建筑位置，但其在 WUI 区域的准确性尚不明确。此外，CNN 计算密集且技术复杂，使得终端用户（如使用或创建 WUI 地图的人员）难以应用。本研究针对加州的 Camp、Tubbs 和 Woolsey 三场野火，识别了火灾前后的建筑并估算了建筑损毁情况。我们使用了 Esri 提供的 CNN 模型，从高分辨率影像中检测建筑。该数据集代表了当前可用于潜在 WUI 制图的最先进水平。

汽车补贴返还系统（CARS），又称“旧车换现金”计划，旨在为美国居民提供经济激励，促使其在置换低燃油效率车辆时购买新的、更高燃油效率的车辆。该计划被宣传为通过提振汽车销量来刺激经济，同时使更安全、更清洁且燃油效率更高的车辆上路行驶。