USFS Tree Canopy Cover v2021-4 (CONUS and OCONUS) [deprecated]

USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4
مدى توفُّر مجموعة البيانات
2008-06-01T00:00:00Z–2021-09-30T00:00:00Z
الجهة المنتِجة لمجموعة البيانات
مقتطف Earth Engine
ee.ImageCollection("USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4")
العلامات
غابة
الكتلة الحيوية للغابات
gtac
بيانات مستمَدّة من Landsat
redcastle-resources
usda
usfs
usgs

الوصف

هذا المنتج جزء من حزمة بيانات الغطاء الشجري (TCC). ويشمل الغطاء الشجري الذي تم وضع نموذج له والخطأ المعياري (SE) وبيانات الغطاء الشجري من قاعدة بيانات الغطاء الأرضي الوطنية (NLCD) لكل عام. تتضمّن مجموعة بيانات الغطاء الشجري التي أنتجتها "دائرة الغابات" (USFS) التابعة لوزارة الزراعة الأمريكية (USDA) اتحاد "خصائص الأراضي المتعددة الدقة" (MRLC) الذي يندرج ضمن مشروع "قاعدة بيانات الغطاء الأرضي الوطنية" (NLCD) الذي تديره هيئة المسح الجيولوجي الأمريكية (USGS).

منتج الغطاء الشجري العلمي والغطاء الشجري من "قاعدة بيانات الغطاء الأرضي الوطنية" هما نتيجتا خريطة مستندة إلى الاستشعار عن بُعد أنتجتها "دائرة الغابات". يهدف منتج الغطاء الشجري العلمي والغطاء الشجري من "قاعدة بيانات الغطاء الأرضي الوطنية" إلى وضع نهج متّسق باستخدام أحدث التقنيات والتطوّرات في رسم خرائط الغطاء الشجري لإنتاج "أفضل خريطة متاحة" للغطاء الشجري في جميع أنحاء الولايات المتحدة المتجاورة (CONUS) وجنوب شرق ألاسكا وهاواي و بورتوريكو وجزر فيرجن الأمريكية (OCONUS).

تشمل نتائج النموذج الغطاء الشجري العلمي والخطأ المعياري العلمي والغطاء الشجري من "قاعدة بيانات الغطاء الأرضي الوطنية". يتضمّن الغطاء الشجري العلمي والخطأ المعياري العلمي بيانات من 2008 إلى 2021. يتضمّن الغطاء الشجري من "قاعدة بيانات الغطاء الأرضي الوطنية" بيانات من 2011 إلى 2021، مع إخفاء البيانات بالكامل في 2008 و2009 و2010.

*الغطاء الشجري العلمي هو النتائج الأولية المباشرة للنموذج.

*الخطأ المعياري العلمي هو الانحراف المعياري للنموذج للقيم المتنبأ بها من جميع أشجار الانحدار. *يخضع منتج الغطاء الشجري من "قاعدة بيانات الغطاء الأرضي الوطنية" لمعالجة لاحقة إضافية يتم تطبيقها على صور الغطاء الشجري العلمي السنوية، والتي تشمل عدة عمليات إخفاء (المياه والزراعة غير الشجرية) وفلترة وإجراءات الحد الأدنى لوحدة رسم الخرائط (MMU)، بالإضافة إلى العمليات التي تقلّل من الضوضاء بين السنوات وتعرض الاتجاهات الأطول مدة.

تتضمّن كل صورة نطاقًا لقناع البيانات يحتوي على ثلاث قيم تمثّل مناطق بلا بيانات (0) ومناطق الغطاء الشجري المرسومة(1) و المناطق غير المعالَجة (2). المناطق غير المعالَجة هي وحدات البكسل في منطقة الدراسة التي لا تتضمّن بيانات خالية من الغيوم أو ظلال الغيوم. يتم إخفاء وحدات البكسل التي لا تتضمّن بيانات والمناطق غير المعالَجة في صور الغطاء الشجري والخطأ المعياري.

بسبب حجم الولايات المتحدة المتجاورة والتنوّع الكبير في المناطق الانتقالية البيئية، تم تقسيم عملية وضع النموذج للولايات المتحدة المتجاورة إلى 54 مربّعًا بحجم 480 × 480 كلم. لكل مربّع، تم إنشاء نموذج فريد للغابة العشوائية باستخدام بيانات LandTrendr المعدَّلة لعام 2011 وCDL لعام 2011 وبيانات التضاريس. تم استخدام جميع البيانات المرجعية التي كانت جزءًا من% 70 من البيانات المتاحة لمعايرة النموذج والتي تتقاطع مع المربّعات ضمن نافذة 5 × 5 حول المربّع المركزي للتدريب على نموذج الغابة العشوائية. تم بعد ذلك تطبيق هذا النموذج على المربّع المركزي. بالنسبة إلى المناطق خارج الولايات المتحدة المتجاورة، تم تطبيق نموذج واحد على كل منطقة دراسة، ولم يتم استخدام أي مربّعات.

تشمل طبقات المتنبئ لنموذج الغطاء الشجري النتائج من LandTrendr ومعلومات التضاريس. يمكن الوصول إلى كل هذه المكوّنات ومعالجتها باستخدام Google Earth Engine (Gorelick et al., 2017).

لإنتاج صور مركّبة سنوية لـ LandTrendr، تم استخدام بيانات الانعكاسية في أعلى الغلاف الجوي من المستوى 1C من Sentinel 2A و 2B ومن المستوى 1 من Landsat Collection 2 التابع لهيئة المسح الجيولوجي الأمريكية. تُستخدَم خوارزمية إخفاء الغيوم cFmask (Foga et al., 2017)، وهي تطبيق لـ Fmask 2.0 (Zhu and Woodcock, 2012) (خاصة بـ Landsat فقط)، وcloudScore (Chastain et al., 2019) (خاصة بـ Landsat فقط)، وs2cloudless (Sentinel-Hub, 2021) (خاصة بـ Sentinel 2 فقط) لإخفاء الغيوم، بينما تُستخدَم TDOM (Chastain et al., 2019) لإخفاء ظلال الغيوم (Landsat وSentinel 2). بالنسبة إلى LandTrendr، يتم بعد ذلك حساب الوسيط السنوي لتلخيص القيم الخالية من الغيوم وظلال الغيوم من كل عام في صورة مركّبة واحدة.

يتم تقسيم السلسلة الزمنية المركّبة مؤقتًا باستخدام LandTrendr (Kennedy et al., 2010; Kennedy et al., 2018; Cohen et al., 2018).

تُستخدَم القيم المركّبة الأولية والقيم المعدَّلة في LandTrendr والاختلافات بين الأزواج، مدة المقطع ومقدار التغيير والميل، بالإضافة إلى الارتفاع والميل وجيب الزاوية وجيب تمام الزاوية من بيانات USGS 3D بدقة 10 أمتار. بيانات برنامج الارتفاع ثلاثي الأبعاد (3DEP) (هيئة المسح الجيولوجي الأمريكية، 2019) كمتغيّرات متنبئ مستقلة في نموذج الغابة العشوائية (Breiman, 2001).

يتم جمع البيانات المرجعية من بيانات الغطاء الشجري التي تم تفسيرها من الصور من "مخزون الغابات وتحليلها" (FIA) التابع لـ "دائرة الغابات" الأمريكية، وتُستخدَم لتقديم تنبؤات الغطاء الشجري من الحائط إلى الحائط على أساس كل بكسل.

مراجع إضافية

يُرجى الاطّلاع على TCC Methods Brief لمزيد من المعلومات التفصيلية حول الطرق وتقييم الدقة، أو TCC Geodata Clearinghouse لتنزيل البيانات والبيانات الوصفية والمستندات الداعمة.

يُرجى التواصل مع sm.fs.tcc@usda.gov لطرح أي أسئلة أو طلب بيانات معيّنة.

  • Breiman, L., 2001 Random Forests. In Machine Learning. Springer, 45: 5-32 doi:10.1023/A:1010933404324

  • Chastain, R., Housman, I., Goldstein, J., Finco, M., and Tenneson, K., 2019 Empirical cross sensor comparison of Sentinel-2A and 2B MSI, Landsat-8 OLI, and Landsat-7 ETM top of atmosphere spectral characteristics over the conterminous United States. In Remote Sensing of Environment. Science Direct, 221: 274-285 doi:10.1016/j.rse.2018.11.012

  • Cohen, W. B., Yang, Z., Healey, S. P., Kennedy, R. E., and Gorelick, N., 2018 A LandTrendr multispectral ensemble for forest disturbance detection. In Remote Sensing of Environment. Science Direct, 205: 131-140 doi:10.1016/j.rse.2017.11.015

  • Foga, S., Scaramuzza, P.L., Guo, S., Zhu, Z., Dilley, R.D., Beckmann, T., Schmidt, G.L., Dwyer, J.L., Hughes, M.J., Laue, B., 2017 Cloud detection algorithm comparison and validation for operational Landsat data products. In Remote Sensing of Environment. Science Direct, 194: 379-390 doi:10.1016/j.rse.2017.03.026

  • U.S. Geological Survey, 2019 USGS 3D Elevation Program Digital Elevation Model, accessed August 2022 at https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m

  • Kennedy, R. E., Yang, Z., and Cohen, W. B., 2010 Detecting trends in forest disturbance and recovery using yearly Landsat time series: 1. LandTrendr - Temporal segmentation algorithms. In Remote Sensing of Environment. Science Direct, 114(12): 2897-2910 doi:10.1016/j.rse.2010.07.008

  • Kennedy, R., Yang, Z., Gorelick, N., Braaten, J., Cavalcante, L., Cohen, W., and Healey, S., 2018 Implementation of the LandTrendr Algorithm on Google Earth Engine. In Remote Sensing. MDPI, 10(5): 691 doi:10.3390/rs10050691

  • Sentinel-Hub, 2021 Sentinel 2 Cloud Detector. [Online]. Available at: https://github.com/sentinel-hub/sentinel2-cloud-detector

  • Zhu, Z., and Woodcock, C. E., 2012 Object-based cloud and cloud shadow detection in Landsat imagery. In Remote Sensing of Environment. Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028

النطاقات

النطاقات

حجم البكسل: 30 مترًا (جميع النطاقات)

الاسم الوحدات حجم البكسل الوصف
Science_Percent_Tree_Canopy_Cover % 30 مترًا

النتائج الأولية المباشرة للنموذج تحتوي كل وحدة بكسل على متوسط قيمة الغطاء الشجري المتنبأ بها لكل عام.

Science_Percent_Tree_Canopy_Cover_Standard_Error % 30 مترًا

الانحراف المعياري للقيم المتنبأ بها من جميع أشجار الانحدار، ويُشار إليه بالخطأ المعياري تحتوي كل وحدة بكسل على خطأ معياري لكل عام.

NLCD_Percent_Tree_Canopy_Cover % 30 مترًا

لإنتاج الغطاء الشجري من "قاعدة بيانات الغطاء الأرضي الوطنية"، يتم تطبيق سير عمل للمعالجة اللاحقة على مخرجات النموذج المباشرة التي تحدّد قيم وحدات البكسل غير الشجرية وتضبطها على نسبة صفر بالمئة من الغطاء الشجري. يتم إخفاء بيانات الغطاء الشجري من "قاعدة بيانات الغطاء الأرضي الوطنية" بالكامل في 2008 و2009 و2010.

data_mask 30 مترًا

ثلاث قيم تمثّل مناطق بلا بيانات ومناطق الغطاء الشجري المرسومة والمناطق غير المعالَجة المنطقة غير المعالَجة هي المكان الذي لا تتوفّر فيه وحدات البكسل ضمن منطقة الدراسة على بيانات خالية من الغيوم أو ظلال الغيوم لإنتاج نتيجة.

خصائص الصور

خصائص الصور

الاسم النوع الوصف
study_area STRING

يغطّي الغطاء الشجري حاليًا الولايات المتحدة المتجاورة وجنوب شرق ألاسكا وبورتوريكو وجزر فيرجن الأمريكية وهاواي. يتضمّن هذا الإصدار جميع مناطق الدراسة. القيم المحتمَلة: 'CONUS, SEAK, PRUSVI, HI'

إصدار STRING

هذا هو الإصدار الرابع من منتج الغطاء الشجري الذي تم إطلاقه في اتحاد "خصائص الأراضي المتعددة الدقة" الذي يندرج ضمن "قاعدة بيانات الغطاء الأرضي الوطنية"

startYear INT

"سنة بدء المنتج"

endYear INT

"سنة انتهاء المنتج"

year INT

"سنة المنتج"

بنود الاستخدام

بنود الاستخدام

لا تقدّم "دائرة الغابات" التابعة لوزارة الزراعة الأمريكية أي ضمان، صريحًا أو ضمنيًا، بما في ذلك ضمانات مطابقة الأوصاف والصلاحية لاستخدام معيّن، ولا تتحمّل أي مسؤولية قانونية أو مسؤولية عن دقة هذه البيانات الجغرافية المكانية أو موثوقيتها أو اكتمالها أو فائدتها، أو عن الاستخدام غير السليم أو غير الصحيح لهذه البيانات الجغرافية المكانية. هذه البيانات الجغرافية المكانية والخرائط أو الرسومات ذات الصلة ليست مستندات قانونية ولا يُقصد استخدامها على هذا النحو. لا يجوز استخدام البيانات والخرائط لتحديد الملكية أو الأوصاف القانونية أو الحدود أو الولاية القضائية القانونية أو القيود التي قد يتم فرضها على الأراضي العامة أو الخاصة. قد يتم أو لا يتم تصوير المخاطر الطبيعية على البيانات والخرائط، ويجب على مستخدمي الأراضي توخي الحذر اللازم. البيانات ديناميكية وقد تتغيّر بمرور الوقت. يتحمّل المستخدم مسؤولية التحقّق من قيود البيانات الجغرافية المكانية واستخدام البيانات وفقًا لذلك.

تم جمع هذه البيانات باستخدام تمويل من حكومة الولايات المتحدة ويمكن استخدامها بدون أذونات أو رسوم إضافية. إذا كنت تستخدم هذه البيانات في منشور أو عرض تقديمي أو منتج بحثي آخر، يُرجى استخدام الاقتباس التالي:

USDA Forest Service. 2023. USFS Tree Canopy Cover v2021.4 (Conterminous United States and Southeastern Alaska). Salt Lake City, Utah.

الاقتباسات

المراجع
  • USDA Forest Service. 2023. USFS Tree Canopy Cover v2021.4 (Conterminous United States and Southeastern Alaska). Salt Lake City, Utah.

الاستكشاف باستخدام Earth Engine

أداة تعديل الرموز (JavaScript)

// Import the tree canopy cover collection
var dataset = ee.ImageCollection('USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4');

//Filter collection to 2021 and CONUS study area 
var tcc = dataset.filter(ee.Filter.calendarRange(2021, 2021,'year'))  // range: [2008, 2021]
               .filter('study_area == "CONUS"')  // or "AK", "PRUSVI", "HAWAII" 
               .first();

// TCC palette
var tcc_palette = [
    'CDA066',
    'D7C29E',
    'C2D096',
    'B7D692',
    'ADDD8E',
    '78C679',
    '5CB86B',
    '41AB5D',
    '39A156',
    '329750',
    '238443',
    '11763D',
    '006837',
    '004529'
  ]

// SE palette 
var se_palette = [
    '000000',
    'FFFFFF',
    ]

              
// Display images on map 
Map.addLayer(tcc.select('data_mask'), {min:0,max:2}, 'Data Mask',false);
Map.addLayer(tcc.select('Science_Percent_Tree_Canopy_Cover'), {min:0,max:60,palette:tcc_palette}, 'Science Percent Tree Canopy Cover');
Map.addLayer(tcc.select('Science_Percent_Tree_Canopy_Cover_Standard_Error'), {min:0,max:4000,palette:se_palette}, 'Science Percent Tree Canopy Cover Standard Error');
Map.addLayer(tcc.select('NLCD_Percent_Tree_Canopy_Cover'), {min:0,max:60,palette:tcc_palette}, 'NLCD Percent Tree Canopy Cover');

Map.setCenter(-98.58, 38.14, 4);
فتح في "أداة تعديل الرموز"