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

חשוב לדעת: קבוצת הנתונים הזו הוחלפה בקבוצת הנתונים USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5.

זמינות קבוצת הנתונים

2008-06-01T00:00:00Z–2021-09-30T00:00:00Z

יוצר מערך הנתונים

USDA Forest Service (USFS) Geospatial Technology and Applications Center (GTAC)

קטע קוד ל-Earth Engine

ee.ImageCollection("USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4")

תגים

יער

forest-biomass

gtac

נגזר מ-Landsat

redcastle-resources

usda

usfs

usgs

תיאור

המוצר הזה הוא חלק מחבילת הנתונים של כיסוי צמרות העצים (TCC). הוא כולל נתוני TCC שעברו מודלים, סטיית תקן (SE) ונתוני TCC של National Land Cover Database (NLCD) לכל שנה. נתוני TCC שנוצרו על ידי שירות היערות (USFS) של משרד החקלאות של ארצות הברית (USDA) נכללים בקונסורציום Multi-Resolution Land Characteristics (MRLC)‎ שהוא חלק מהפרויקט National Land Cover Database (NLCD)‎ שמנוהל על ידי הסקר הגאולוגי של ארצות הברית (USGS).

המוצר Science TCC ו-NLCD TCC הם פלט של מפה שמבוססת על חישה מרחוק, שנוצר על ידי USFS. המטרה של TCC Science ו-NLCD TCC היא לפתח גישה עקבית באמצעות הטכנולוגיה העדכנית וההתפתחויות במיפוי TCC, כדי ליצור מפה של TCC בפריסה רחבה בארצות הברית הרציפה (CONUS) ובדרום-מזרח אלסקה, בהוואי ובפוארטו ריקו – באיי הבתולה של ארה"ב (OCONUS).

הפלט של המודל כולל את Science TCC, ‏ Science SE ו-NLCD TCC. ‫Science TCC ו-SE כוללים נתונים משנת 2008 עד 2021. הנתונים ב-NLCD TCC כוללים נתונים מ-2011 עד 2021, עם נתונים מוסווים באופן מלא ב-2008, ב-2009 וב-2010.

*התוצאות של Science TCC הן הפלט הגולמי של המודל.

*Science SE היא סטיית התקן של המודל של הערכים החזויים מכל עצי הרגרסיה. *מוצר ה-NLCD TCC עובר עיבוד נוסף שמוחל על תמונות ה-TCC המדעיות השנתיות, שכולל כמה פעולות מיסוך (מים וחקלאות ללא עצים), סינון ושגרות של יחידת מיפוי מינימלית (MMU), וכן תהליכים שמפחיתים רעשים בין-שנתיים ומחזירים מגמות ארוכות יותר.

כל תמונה כוללת פס של מסכת נתונים עם שלושה ערכים שמייצגים אזורים ללא נתונים (0), כיסוי של צל עצים ממופה(1) ואזור ללא עיבוד (2). האזורים שלא עוברים עיבוד הם פיקסלים באזור המחקר ללא נתונים של עננים או צל של עננים. ב-TCC ובתמונות SE, פיקסלים של אזורים ללא נתונים ואזורים שלא עוברים עיבוד מוסתרים.

בגלל הגודל של ארה"ב הרציפה והמגוון הרחב של אזורי מעבר אקולוגיים, המודלים של ארה"ב הרציפה חולקו ל-54 משבצות בגודל 480x480 ק"מ. לכל משבצת, נוצר מודל ייחודי של יער אקראי באמצעות נתוני LandTrendr מותאמים משנת 2011, נתוני CDL משנת 2011 ונתוני שטח. כל נתוני ההפניה שהיו חלק מ-70% הנתונים שהיו זמינים לכיול המודל, שהצטלבו עם משבצות בתוך חלון 5x5 סביב משבצת המרכז, שימשו לאימון מודל היער האקראי. לאחר מכן, המודל הזה הוחל על המשבצת המרכזית. במקומות מחוץ לארה"ב, מודל אחד הוחל על כל אזור מחקר, ולא נעשה שימוש באריחים.

שכבות החיזוי של מודל TCC כוללות פלט מ-LandTrendr ומידע על פני השטח. הגישה לכל הרכיבים האלה והעיבוד שלהם מתבצעים באמצעות Google Earth Engine (Gorelick et al., 2017).

כדי ליצור נתונים מורכבים שנתיים עבור LandTrendr, נעשה שימוש בנתוני החזרת אור בחלק העליון של האטמוספרה (TOA) ברמה 1C של USGS Collection 2 Landsat Tier 1 ו-Sentinel 2A,‏ 2B. האלגוריתם של cFmask לזיהוי עננים (Foga et al., ‫2017), שהוא הטמעה של Fmask 2.0 (Zhu and Woodcock, ‏ 2012) (Landsat-only), cloudScore (Chastain et al., ‫2019) (Landsat-only), and s2cloudless (Sentinel-Hub, 2021) (Sentinel 2-only) are used to mask clouds, while TDOM (Chastain et al., ‫2019) משמשת להסתרת צללים בענן (Landsat ו-Sentinel 2). ב-LandTrendr, המערכת מחשבת את המדואיד השנתי כדי לסכם את הערכים ללא עננים וצללי עננים מכל שנה לקומפוזיט יחיד.

סדרת הזמן המורכבת מפולחת באופן זמני באמצעות LandTrendr (Kennedy et al., ‫2010; קנדי ואחרים, ‫2018; Cohen et al., 2018).

הערכים המורכבים הגולמיים, הערכים המותאמים של LandTrendr, ההבדלים בין זוגות, משך הפלח, גודל השינוי והשיפוע, יחד עם הגובה, השיפוע, סינוס הזווית וקוסינוס הזווית מ-USGS 3D של 10 מ'. נתוני Elevation Program ‏ (3DEP) (U.S. Geological Survey,‏ 2019) משמשים כמשתנים בלתי תלויים לחיזוי במודל Random Forest (בריימן, 2001).

נתוני ההשוואה נאספים מנתוני TCC שפוענחו באמצעות תמונות של USFS Forest Inventory and Analysis (FIA), ומשמשים ליצירת תחזיות TCC מקצה לקצה על בסיס פיקסל.

מקורות מידע נוספים

מידע מפורט יותר על שיטות והערכת דיוק זמין בסקירה של שיטות TCC. אפשר גם להיכנס לTCC Geodata Clearinghouse כדי להוריד נתונים, מטא-נתונים ומסמכי תמיכה.

אפשר לפנות אל [e-mail] בכל שאלה או בקשה ספציפית לנתונים.

• Breiman, L., ‫2001. יערות אקראיים. ב-Machine Learning. Springer, 45: 5-32 doi:10.1023/A:1010933404324

• Chastain, R., Housman, I., Goldstein, J., Finco, M., and Tenneson, K., ‫2019. השוואה אמפירית בין חיישנים של Sentinel-2A ו-2B MSI,‏ Landsat-8 OLI ו-Landsat-7 ETM של מאפייני ספקטרום בחלק העליון של האטמוספירה מעל ארצות הברית הרציפה. בחישה מרחוק של הסביבה. Science Direct, 221: 274-285 doi:10.1016/j.rse.2018.11.012

• Cohen, W. B., יאנג, ז. (Yang, Z.‎), Healey, S. P., קנדי, ר. E., and Gorelick, N., ‫2018. ‫LandTrendr multispectral ensemble לזיהוי הפרעות ביערות. בחישה מרחוק של הסביבה. ‫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., יוז, מ.ג'יי (Hughes, M.J.‎), Laue, B., ‫2017. השוואה ואימות של אלגוריתם לזיהוי עננים במוצרי נתונים תפעוליים של Landsat. ב-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, גישה באוגוסט 2022 בכתובת https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m

• Kennedy, R. E., Yang, Z., and Cohen, W. B., ‫2010. זיהוי מגמות בהפרעות ביערות ובהתאוששות שלהם באמצעות סדרות זמן שנתיות של Landsat: 1. LandTrendr – אלגוריתמים לפילוח זמני. ב-Remote Sensing of Environment. ‫Science Direct, 114(12): 2897-2910 doi:10.1016/j.rse.2010.07.008

• Kennedy, R., יאנג, ז. (Yang, Z.‎), Gorelick, N., Braaten, J., Cavalcante, L., Cohen, W., and Healey, S., ‫2018. הטמעה של אלגוריתם LandTrendr ב-Google Earth Engine. בחישה מרחוק. MDPI, 10(5): 691 doi:10.3390/rs10050691

• Sentinel-Hub, 2021. Sentinel 2 Cloud Detector. [אונליין]. זמין בכתובת: https://github.com/sentinel-hub/sentinel2-cloud-detector

• Zhu, Z., and Woodcock, C. E., ‫2012. זיהוי עננים וצללי עננים בתמונות Landsat על בסיס אובייקטים. בחישה מרחוק של הסביבה. Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028

תחום תדרים

גודל הפיקסל
‫30 מטרים

תחום תדרים

שם	יחידות	גודל הפיקסל	תיאור
Science_Percent_Tree_Canopy_Cover	%	מטרים	הפלט הגולמי של המודל הישיר. לכל פיקסל יש ערך ממוצע של כיסוי צל העצים שחוזה המודל לכל שנה.
Science_Percent_Tree_Canopy_Cover_Standard_Error	%	מטרים	סטיית התקן של הערכים החזויים מכל עצי הרגרסיה שאליהם אנחנו מתייחסים נקראת שגיאת תקן. לכל פיקסל יש סטיית תקן לכל שנה.
NLCD_Percent_Tree_Canopy_Cover	%	מטרים	כדי ליצור כיסוי של צל עצים ב-NLCD, מפעילים תהליך עבודה של עיבוד אחרי יצירת התמונה על פלט המודל הישיר שמזהה ומגדיר ערכי פיקסלים שלא מכילים עצים לאפס אחוזים של כיסוי צל עצים. נתוני כיסוי צל העצים של NLCD מוסתרים באופן מלא בשנים 2008, 2009 ו-2010.
data_mask		מטרים	שלושה ערכים שמייצגים אזורים ללא נתונים, כיסוי צמרות עצים ממופה ואזור ללא עיבוד. האזור שלא עובר עיבוד הוא אזור שבו אין נתונים זמינים של פיקסלים באזור המחקר ללא עננים או צללים של עננים, כדי ליצור פלט.
ביטמסק של data_mask ביטים 0-1: שלושה ערכים שמייצגים אזורים ללא נתונים, כיסוי צמרות עצים ממופה ואזור ללא עיבוד. ‫0: אין נתונים ‫1: מיפוי של צל העצים ‫2: אזור ללא עיבוד

מאפייני תמונה

מאפייני תמונה

שם	סוג	תיאור
study_area	מחרוזת	נכון לעכשיו, TCC מכסה את ארה"ב היבשתית, דרום-מזרח אלסקה, פוארטו ריקו, איי הבתולה של ארה"ב והוואי. הגרסה הזו מכילה את כל אזורי המחקר. ערכים אפשריים: CONUS, SEAK, PRUSVI, HI
גרסה	מחרוזת	זו הגרסה הרביעית של מוצר TCC שפורסמה בקונסורציום MRLC שהוא חלק ממסד הנתונים הלאומי של כיסוי הקרקע (NLCD)'
startYear	INT	'שנת ההתחלה של המוצר'
endYear	INT	'שנת הסיום של המוצר'
שנה	INT	'שנת המוצר'

תנאים והגבלות

תנאים והגבלות

שירות היערות של USDA לא נותן אחריות, מפורשת או משתמעת, כולל אחריות לסחירות ולהתאמה למטרה מסוימת, ולא נושא באחריות משפטית או באחריות לדיוק, למהימנות, לשלמות או לשימושיות של הנתונים הגיאוספציאליים האלה, או לשימוש לא תקין או שגוי בנתונים הגיאוספציאליים האלה. הנתונים הגיאוספציאליים והמפות או הגרפיקות הקשורות לא מהווים מסמכים משפטיים, והם לא מיועדים לשימוש ככאלה. אסור להשתמש בנתונים ובמפות כדי לקבוע בעלות, תיאורים משפטיים או גבולות, סמכות שיפוט או הגבלות שעשויות לחול על קרקע ציבורית או פרטית. יכול להיות שסכנות טבעיות יופיעו בנתונים ובמפות, ויכול להיות שלא. לכן, משתמשים בקרקע צריכים לנקוט משנה זהירות. הנתונים הם דינמיים ועשויים להשתנות עם הזמן. המשתמש אחראי לאמת את המגבלות של הנתונים הגיאו-מרחביים ולהשתמש בנתונים בהתאם.

הנתונים האלה נאספו באמצעות מימון מממשלת ארה"ב, ואפשר להשתמש בהם ללא הרשאות או עמלות נוספות. אם אתם משתמשים בנתונים האלה בפרסום, במצגת או במוצר מחקר אחר, עליכם לציין את הציטוט הבא:

שירות היערות של משרד החקלאות האמריקאי (USDA). 2023. USFS Tree Canopy Cover v2021.4 (Conterminous United States and Southeastern Alaska). סולט לייק סיטי, יוטה.

ציטוטים ביבליוגרפיים

ציטוטים ביבליוגרפיים:

• שירות היערות של משרד החקלאות האמריקאי (USDA). 2023. USFS Tree Canopy Cover v2021.4 (Conterminous United States and Southeastern Alaska). סולט לייק סיטי, יוטה.

סיור עם פלטפורמת Earth Engine

חשוב: ‫Earth Engine היא פלטפורמה לניתוח מדעי וויזואליזציה של נתונים גיאו-מרחביים בקנה מידה של פטה-בייטים. הפלטפורמה מיועדת לשימוש הציבור, לעסקים ולגופים ממשלתיים. השימוש ב-Earth Engine לצורכי מחקר, חינוך ומטרות צדקה הוא בחינם. כדי להתחיל, צריך להירשם לקבלת גישה ל-Earth Engine.

Code Editor (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);

פתיחה ב-Code Editor

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

המוצר הזה הוא חלק מחבילת הנתונים של כיסוי צמרות העצים (TCC). הנתונים כוללים את TCC שעבר מודלים, סטיית התקן (SE) ונתוני TCC של National Land Cover Database (NLCD) לכל שנה. נתוני TCC שנוצרו על ידי שירות היערות של משרד החקלאות של ארצות הברית (USFS) כלולים בנתוני הקרקע ברזולוציה …

USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4, forest,forest-biomass,gtac,landsat-derived,redcastle-resources,usda,usfs,usgs

2008-06-01T00:00:00Z/2021-09-30T00:00:00Z

20.38379 -135.286387 52.459364 -56.446306

Google Earth Engine

https://developers.google.com/earth-engine/datasets