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

מפיק 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 מודלים, סטיית תקן (SE) ונתוני TCC של National Land Cover Database (מאגר נתוני כיסוי הקרקע הלאומי, 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).

מוצר ה-TCC של Science ו-NLCD TCC הם פלט של מפה שמבוסס 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 ב-CONUS (ארה"ב היבשתית) 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 הם מ-2011 עד 2021, והם מוסווים באופן מלא ב-2008, ב-2009 וב-2010.

‫*Science TCC הוא הפלט הגולמי הישיר 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 השנתיות של Science, 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 צללים של עננים. ב-TCC ובתמונות SE, פיקסלים של אזורים ללא נתונים ואזורים שלא עוברים עיבוד מוסתרים.

בגלל הגודל של ארה"ב היבשתית והמגוון הרחב של אזורי מעבר אקולוגיים, המידול של ארה"ב היבשתית פוצל 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 המשבצת המרכזית, 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 במשבצות.

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 תמונות מורכבות שנתיות עבור LandTrendr, נעשה שימוש בנתוני החזרת אור בחלק העליון של האטמוספירה (TOA) ברמה 1C של Sentinel 2A ו-2B ושל USGS Collection 2 Landsat Tier 1. אלגוריתם לזיהוי עננים cFmask (Foga et al., ‫2017), שהוא הטמעה של Fmask 2.0 (Zhu and Woodcock, ‏ 2012) (Landsat בלבד), 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) משמש לטשטוש צללי עננים (Landsat ו-Sentinel 2). ב-LandTrendr, המערכת מחשבת את המדויד השנתי כדי לסכם את הערכים ללא עננים וצללי עננים מכל שנה לקומפוזיט יחיד.

סדרת הזמנים המורכבת מפולחת זמנית באמצעות LandTrendr (Kennedy et al., ‫2010; Kennedy et al., ‫2018; Cohen et al., 2018).

הערכים המורכבים הגולמיים, הערכים המותאמים של LandTrendr, ההבדלים בין זוגות, משך המקטע, גודל השינוי והשיפוע, יחד עם הגובה, השיפוע, סינוס המִפנה וקוסינוס המִפנה מ-USGS 3D של 10 מ'. נתונים מתוכנית Elevation Program ‏ (3DEP) (U.S. Geological Survey,‏ 2019) משמשים כמשתני חיזוי בלתי תלויים 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 להוריד נתונים, מטא-נתונים ומסמכי תמיכה ממרכז המידע של TCC בנושא נתונים גיאוגרפיים.

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

• Breiman, L., ‫2001. Random Forests. 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 מאפיינים ספקטרליים 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. ב-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., 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 וצללים של עננים בתמונות Landsat על בסיס אובייקטים. ב-Remote Sensing of Environment. Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028

תחום תדרים

תחום תדרים

גודל הפיקסל: 30 מטרים (כל הפסים)

שם	יחידות	גודל הפיקסל	תיאור
Science_Percent_Tree_Canopy_Cover	%	‫30 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	%	‫30 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	%	‫30 מטרים	כדי ליצור כיסוי של צל העצים ב-NLCD, מפעילים תהליך עבודה של עיבוד אחרי יצירת המודל על הפלט מהמודל, שמזהה ומגדיר ערכי פיקסלים שלא מכילים עצים לאפס אחוזים של כיסוי צל העצים. נתוני כיסוי צל העצים של NLCD מוסתרים באופן מלא בשנים 2008, 2009 ו-2010.
data_mask		‫30 מטרים	שלושה ערכים שמייצגים אזורים ללא נתונים, כיסוי צל עצים ממופה ואזור ללא עיבוד. האזור שלא עובר עיבוד הוא אזור שבו אין פיקסלים בתוך אזור המחקר שזמינים להפקת פלט ללא עננים או צללים של עננים.
ביטמסק של data_mask ביטים 0-1: שלושה ערכים שמייצגים אזורים ללא נתונים, כיסוי צל עצים ממופה ואזור ללא עיבוד. ‫0: אין נתונים ‫1: מיפוי של כיסוי 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 ה-TCC שפורסמה בקונסורציום MRLC, שהוא חלק ממסד הנתונים הלאומי של כיסוי הקרקע (NLCD)'
startYear	INT	'שנת ההתחלה של המוצר'
endYear	INT	‫'End year of the product' (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 הגיאו-מרחביים האלה, או לשימוש לא תקין או שגוי בנתונים הגיאו-מרחביים האלה. הנתונים הגיאו-מרחביים והמפות או הגרפיקות הקשורות לא מהווים מסמכים משפטיים, והם לא מיועדים לשימוש ככאלה. אסור להשתמש בנתונים ובמפות כדי לקבוע בעלות, תיאורים או גבולות משפטיים, 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. באחריות המשתמש לוודא מהן 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 המקור הבא:

שירות היערות של משרד החקלאות של ארה"ב. 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 של ארה"ב. 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.

עורך קוד (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). הוא כולל נתוני TCC מודלים, סטיית תקן (SE) ונתוני TCC של National Land Cover Database (מאגר נתוני כיסוי הקרקע הלאומי, 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