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

USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4
利用可能なデータセットの期間
2008-06-01T00:00:00Z–2021-09-30T00:00:00Z
データセット プロデューサー
Earth Engine スニペット
ee.ImageCollection("USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4")
タグ
森
森林バイオマス
gtac
Landsat 由来
redcastle-resources
usda
usfs
usgs

説明

このプロダクトは、樹木エリアの割合（TCC）データスイートの一部です。モデル化された TCC、標準誤差（SE）、各年の National Land Cover Database（NLCD）の TCC データが含まれています。米国農務省森林局（USFS）が作成した TCC データは、米国地質調査所（USGS）が管理する National Land Cover Database（NLCD）プロジェクトの一部である Multi-Resolution Land Characteristics（MRLC）コンソーシアムに含まれています。

Science TCC プロダクトと NLCD TCC は、USFS が作成したリモート センシング ベースの地図出力です。TCC Science と NLCD TCC の目的は、最新のテクノロジーと TCC マッピングの進歩を使用して一貫したアプローチを開発し、 米国本土（CONUS）、アラスカ州南東部、ハワイ、 プエルトリコ、米領バージン諸島（OCONUS）の TCC の「利用可能な最良の」地図を作成することです。

モデル出力には、Science TCC、Science SE、NLCD TCC が含まれます。Science TCC と SE には、2008 年から 2021 年までのデータが含まれています。 NLCD TCC には、2011 年から 2021 年までのデータが含まれています。2008 年、2009 年、2010 年のデータは完全にマスクされています。

*Science TCC は、モデルの直接出力です。

*Science SE は、すべての回帰ツリーから予測された値のモデル標準偏差です。 *NLCD TCC プロダクトは、年間の Science TCC 画像に適用される後処理を受けます。 これには、いくつかのマスキング（水と樹木以外の農業）、フィルタリング、最小マッピング単位（MMU）ルーチン、 年間のノイズを低減して長期的なトレンドを返すプロセスが含まれます。

各画像には、データなしの領域（0）、マッピングされた樹木エリアの割合（1）、 処理対象外の領域（2）を表す 3 つの値を持つデータマスク バンドが含まれています。処理対象外の領域は、雲や雲の影のないデータがない調査地域のピクセルです。データなしのピクセルと処理対象外の領域のピクセルは、TCC 画像と SE 画像でマスクされます。

CONUS のサイズとエコトーンの多様性のため、CONUS モデリングは 54 個の 480x480 km タイルに分割されました。各タイルについて、 2011 年の適合 LandTrendr、2011 年の CDL、地形データを使用して、一意のランダム フォレスト モデルが構築されました。中央のタイルの周囲の 5x5 ウィンドウ内のタイルと交差する、モデル キャリブレーションに使用可能な 70% の参照データ はすべて、ランダム フォレスト モデルのトレーニングに使用されました。その後、そのモデルが中央のタイルに適用されました。OCONUS の場合、1 つのモデルが各調査地域に適用され、タイルは使用されませんでした。

TCC モデルの予測レイヤには、LandTrendr の出力と地形情報が含まれます。これらのコンポーネントはすべて、Google Earth Engine（Gorelick 他、 2017）を使用してアクセスおよび処理されます。

LandTrendr の年次合成を作成するために、USGS Collection 2 Landsat Tier 1 と Sentinel 2A、 2B Level-1C の大気圏上部反射率データが使用されました。cFmask 雲マスキング アルゴリズム (Foga 他、2017）は、Fmask 2.0（Zhu と Woodcock、2012） （Landsat のみ）、cloudScore（Chastain 他、2019）（Landsat のみ）、s2cloudless（Sentinel-Hub、2021）（Sentinel 2 のみ）の実装であり、雲をマスクするために使用されます。一方、TDOM（Chastain 他、 2019）は雲の影をマスクするために使用されます（Landsat と Sentinel 2）。LandTrendr の場合、年間のメドイドが計算され、各年の雲と雲の影のない値が 1 つの合成にまとめられます。

合成時系列は、LandTrendr（Kennedy 他、 2010; Kennedy 他、2018; Cohen 他、2018）を使用して時間的にセグメント化されます。

元の合成値、LandTrendr の適合値、ペアごとの差分、 セグメントの期間、変化の大きさ、傾き、標高、傾斜、アスペクトの正弦、アスペクトの余弦（10 m USGS 3D）Elevation Program（3DEP）データ （U.S. Geological Survey、2019）は、ランダム フォレスト（Breiman、2001）モデルの独立した予測変数として使用されます。

参照データは、USFS Forest Inventory and Analysis（FIA）の写真判読 TCC データから収集され、ピクセル単位で壁から壁までの TCC 予測を行うために使用されます。

参考情報

方法と精度評価の詳細については、TCC Methods Brief をご覧ください。データのダウンロード、メタデータ、サポート ドキュメントについては、TCC Geodata Clearinghouse をご覧ください。

ご質問や特定のデータリクエストについては、sm.fs.tcc@usda.gov までお問い合わせください。

  • 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

バンド

バンド

ピクセルサイズ: 30 メートル（すべてのバンド）

名前 単位 ピクセルサイズ 説明
Science_Percent_Tree_Canopy_Cover % 30 メートル

モデルの直接出力。各ピクセルには、年ごとの樹木エリアの割合の予測平均値があります。
Science_Percent_Tree_Canopy_Cover_Standard_Error % 30 メートル

すべての回帰ツリーから予測された値の標準偏差。 標準誤差と呼ばれます。各ピクセルには、年ごとの標準誤差があります。
NLCD_Percent_Tree_Canopy_Cover % 30 メートル

NLCD の樹木エリアの割合を作成するために、樹木以外のピクセル値を特定して樹木エリアの割合を 0% に設定する後処理ワークフローが、モデル出力に適用されます。NLCD の樹木エリアの割合データは、2008 年、2009 年、2010 年に完全にマスクされています。
data_mask 30 メートル

データなしの領域、マッピングされた樹木エリアの割合、処理対象外の領域を表す 3 つの値。 処理対象外の領域は、調査地域内のピクセルに、出力の生成に使用できる雲や雲の影のない データがない場所です。

画像プロパティ検出

画像プロパティ検出

名前 タイプ 説明
study_area STRING

現在、TCC は CONUS、アラスカ州南東部、プエルトリコ、米領バージン諸島、ハワイを対象としています。このバージョンには、すべての調査地域が含まれています。 指定可能な値: 'CONUS, SEAK, PRUSVI, HI'
version STRING

これは、National Land Cover Database（NLCD）の一部である MRLC コンソーシアムでリリースされた TCC プロダクトの 4 番目のバージョンです。

startYear INT

'プロダクトの開始年'
endYear INT

'プロダクトの終了年'
年 INT

'プロダクトの年'

利用規約

利用規約

米国農務省森林局は、商品性や特定目的への適合性の保証を含む、明示的または黙示的な保証を行いません。また、これらの地理空間データの正確性、信頼性、完全性、有用性、またはこれらの地理空間データの不適切または誤った使用について、いかなる法的責任も負いません。これらの地理空間データと関連する地図やグラフィックは法的文書ではなく、法的文書として使用することを意図したものではありません。データと地図を使用して、公有地または私有地に存在する可能性のある所有権、法的説明、境界、法的管轄、制限を判断することはできません。 自然災害はデータや地図に描かれている場合と描かれていない場合があり、土地利用者は十分な注意を払う必要があります。データは動的であり、時間の経過とともに変化する可能性があります。地理空間データの制限を確認し、それに応じてデータを使用する責任はお客様にあります。

これらのデータは米国政府の資金を使用して収集されたものであり、追加の権限や料金なしで使用できます。出版物、プレゼンテーション、その他の研究プロダクトでこれらのデータを使用する場合は、次の引用を使用してください。

米国農務省森林局。2023 年。USFS Tree Canopy Cover v2021.4（米国本土とアラスカ州南東部）。ユタ州ソルトレイクシティ。

引用

引用:

  • 米国農務省森林局。2023 年。USFS Tree Canopy Cover v2021.4（米国本土とアラスカ州南東部）。 ユタ州ソルトレイクシティ。

Earth Engine で探索する

コードエディタ（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);
コードエディタで開く
このプロダクトは、樹木エリアの割合（TCC）データスイートの一部です。モデル化された TCC、標準誤差（SE）、各年の National Land Cover Database（NLCD）の TCC データが含まれています。米国農務省森林局（USFS）が作成した TCC データは、米国地質調査所（USGS）が管理する National Land Cover Database（NLCD）プロジェクトの一部である Multi-Resolution Land …
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