- データセットの可用性
- 2008-06-01T00:00:00Z–2021-09-30T00:00:00Z
- データセット プロバイダ
- 米国農務省林野部（USFS）の Geospatial Technology and Applications Center（GTAC）
- タグ
説明
このプロダクトは、樹冠被覆率（TCC）データスイートの一部です。これには、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）とアラスカ南東部、ハワイ、プエルトリコ - 米国領ヴァージン諸島（OCONUS）の TCC の「利用可能な最良の」地図を作成することです。
モデルの出力には、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、未加工の直接モデル出力です。
*Science SE は、すべての回帰木の予測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さらに受けます。これには、複数のマスキング（水と非樹木農業）、フィルタリング、最小マッピング単位（MMU）ルーチン、年間のノイズを減らして長期的な傾向を返すプロセスが含まれます。
各画像には、データがない領域（0）、マッピングされた樹冠被覆（1）、処理しない領域（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を含む調査対象領域のピクセルです。TCC 画像と SE 画像では、データのないピクセルと処理対象外のピクセルがマスクされます。
CONUS のサイズと多様なエコトーンのため、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 LandTrendr 適合値、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。モデルの調整に使用可能な 70% の参照データのうち、中心のタイルの周囲 5x5 ウィンドウ内のタイルと交差するすべてのデータが、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。このモデルが中央のタイルに適用されました。OCONUS では、各調査地域に 1 つのモデルが適用され、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 を使用してアクセスおよび処理されます（Gorelick et al.、2017）。
LandTrendr の年次コンポジットを作成するために、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 クラウド マスク アルゴリズム（Foga 他、2017）は、Fmask 2.0（Zhu と Woodcock、2012）の実装（Landsat のみ）、cloudScore（Chastain ら、2019 年）と s2cloudless（Sentinel-Hub、2021 年）は雲をマスクするために使用され、TDOM（Chastain 他、2019）を使用して、雲の影（Landsat と Sentinel 2）をマスクします。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。
複合時系列は、LandTrendr（Kennedy et al.、2010; Kennedy et al., 2018; Cohen et al., 2018 年）。
未加工の複合値、LandTrendr の適合値、ペアワイズ差分、セグメントの期間、変化の大きさ、傾斜、標高、傾斜、方位の正弦、方位の余弦（10 m USGS 3D から）。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）の写真判読による TCC データから収集され、ピクセル単位で TCC の予測を行うために使用されます。
参考情報
手法と精度評価に関する詳細については、TCC 手法概要をご覧ください。データ 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 地理空間データ クリアリングハウスをご覧ください。
ご不明な点や特定のデータ 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 年。ランダム フォレスト。ML。Springer, 45: 5-32 doi:10.1023/A:1010933404324
Chastain, R.、Housman, I.、Goldstein, J.、Finco, M.、Tenneson, K.、2019 年。米国本土における Sentinel-2A および 2B MSI、Landsat-8 OLI、Landsat-7 ETM の大気圏上部スペクトル特性のセンサー間比較。環境のリモート センシング。Science Direct、221: 274-285 doi:10.1016/j.rse.2018.11.012
Cohen, W. B., Yang, Z.、Healey, S. P.、Kennedy、R. E.、Gorelick, N.、2018 年。 森林破壊検出用の LandTrendr マルチスペクトル アンサンブル。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 年。運用 Landsat データ プロダクトの雲検出アルゴリズムの比較と検証。Remote Sensing of Environment に掲載。Science Direct、194: 379-390 doi:10.1016/j.rse.2017.03.026
米国地質調査所、2019 年。USGS 3D Elevation Program Digital Elevation Model（米国地質調査所 3D 標高プログラム デジタル標高モデル）、2022 年 8 月に https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m でアクセス
Kennedy, R. E., Yang, Z., and Cohen, W. B., 2010 年。Landsat の年次時系列データを使用した森林の撹乱と回復の傾向の検出: 1. LandTrendr - 時間セグメンテーション アルゴリズム。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 年。 Google Earth Engine での LandTrendr アルゴリズムの実装。リモート センシング。MDPI, 10(5): 691 doi:10.3390/rs10050691
Sentinel-Hub, 2021. Sentinel 2 Cloud Detector。[オンライン]。 https://github.com/sentinel-hub/sentinel2-cloud-detector で入手可能
Zhu, Z., and Woodcock, C. E., 2012 年。。Landsat 画像におけるオブジェクト ベースの雲と雲の影の検出。In Remote Sensing of Environment. Science Direct、118: 83-94 doi:10.1016/j.rse.2011.10.028
バンド
ピクセルサイズ
30 メートル
帯域
| 名前 | 単位 | ピクセルサイズ | 説明 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Science_Percent_Tree_Canopy_Cover |
% | メートル | 未加工の直接モデル出力。各ピクセルには、各年の樹木エリアの平均予測値があります。 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Science_Percent_Tree_Canopy_Cover_Standard_Error |
% | メートル | すべての回帰木から予測された値の標準偏差を標準誤差と呼びます。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 |
% | メートル | NLCD の樹冠被覆率を生成するために、直接モデル出力に後処理ワークフローが適用され、樹木のないピクセルの値が特定されて 0% の樹冠被覆率に設定されます。NLCD の樹木エリアの被覆データは、2008 年、2009 年、2010 年に完全にマスクされています。 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
data_mask |
メートル | データなしのエリア、マッピングされた樹冠被覆、処理対象外のエリアを表す 3 つの値。非処理領域は、出力の生成に使用できる雲や雲の影のないデータが調査領域内のピクセルにない領域です。 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
画像プロパティ検出
画像プロパティ
| 名前 | 型 | 説明 |
|---|---|---|
| study_area | STRING | 現在、TCC は CONUS、アラスカ南東部、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、すべての学習分野が含まれています。有効な値: 「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 プロダクトの第 4 バージョンです。 |
| startYear | INT | 'プロダクトの開始年' |
| endYear | INT | 「商品の終了年」 |
| 年 | INT | 「商品の年式」 |
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に関する保証を含め、明示または黙示を問わず、いかなる保証も行いません。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な使用や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もありません。データと地図は、所有権、法的説明、境界、法的管轄、公有地または私有地に課せられている可能性のある制限を判断するために使用することはできません。自然災害がデータや地図に表示される場合とされない場合があります。土地の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事項を確認し、それに応じてデータを使用する責任はユーザーにあります。
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、追加の権限や料金なしで使用できます。このデータを出版物、プレゼンテーション、その他の研究成果物で使用する場合は、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
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);