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

USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4
ความพร้อมใช้งานของชุดข้อมูล
2008-06-01T00:00:00Z–2021-09-30T00:00:00Z
ผู้ผลิตชุดข้อมูล
ตัวอย่างข้อมูล Earth Engine
ee.ImageCollection("USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4")
แท็ก
ป่า
ชีวมวลจากป่า
gtac
ได้มาจาก Landsat
redcastle-resources
usda
usfs
usgs

คำอธิบาย

ผลิตภัณฑ์นี้เป็นส่วนหนึ่งของชุดข้อมูลพื้นที่ปกคลุมของเรือนยอดต้นไม้ (TCC) ซึ่งรวมถึง TCC ที่สร้างแบบจำลอง ความคลาดเคลื่อนมาตรฐาน (SE) และข้อมูล TCC ของ ฐานข้อมูลสิ่งปกคลุมดินแห่งชาติ (NLCD) สำหรับแต่ละปี ข้อมูล TCC ที่ผลิตโดยกระทรวงเกษตรของสหรัฐอเมริกา กรมป่าไม้ (USFS) จะรวมอยู่ในกลุ่ม Multi-Resolution Land Characteristics (MRLC) ซึ่งเป็นส่วนหนึ่งของโครงการฐานข้อมูลการปกคลุมของพื้นดินแห่งชาติ (NLCD) ที่จัดการโดยกรมสำรวจธรณีวิทยาของสหรัฐอเมริกา (USGS)

ผลิตภัณฑ์ TCC ทางวิทยาศาสตร์และ TCC ของ NLCD เป็นเอาต์พุตแผนที่ที่อิงตามการรับรู้จากระยะไกลซึ่งผลิตโดย USFS เป้าหมายของ TCC Science และ NLCD TCC คือการพัฒนาแนวทางที่สอดคล้องกันโดยใช้เทคโนโลยีล่าสุดและความก้าวหน้าในการทำแผนที่ TCC เพื่อสร้างแผนที่ TCC ที่ "ดีที่สุด" ทั่วสหรัฐอเมริกาภาคพื้นทวีป (CONUS) และทางตะวันออกเฉียงใต้ของอะแลสกา ฮาวาย และ เปอร์โตริโก-หมู่เกาะเวอร์จินของสหรัฐอเมริกา (OCONUS)

ผลลัพธ์ของโมเดล ได้แก่ TCC วิทยาศาสตร์, SE วิทยาศาสตร์ และ TCC ของ NLCD TCC และ SE ด้านวิทยาศาสตร์มีข้อมูลตั้งแต่ปี 2008 ถึง 2021 TCC ของ NLCD มีข้อมูลตั้งแต่ปี 2011 ถึง 2021 โดยมีการมาสก์ข้อมูลอย่างเต็มรูปแบบในปี 2008, 2009 และ 2010

*Science TCC คือเอาต์พุตโมเดลโดยตรงแบบดิบ

*Science SE คือค่าเบี่ยงเบนมาตรฐานของโมเดลของค่าที่คาดการณ์จากต้นไม้ถดถอยทั้งหมด *ผลิตภัณฑ์ NLCD TCC จะได้รับการประมวลผลภายหลังเพิ่มเติมซึ่งใช้กับรูปภาพ TCC ทางวิทยาศาสตร์รายปี ซึ่งรวมถึงการมาสก์หลายรายการ (น้ำและเกษตรกรรมที่ไม่ใช่ต้นไม้) การกรอง และกิจวัตรหน่วยการทำแผนที่ขั้นต่ำ (MMU) รวมถึงกระบวนการที่ลดสัญญาณรบกวนระหว่างปีและแสดงแนวโน้มระยะยาว

รูปภาพแต่ละรูปจะมีแถบมาสก์ข้อมูลที่มีค่า 3 ค่าซึ่งแสดงถึงพื้นที่ที่ไม่มีข้อมูล (0) พื้นที่ปกคลุมของร่มไม้ที่แมป(1) และพื้นที่ที่ไม่ได้ประมวลผล (2) พื้นที่ที่ไม่มีการประมวลผลคือพิกเซลในพื้นที่ศึกษาที่ไม่มีข้อมูลเมฆหรือข้อมูลที่ไม่มีเงาเมฆ ระบบจะมาสก์พิกเซลที่ไม่มีข้อมูลและพิกเซลในพื้นที่ที่ไม่มีการประมวลผลในรูปภาพ TCC และ SE

เนื่องจากขนาดของ CONUS และความหลากหลายของเขตเปลี่ยนผ่านทางนิเวศวิทยา การสร้างแบบจำลอง CONUS จึงแบ่งออกเป็นไทล์ขนาด 480x480 กม. จำนวน 54 ไทล์ สำหรับแต่ละไทล์ มีการสร้างโมเดลป่าสุ่มที่ไม่ซ้ำกันโดยใช้ข้อมูล LandTrendr ที่ปรับแล้วปี 2011, CDL ปี 2011 และภูมิประเทศ เราใช้ข้อมูลอ้างอิงทั้งหมด ซึ่งเป็นส่วนหนึ่งของข้อมูล 70% ที่พร้อมใช้งานสำหรับการปรับเทียบโมเดลซึ่งตัดกับไทล์ภายในหน้าต่างขนาด 5x5 รอบไทล์ตรงกลาง เพื่อฝึกโมเดล Random Forest จากนั้นจึงนำโมเดลดังกล่าวไปใช้กับไทล์ตรงกลาง สำหรับ OCONUS ระบบได้ใช้โมเดล 1 รายการ กับพื้นที่ศึกษาแต่ละแห่ง และไม่ได้ใช้ไทล์

เลเยอร์ตัวทำนายสำหรับโมเดล TCC ประกอบด้วยเอาต์พุตจาก LandTrendr และข้อมูลภูมิประเทศ โดยเราเข้าถึงและประมวลผล คอมโพเนนต์เหล่านี้ทั้งหมดโดยใช้ Google Earth Engine (Gorelick et al., 2017)

ในการสร้างภาพคอมโพสิตรายปีสำหรับ LandTrendr, USGS Collection 2 Landsat Tier 1 และ Sentinel 2A, 2B ระบบได้ใช้ข้อมูลการสะท้อนที่ด้านบนของชั้นบรรยากาศระดับ 1C อัลกอริทึมการมาสก์เมฆ cFmask (Foga et al., 2017) ซึ่งเป็นการใช้งาน Fmask 2.0 (Zhu and Woodcock, 2012) (Landsat เท่านั้น), cloudScore (Chastain et al., 2019) (Landsat เท่านั้น) และ s2cloudless (Sentinel-Hub, 2021) (Sentinel 2 เท่านั้น) ใช้เพื่อมาสก์เมฆ ส่วน TDOM (Chastain et al., 2019) ใช้เพื่อมาสก์เงาเมฆ (Landsat และ Sentinel 2) สำหรับ LandTrendr ระบบจะคำนวณเมดอยด์รายปีเพื่อสรุปค่าที่ไม่มีเมฆ และเงาเมฆจากแต่ละปีเป็นคอมโพสิตเดียว

อนุกรมเวลาแบบผสมจะได้รับการแบ่งส่วนตามเวลาโดยใช้ LandTrendr (Kennedy et al., 2010; Kennedy et al., 2018; Cohen et al., 2018)

ค่าคอมโพสิตดิบ ค่าที่ปรับ LandTrendr ความแตกต่างแบบคู่ ระยะเวลาของกลุ่ม ขนาดการเปลี่ยนแปลง และความชัน รวมถึงระดับความสูง ความชัน ไซน์ของ ลักษณะ และโคไซน์ของลักษณะจาก USGS 3D ที่ 10 ม. ข้อมูลโปรแกรมยกระดับ (3DEP) (สำนักงานสำรวจทางธรณีวิทยาของสหรัฐอเมริกา, 2019) ใช้เป็นตัวแปรทำนายอิสระในโมเดล Random Forest (Breiman, 2001)

ข้อมูลอ้างอิงรวบรวมจากข้อมูล TCC ที่ตีความจากภาพถ่ายของ Forest Inventory and Analysis (FIA) ของ USFS และใช้เพื่อทำการคาดการณ์ TCC แบบครอบคลุมทุกพื้นที่ในระดับพิกเซล

แหล่งข้อมูลเพิ่มเติม

โปรดดูข้อมูลเพิ่มเติมเกี่ยวกับวิธีการและการประเมินความถูกต้องในสรุปวิธีการ TCC หรือศูนย์แลกเปลี่ยนข้อมูลทางภูมิศาสตร์ของ TCC เพื่อดาวน์โหลดข้อมูล ข้อมูลเมตา และเอกสารสนับสนุน

หากมีคำถามหรือคำขอข้อมูลเฉพาะ โปรดติดต่อ sm.fs.tcc@usda.gov

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

  • Chastain, R., Housman, I., Goldstein, J., Finco, M., and Tenneson, K., 2019 การเปรียบเทียบเซ็นเซอร์ข้ามแบบเชิงประจักษ์ของ MSI ของ Sentinel-2A และ 2B, OLI ของ Landsat-8 และ ETM ของ Landsat-7 ลักษณะสเปกตรัมที่ด้านบนของชั้นบรรยากาศเหนือสหรัฐอเมริกาที่อยู่ติดกัน ใน 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 ชุดข้อมูลหลายสเปกตรัมของ LandTrendr สำหรับการตรวจหาการรบกวนป่า ในการสำรวจระยะไกลของ สิ่งแวดล้อม 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 การเปรียบเทียบและการตรวจสอบอัลกอริทึมการตรวจหาเมฆ สำหรับผลิตภัณฑ์ข้อมูล Landsat ที่ใช้งานได้ ใน Remote Sensing of Environment Science Direct, 194: 379-390 doi:10.1016/j.rse.2017.03.026

  • สำรวจทางธรณีวิทยาของสหรัฐอเมริกา, 2019 USGS 3D Elevation Program Digital Elevation Model เข้าถึงเมื่อเดือนสิงหาคม 2022 ที่ https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m

  • Kennedy, R. E., Yang, Z., and Cohen, W. B., 2010 การตรวจหาแนวโน้มการรบกวนและการฟื้นตัวของป่าโดยใช้ชุดข้อมูลอนุกรมเวลา Landsat รายปี: 1. LandTrendr - อัลกอริทึมการแบ่งกลุ่มตามเวลา ใน 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. และ Healey, S., 2018 การติดตั้งใช้งานอัลกอริทึม LandTrendr ใน Google Earth Engine ในการรับรู้จากระยะไกล MDPI, 10(5): 691 doi:10.3390/rs10050691

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

  • Zhu, Z., and Woodcock, C. E., 2012 การตรวจจับเมฆและเงาเมฆตามออบเจ็กต์ในภาพ Landsat ในการสำรวจระยะไกลของ สิ่งแวดล้อม Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028

ย่านความถี่

ขนาดพิกเซล
30 เมตร

ย่านความถี่

ชื่อ หน่วย ขนาดพิกเซล คำอธิบาย
Science_Percent_Tree_Canopy_Cover % เมตร

เอาต์พุตโมเดลโดยตรงแบบดิบ แต่ละพิกเซลมีค่าความครอบคลุมของร่มไม้ที่คาดการณ์โดยเฉลี่ย สำหรับแต่ละปี
Science_Percent_Tree_Canopy_Cover_Standard_Error % เมตร

ส่วนเบี่ยงเบนมาตรฐานของค่าที่คาดการณ์จากต้นไม้ถดถอยทั้งหมดที่เราอ้างอิงเรียกว่าข้อผิดพลาดมาตรฐาน พิกเซลแต่ละรายการมีข้อผิดพลาดมาตรฐานสำหรับแต่ละปี
NLCD_Percent_Tree_Canopy_Cover % เมตร

หากต้องการสร้างการปกคลุมของร่มไม้ NLCD จะมีการใช้เวิร์กโฟลว์หลังการประมวลผลกับ เอาต์พุตโมเดลโดยตรงซึ่งระบุและตั้งค่าพิกเซลที่ไม่ใช่ต้นไม้เป็น 0% ของการปกคลุมของร่มไม้ ข้อมูลพื้นที่ปกคลุมของเรือนยอดไม้ NLCD จะได้รับการมาสก์อย่างสมบูรณ์ในปี 2008, 2009 และ 2010

data_mask เมตร

ค่า 3 ค่าที่แสดงพื้นที่ที่ไม่มีข้อมูล พื้นที่ที่ปกคลุมด้วยร่มไม้ที่แมป และพื้นที่ที่ไม่ได้ประมวลผล พื้นที่ที่ไม่มีการประมวลผลคือพื้นที่ที่พิกเซลภายในพื้นที่ศึกษาไม่มีข้อมูลที่ไม่มีเมฆหรือเงาเมฆ พร้อมใช้งานเพื่อสร้างเอาต์พุต

พร็อพเพอร์ตี้รูปภาพ

พร็อพเพอร์ตี้รูปภาพ

ชื่อ ประเภท คำอธิบาย
study_area STRING

ปัจจุบัน TCC ครอบคลุม CONUS, อะแลสกาตะวันออกเฉียงใต้, เปอร์โตริโก-หมู่เกาะเวอร์จินของสหรัฐอเมริกา และฮาวาย เวอร์ชันนี้มีทุกสาขาวิชา ค่าที่เป็นไปได้: "CONUS, SEAK, PRUSVI, HI"
เวอร์ชัน STRING

นี่คือผลิตภัณฑ์ TCC เวอร์ชันที่ 4 ที่เผยแพร่ในกลุ่ม MRLC ซึ่งเป็นส่วนหนึ่งของฐานข้อมูลการปกคลุมของพื้นดินแห่งชาติ (NLCD)
startYear INT

"ปีที่เริ่มต้นของผลิตภัณฑ์"
endYear INT

"ปีที่ผลิตภัณฑ์สิ้นสุด"
ปี INT

"ปีของผลิตภัณฑ์"

ข้อกำหนดในการใช้งาน

ข้อกำหนดในการใช้งาน

กรมป่าไม้ของ USDA ไม่รับประกันทั้งโดยชัดแจ้งหรือโดยนัย ซึ่งรวมถึงการรับประกัน ความสามารถในการขายและความเหมาะสมสำหรับวัตถุประสงค์เฉพาะ และไม่รับผิดชอบทางกฎหมายหรือ ความรับผิดชอบต่อความถูกต้อง ความน่าเชื่อถือ ความสมบูรณ์ หรือประโยชน์ของข้อมูลเชิงพื้นที่เหล่านี้ หรือต่อการใช้ข้อมูลเชิงพื้นที่เหล่านี้อย่างไม่เหมาะสมหรือไม่ถูกต้อง ข้อมูลเชิงพื้นที่และ แผนที่หรือกราฟิกที่เกี่ยวข้องเหล่านี้ไม่ใช่เอกสารทางกฎหมายและไม่ได้มีวัตถุประสงค์เพื่อใช้เป็นเอกสารดังกล่าว ห้ามใช้ข้อมูลและแผนที่เพื่อกำหนดชื่อ กรรมสิทธิ์ คำอธิบายทางกฎหมาย หรือขอบเขต เขตอำนาจศาลตามกฎหมาย หรือข้อจำกัดที่อาจมีอยู่ในที่ดินสาธารณะหรือที่ดินส่วนบุคคล ข้อมูลและแผนที่อาจแสดงหรืออาจไม่แสดงอันตรายจากธรรมชาติ และผู้ใช้ที่ดินควรใช้ความระมัดระวัง ตามสมควร ข้อมูลมีความผันผวนและอาจเปลี่ยนแปลงเมื่อเวลาผ่านไป ผู้ใช้มีหน้าที่รับผิดชอบในการยืนยัน ข้อจำกัดของข้อมูลเชิงพื้นที่และใช้ข้อมูลตามนั้น

ข้อมูลเหล่านี้รวบรวมขึ้นโดยใช้เงินทุนจากรัฐบาลสหรัฐอเมริกา และสามารถนำไปใช้ได้ โดยไม่ต้องขอสิทธิ์หรือเสียค่าธรรมเนียมเพิ่มเติม หากคุณใช้ข้อมูลเหล่านี้ในสื่อเผยแพร่ งานนำเสนอ หรือ ผลิตภัณฑ์งานวิจัยอื่นๆ โปรดใช้การอ้างอิงต่อไปนี้

USDA Forest Service 2023 USFS Tree Canopy Cover v2021.4 (สหรัฐอเมริกาและอะแลสกาตะวันออกเฉียงใต้) ซอลต์เลกซิตี ยูทาห์

การอ้างอิง

การอ้างอิง:

  • USDA Forest Service 2023 USFS Tree Canopy Cover v2021.4 (สหรัฐอเมริกาและอะแลสกาตะวันออกเฉียงใต้) ซอลต์เลกซิตี ยูทาห์

สำรวจด้วย Earth Engine

ตัวแก้ไขโค้ด (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);
เปิดในตัวแก้ไขโค้ด
ผลิตภัณฑ์นี้เป็นส่วนหนึ่งของชุดข้อมูลพื้นที่ปกคลุมของเรือนยอดต้นไม้ (TCC) ซึ่งรวมถึงข้อมูล TCC ที่จำลอง ความคลาดเคลื่อนมาตรฐาน (SE) และข้อมูล TCC ของฐานข้อมูลสิ่งปกคลุมดินแห่งชาติ (NLCD) สำหรับแต่ละปี ข้อมูล TCC ที่จัดทำโดยกระทรวงเกษตรของสหรัฐอเมริกา กรมป่าไม้ (USFS) จะรวมอยู่ใน 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