- זמינות מערך הנתונים
- 1985-06-01T00:00:00Z–2023-09-30T00:00:00Z
- ספק מערך נתונים
- USDA Forest Service (USFS) Field Services and Innovation Center Geospatial Office (FSIC-GO)
- תגים
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 (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, הוואי ופוארטו ריקו – איי הבתולה של ארה"ב (OCONUS). נתוני OCONUS v2023.5 יפורסמו בסוף קיץ 2025. בשלב הזה אפשר להשתמש בנתוני TCC מגרסה v2021.4 OCONUS (USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4).
הפלט של המודל כולל את Science TCC, Science SE ו-NLCD TCC מ-1985 עד 2023.
*Science TCC הוא הפלט הגולמי הישיר של המודל.
*Science SE היא סטיית התקן של המודל של הערכים החזויים מכל עצי הרגרסיה.
*המוצר NLCD TCC עובר עיבוד נוסף שמוחל על תמונות שנתיות של Science TCC, שכולל כמה פעולות מיסוך (מים וחקלאות ללא עצים), וגם 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, המידול של ארה"ב הרציפה חולק 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, הוחל מודל אחד על כל אזור מחקר, ולא נעשה שימוש במשבצות.
שכבות החיזוי של מודל TCC כוללות פלט מ-LandTrendr ומידע על השטח. הגישה לכל הרכיבים האלה והעיבוד שלהם מתבצעים באמצעות Google Earth Engine (Gorelick et al., 2017).
כדי ליצור תמונות מורכבות שנתיות עבור LandTrendr, USGS Collection 2 Landsat Tier 1 ו-Sentinel 2A, 2B Level-1C, נעשה שימוש בנתוני השתקפות בחלק העליון של האטמוספרה. האלגוריתם 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 צללי עננים (Landsat ו-Sentinel 2). ב-LandTrendr, המערכת מחשבת את המדואיד השנתי כדי לסכם את הערכים ללא עננים וצללי עננים מכל שנה לקומפוזיט יחיד.
סדרת הזמנים המורכבת מפולחת בזמן 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 הפלח, גודל השינוי והשיפוע, יחד עם הגובה, השיפוע, סינוס הזווית וקוסינוס הזווית מ-USGS 3D ברזולוציה 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 בשיטות TCC – מידע כללי. אפשר גם להיכנס לTCC Geodata Clearinghouse כדי להוריד נתונים, מטא-נתונים ומסמכי תמיכה.
הנתונים של אלסקה, פוארטו ריקו והוואי יפורסמו בסוף הקיץ של 2025. נתונים של AK, PRUSVI ו-HI TCC מגרסה v2021.4 שפורסמה בעבר זמינים בכתובת (USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4)
אפשר לפנות אל sm.fs.tcc@usda.gov בכל שאלה או בקשה ספציפית לנתונים.
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 החזוי 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 חופת עצים של NLCD, מוחל תהליך עבודה של עיבוד שלאחר יצירת התמונה על הפלט הישיר של המודל, שמזהה ומגדיר ערכי פיקסלים שלא מכילים עצים לאפס אחוזים של כיסוי חופת עצים. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
data_mask |
מטרים | שלושה ערכים שמייצגים אזורים ללא נתונים, כיסוי צל עצים ממופה ואזור ללא עיבוד. האזור שבו לא מתבצע עיבוד הוא אזור שבו אין פיקסלים בתוך אזור המחקר שזמינים ללא עננים או צללים של עננים כדי ליצור פלט. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
מאפייני התמונה
מאפייני תמונה
| שם | סוג | תיאור |
|---|---|---|
| study_area | מחרוזת | נכון לעכשיו, TCC מכסה את ארה"ב הרציפה, דרום-מזרח אלסקה, פוארטו ריקו, איי הבתולה של ארה"ב והוואי. הגרסה הזו מכילה את CONUS. הנתונים של SEAK, PRUSVI ו-HI יפורסמו בסוף קיץ 2025. ערכים אפשריים: CONUS |
| גרסה | מחרוזת | זו הגרסה החמישית של מוצר TCC שפורסם 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 כלשהי לדיוק, למהימנות, לשלמות או לשימושיות של הנתונים הגיאוספציאליים האלה, או לשימוש לא תקין או שגוי בנתונים הגיאוספציאליים האלה. הנתונים הגיאוספציאליים והמפות או הגרפיקות שקשורות אליהם הם לא מסמכים משפטיים, והם לא מיועדים לשימוש ככאלה. אסור להשתמש בנתונים ובמפות כדי לקבוע בעלות, תיאורים או גבולות משפטיים, סמכות שיפוט או הגבלות שחלות על קרקע ציבורית או פרטית. יכול להיות שסכנות טבעיות יופיעו בנתונים ובמפות, ויכול להיות שלא. לכן, משתמשים בקרקע צריכים לנקוט משנה זהירות. הנתונים דינמיים ועשויים להשתנות עם הזמן. המשתמש אחראי לאמת את המגבלות של הנתונים הגיאוגרפיים 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 של ארה"ב. 2025. USFS Tree Canopy Cover v2023.5 (Conterminous United States and Outer Conterminous United States). סולט לייק סיטי, יוטה.
ציטוטים ביבליוגרפיים
שירות היערות של משרד החקלאות של ארה"ב. 2025. USFS Tree Canopy Cover v2023.5 (Conterminous United States and Outer Conterminous United States). סולט לייק סיטי, יוטה.
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. אנסמבל רב-ספקטרלי של LandTrendr 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
קנדי, ר. E., Yang, Z., and Cohen, W. B., 2010. זיהוי מגמות בהפרעות ביערות ובהתאוששות שלהם באמצעות סדרות זמן שנתיות של Landsat: 1. LandTrendr – אלגוריתמים של פילוח 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. ב-Remote Sensing of Environment. Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028
מספרי DOI
סיור באמצעות Earth Engine
עורך הקוד (JavaScript)
// Import the tree canopy cover collection var dataset = ee.ImageCollection('USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5'); //Filter collection to 2021 and CONUS study area var tcc = dataset.filter(ee.Filter.calendarRange(2023, 2023,'year')) // range: [1985, 2023] .filter('study_area == "CONUS"') .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);