USFS Tree Canopy Cover v2023-5 (CONUS and OCONUS) [deprecated]

USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5
זמינות קבוצת הנתונים
1985-06-01T00:00:00Z–2023-09-30T00:00:00Z
מפיק מערך הנתונים
קטע קוד ל-Earth Engine
ee.ImageCollection("USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5")
תגים
יער
gtac
landuse-landcover
redcastle-resources
usda
usfs
usgs

תיאור

סקירה כללית

חבילת הנתונים של כיסוי צמרות העצים (TCC), שנוצרה על ידי שירות היערות של משרד החקלאות של ארצות הברית (USFS), כוללת פלט של מפות שנתיות שמבוססות על חישה מרחוק, משנת 1985 עד 2023. הנתונים האלה תומכים בפרויקט National Land Cover Database (מאגר נתונים לאומי של כיסוי קרקע) ‏(NLCD), שמנוהל על ידי הסקר הגיאולוגי של ארה"ב (USGS) כחלק מקונסורציום Multi-Resolution Land Characteristics (מאפייני קרקע ברזולוציה מרובה) ‏(MRLC). מטרת הפרויקט היא להשתמש בטכנולוגיה העדכנית ביותר כדי ליצור מפה עקבית של כיסוי צמרות העצים, שהיא "הטובה ביותר שזמינה". ההיקף הגיאוגרפי כולל את אזורי CONUS (ארצות הברית הרציפה) ו-OCONUS (אזורים מחוץ לארצות הברית הרציפה) (דרום-מזרח אלסקה (SEAK), הוואי, פורטו ריקו ואיי הבתולה של ארה"ב (PRUSVI)).

מוצרים

חבילת הנתונים של TCC כוללת שלושה מוצרים:

  • מדע TCC: הפלט הגולמי והישיר מהמודל.

  • שגיאת התקן (SE) של המדע: סטיית התקן של המודל של הערכים החזויים מכל עצי הרגרסיה.

  • NLCD TCC: מוצר משופר שנגזר מתמונות שנתיות של TCC. הוא עובר עיבוד לאחר יצירה כדי להפחית רעשים בין-שנתיים, להדגיש מגמות ארוכות טווח ולהסתיר מאפיינים ספציפיים (כמו מים וחקלאות שאינה מבוססת על עצים).

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.

נתונים ושיטות

פיתחנו נתוני אימון ומודלים של יערות אקראיים עבור CONUS,‏ SEAK,‏ PRUSVI ו-HAWAII באמצעות נתוני TCC שפוענחו מתמונות של USFS Forest Inventory and Analysis‏ (FIA) כנתוני הפניה. השתמשנו ב-Google Earth Engine‏ (GEE) (Gorelick et al., 2017) כדי לעבד את LandTrendr ואת נתוני החיזוי של השטח. נתוני השטח מ-3D Elevation Program‏ (3DEP) (U.S. Geological Survey,‏ 2019) כוללים גובה, שיפוע, סינוס של האספקט וקוסינוס של האספקט. עבור CONUS, כללנו גם את Crop Data Layer‏ (CDL) כנתון חיזוי (Lin et al., 2022).

השתמשנו בתמונות של השתקפות בחלק העליון של האטמוספרה ברמה 1C של USGS Collection 2 Landsat Tier 1 ו-Sentinel 2A/2B כדי ליצור קומפוזיציות שנתיות של מדוידים. כדי להבטיח את איכות הנתונים, הפעלנו אלגוריתמים שונים למיסוך עננים וצללים, כולל cFmask (Foga et al., 2017; Zhu and Woodcock, 2012),‏ cloudScore (Chastain et al., 2019),‏ s2cloudless (Sentinel-Hub, 2021),‏ Cloud Score+‎ (Pasquarella et al., 2023) ו-TDOM (Chastain et al., 2019). אחרי המיסוך, חישבנו מדוידים שנתיים כדי ליצור קומפוזיציה אחת ללא עננים לכל שנה. לבסוף, סדרת הזמן של הקומפוזיציה פוצלה זמנית באמצעות LandTrendr (Kennedy et al., 2010, 2018; Cohen et al., 2018).

באזורים רציפים בארה"ב, השתמשנו ב-70% מנתוני הייחוס לכיול וב-30% להערכת שגיאות עצמאית. בהתחשב במגוון האקולוגי של האזורים הרציפים בארה"ב, חילקנו את אזור המידול ל-54 משבצות (480 ק"מ × 480 ק"מ). במחשבים מקומיים בנינו מודל ייחודי של יער אקראי לכל משבצת (Breiman, 2001), ואימנו אותו על נתוני ייחוס שחוצים חלון 5×5 סביב משבצת המרכז. לאחר מכן פרסנו את המודלים ב-GEE כדי לחזות את כיסוי העצים הכולל. באזורים לא רציפים בארה"ב, השתמשנו בחלוקה של 80/20 ופיתחנו מודל יער אקראי יחיד לכל אזור.

מקורות מידע נוספים

אפשר לפנות אל [sm.fs.tcc@usda.gov] בכל שאלה או בקשה ספציפית לנתונים.

תחום תדרים

תחום תדרים

גודל הפיקסל: 30 מטרים (כל הפסים)

שם יחידות גודל הפיקסל תיאור
Science_Percent_Tree_Canopy_Cover % ‫30 מטרים

הפלטים הגולמיים של המודל הישיר. לכל פיקסל יש ערך ממוצע של כיסוי צל העצים החזוי לכל שנה.
Science_Percent_Tree_Canopy_Cover_Standard_Error % ‫30 מטרים

סטיית התקן של הערכים החזויים מכל עצי הרגרסיה שאליהם מתייחסים נקראת שגיאת תקן. לכל פיקסל יש שגיאת תקן לכל שנה.
NLCD_Percent_Tree_Canopy_Cover % ‫30 מטרים

כדי ליצור כיסוי של צל עצים ב-NLCD, מפעילים תהליך עבודה של עיבוד שלאחר מכן על הפלט הישיר של המודל, שמזהה ערכי פיקסלים של אזורים ללא עצים ומגדיר אותם לאפס אחוז כיסוי של צל עצים.

data_mask ‫30 מטרים

שלושה ערכים שמייצגים אזורים ללא נתונים, כיסוי צל עצים ממופה ואזור ללא עיבוד. האזור ללא עיבוד הוא אזור שבו אין נתונים זמינים של פיקסלים בתוך אזור המחקר, ללא עננים או צל של עננים, כדי ליצור פלט.

מאפייני תמונה

מאפייני תמונה

שם סוג תיאור
study_area מחרוזת

נכון לעכשיו, הנתונים של TCC מכסים את ארה"ב היבשתית, דרום-מזרח אלסקה, פוארטו ריקו, איי הבתולה של ארה"ב והוואי. הגרסה הזו מכילה נתונים של ארה"ב היבשתית, אלסקה, פוארטו ריקו, איי הבתולה של ארה"ב והוואי. הערכים האפשריים: CONUS, AK, PRUSVI, HAWAII
גרסה מחרוזת

זוהי הגרסה החמישית של מוצר ה-TCC שפורסם 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 משרד החקלאות האמריקאי 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 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 משפטיים או גבולות, 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 דינמיים ועשויים להשתנות עם הזמן. באחריות המשתמש לוודא מהן המגבלות של הנתונים הגיאו-מרחביים ולהשתמש בנתונים בהתאם.

הנתונים האלה נאספו במימון ממשלת 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 האמריקאי (USDA). 2025. ‫USFS Tree Canopy Cover v2023.5 (ארצות הברית הרציפה ואזורים מחוץ לארצות הברית הרציפה). סולט לייק סיטי, יוטה.

ציטוטים ביבליוגרפיים

ציטוטים ביבליוגרפיים:

  • שירות היערות של משרד החקלאות האמריקאי (USDA). 2025. ‫USFS Tree Canopy Cover v2023.5 (ארצות הברית הרציפה ואזורים מחוץ לארצות הברית הרציפה). 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. ‫LandTrendr multispectral ensemble לזיהוי הפרעות ביערות. בחישה מרחוק של הסביבה. 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

  • 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 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

  • Lin, L.; Di, L.; Zhang, C.‎; Guo, L.; Di, Y.; Li, H.; Yang, A. ‫2022. אימות ושיפור של שכבת הנתונים של שטחי גידול באמצעות אלגוריתם של עץ החלטות מרחבי-זמני. Scientific Data. ‫9(1): 63. doi:10.1038/s41597-022-01169-w

  • Pasquarella, V. J., Brown, C. F., Czerwinski, W., and Rucklidge, W. J., 2023. Comprehensive Quality Assessment of Optical Satellite Imagery Using Weakly Supervised Video Learning. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2124-2134. doi:10.1109/cvprw59228.2023.00206

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

  • ‫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

  • Zhu, Z., and Woodcock, C. E., ‫2012. זיהוי עננים וצללים של עננים בתמונות Landsat על בסיס אובייקטים. בחישה מרחוק של הסביבה. Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028

מזהי DOI

סיור עם פלטפורמת Earth Engine

עורך קוד (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"') // CONUS, AK, HAWAII, PRUSVI 
               .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
סקירה כללית: חבילת הנתונים של כיסוי צמרות העצים (TCC), שנוצרה על ידי שירות היערות של משרד החקלאות של ארצות הברית (USFS), כוללת פלט של מפות שנתיות שמבוססות על חישה מרחוק, משנת 1985 עד 2023. הנתונים האלה תומכים בפרויקט National Land Cover Database ‏ (NLCD, מאגר נתונים לאומי של כיסוי פני השטח), שמנוהל על ידי הסקר הגאולוגי של ארה"ב (USGS) כחלק מ…
USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5, forest,gtac,landuse-landcover,redcastle-resources,usda,usfs,usgs
1985-06-01T00:00:00Z/2023-09-30T00:00:00Z
20.38379 -135.286387 52.459364 -56.446306
Google Earth Engine