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

USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5
डेटासेट की उपलब्धता
1985-06-01T00:00:00Z–2023-09-30T00:00:00Z
डेटासेट प्रोड्यूसर
Earth Engine का स्निपेट
ee.ImageCollection("USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5")
टैग
forest gtac landuse-landcover redcastle-resources usda usfs usgs

ब्यौरा

खास जानकारी

ट्री कैनोपी कवर (टीसीसी) डेटा सुइट, यूनाइटेड स्टेट्स डिपार्टमेंट ऑफ़ ऐग्रीकल्चर, फ़ॉरेस्ट सर्विस (यूएसएफ़एस) ने तैयार किया है. यह रिमोट सेंसिंग पर आधारित मैप आउटपुट है. यह 1985 से 2023 तक का डेटा दिखाता है. यह डेटा, नैशनल लैंड कवर डेटाबेस (एनएलसीडी) प्रोजेक्ट के लिए उपलब्ध कराया जाता है. इसे यूएस जियोलॉजिकल सर्वे (यूएसजीएस) मैनेज करता है. यह मल्टी-रिज़ॉल्यूशन लैंड कैरेक्टरिस्टिक्स (एमआरएलसी) कंसोर्टियम का हिस्सा है. इस प्रोजेक्ट का मकसद, पेड़ों से ढकी जगह का एक जैसा और "सबसे अच्छा उपलब्ध" मैप बनाने के लिए, नई टेक्नोलॉजी का इस्तेमाल करना है. इसमें अमेरिका के मुख्य भूभाग (CONUS) और OCONUS क्षेत्र शामिल हैं. जैसे, दक्षिण-पूर्वी अलास्का (SEAK), हवाई, प्योर्तो रिको, और अमेरिकन वर्जिन द्वीप समूह (PRUSVI).

प्रॉडक्ट

टीसीसी डेटा सुइट में तीन प्रॉडक्ट शामिल हैं:

  • साइंस टीसीसी: मॉडल से मिले सीधे तौर पर तैयार किए गए जवाब.

  • विज्ञान के हिसाब से स्टैंडर्ड एरर (एसई): सभी रिग्रेशन ट्री से अनुमानित वैल्यू का मॉडल स्टैंडर्ड डेविएशन.

  • एनएलसीडी टीसीसी: यह एक बेहतर प्रॉडक्ट है. इसे सालाना साइंस टीसीसी इमेज से बनाया जाता है. इसमें पोस्ट-प्रोसेसिंग की जाती है, ताकि साल-दर-साल होने वाले बदलावों को कम किया जा सके, लंबे समय के रुझानों को हाइलाइट किया जा सके, और कुछ खास सुविधाओं (जैसे कि पानी और बिना पेड़ वाली खेती) को छिपाया जा सके.

हर इमेज में एक डेटा मास्क बैंड शामिल होता है. इसमें तीन वैल्यू होती हैं. ये वैल्यू, डेटा न होने वाले क्षेत्रों (0), मैप किए गए ट्री कैनोपी कवर(1), और नॉन-प्रोसेसिंग क्षेत्र (2) को दिखाती हैं. प्रोसेस न किए गए क्षेत्र, स्टडी एरिया में मौजूद ऐसे पिक्सल होते हैं जिनमें बादल या बादल की परछाई वाला डेटा नहीं होता. टीसीसी और एसई इमेज में, डेटा और नॉन-प्रोसेसिंग एरिया पिक्सल को मास्क नहीं किया जाता.

डेटा और तरीके

हमने CONUS, SEAK, PRUSVI, और HAWAII के लिए ट्रेनिंग डेटा और रैंडम फ़ॉरेस्ट मॉडल डेवलप किए हैं. इसके लिए, हमने USFS फ़ॉरेस्ट इन्वेंट्री ऐंड एनालिसिस (एफआईए) के फ़ोटो-इंटरप्रेटेड टीसीसी को रेफ़रंस डेटा के तौर पर इस्तेमाल किया है. हमने Google Earth Engine (GEE) का इस्तेमाल किया (Gorelick et al., 2017) का इस्तेमाल किया जाता है. 3D एलिवेशन प्रोग्राम (3DEP) (यू.एस. जियोलॉजिकल सर्वे, 2019) से मिले इलाके के डेटा में ऊंचाई, ढलान, ऐस्पेक्ट का साइन, और ऐस्पेक्ट का कोसाइन शामिल है. CONUS के लिए, हमने फ़सल के डेटा लेयर (सीडीएल) को भी अनुमान लगाने वाले के तौर पर शामिल किया है (लिन वगैरह, 2022).

हमने सालाना मेडॉइड कंपोज़िट बनाने के लिए, USGS Collection 2 Landsat Tier 1 और Sentinel 2A/2B Level-1C टॉप ऑफ़ ऐटमस्फ़ियर रिफ़्लेक्टेंस इमेज का इस्तेमाल किया. डेटा की क्वालिटी को बेहतर बनाने के लिए, हमने बादलों और परछाइयों को छिपाने के लिए कई एल्गोरिदम लागू किए. इनमें cFmask (Foga et al., 2017; Zhu and Woodcock, 2012), cloudScore (Chastain et al., 2019), s2cloudless (Sentinel-Hub, 2021), Cloud Score+ (Pasquarella et al., 2023), और टीडीओएम (चैस्टेन वगैरह, 2019). मास्क करने के बाद, हमने सालाना मेडॉइड का हिसाब लगाया, ताकि हर साल के लिए बिना बादल वाला एक कंपोज़िट बनाया जा सके. आखिर में, कंपोज़िट टाइम सीरीज़ को LandTrendr का इस्तेमाल करके समय के हिसाब से सेगमेंट किया गया (Kennedy et al., 2010, 2018; Cohen et al., 2018).

CONUS के लिए, हमने कैलिब्रेशन के लिए 70% रेफ़रंस डेटा और गड़बड़ी का आकलन करने के लिए 30% डेटा का इस्तेमाल किया. CONUS की पारिस्थितिक विविधता को देखते हुए, हमने मॉडलिंग क्षेत्र को 54 टाइलों (480 कि॰मी॰ × 480 कि॰मी॰) में बांटा है. हमने स्थानीय कंप्यूटरों पर, हर टाइल के लिए एक यूनीक रैंडम फ़ॉरेस्ट मॉडल बनाया (ब्रायमन, 2001). हमने इसे रेफ़रंस डेटा पर ट्रेन किया. यह डेटा, सेंटर टाइल के चारों ओर 5×5 विंडो को इंटरसेक्ट करता है. इसके बाद, इन मॉडल को GEE में डिप्लॉय किया गया, ताकि पूरे इलाके के लिए टीसीसी का अनुमान लगाया जा सके. OCONUS क्षेत्रों के लिए, हमने 80/20 का बंटवारा किया और हर क्षेत्र के लिए एक रैंडम फ़ॉरेस्ट मॉडल तैयार किया.

अन्य संसाधन

किसी भी सवाल या डेटा के बारे में खास अनुरोध करने के लिए, [sm.fs.tcc@usda.gov] से संपर्क करें.

बैंड

बैंड

पिक्सल का साइज़: 30 मीटर (सभी बैंड)

नाम इकाई पिक्सल का साइज़ ब्यौरा
Science_Percent_Tree_Canopy_Cover % 30 मीटर

सीधे तौर पर मॉडल से मिले आउटपुट. हर पिक्सल के लिए, हर साल पेड़ों से ढकी जगह का अनुमानित औसत कवरेज वैल्यू होती है.
Science_Percent_Tree_Canopy_Cover_Standard_Error % 30 मीटर

हम रिग्रेशन ट्री से अनुमानित वैल्यू के स्टैंडर्ड डेविएशन को स्टैंडर्ड एरर कहते हैं. हर पिक्सल के लिए, हर साल की स्टैंडर्ड गड़बड़ी होती है.
NLCD_Percent_Tree_Canopy_Cover % 30 मीटर

NLCD ट्री कैनोपी कवर बनाने के लिए, मॉडल के सीधे तौर पर मिले आउटपुट पर पोस्ट-प्रोसेसिंग वर्कफ़्लो लागू किया जाता है. यह वर्कफ़्लो, पेड़ों से ढके न होने वाले पिक्सल की पहचान करता है और उनकी वैल्यू को शून्य प्रतिशत ट्री कैनोपी कवर पर सेट करता है.

data_mask 30 मीटर

तीन वैल्यू, जो डेटा न होने वाले क्षेत्रों, मैप किए गए ट्री कैनोपी कवर, और नॉन-प्रोसेसिंग क्षेत्र को दिखाती हैं. नॉन-प्रोसेसिंग एरिया वह जगह होती है जहां स्टडी एरिया में मौजूद पिक्सल के लिए, आउटपुट जनरेट करने के लिए बादल या बादल की परछाई से मुक्त डेटा उपलब्ध नहीं होता.

इमेज प्रॉपर्टी

इमेज प्रॉपर्टी

नाम टाइप ब्यौरा
study_area स्ट्रिंग

फ़िलहाल, टीसीसी में CONUS, दक्षिणपूर्वी अलास्का, प्योर्तो रिको-यूएस वर्जिन आइलैंड्स, और हवाई शामिल हैं. इस वर्शन में, CONUS, AK, PRUSVI, और HAWAII का डेटा शामिल है. संभावित वैल्यू: 'CONUS, AK, PRUSVI, HAWAII'
वर्शन स्ट्रिंग

यह टीसीसी प्रॉडक्ट का पांचवां वर्शन है. इसे एमआरएलसी कंसोर्टियम में रिलीज़ किया गया है. यह नेशनल लैंड कवर डेटाबेस (एनएलसीडी) का हिस्सा है'
startYear INT

'प्रॉडक्ट के लॉन्च होने का साल'
endYear INT

'प्रॉडक्ट के बंद होने का साल'
वर्ष INT

'प्रॉडक्ट का साल'

इस्तेमाल की शर्तें

इस्तेमाल की शर्तें

यूएसडीए फ़ॉरेस्ट सर्विस, किसी भी तरह की वारंटी नहीं देता है. इसमें, कारोबार के लिए उपलब्ध होने और किसी खास मकसद के लिए फ़िट होने की वारंटी भी शामिल है. साथ ही, वह इन जियोस्पेशल डेटा के सटीक, भरोसेमंद, पूरे या उपयोगी होने के लिए, किसी भी तरह की कानूनी जवाबदेही या ज़िम्मेदारी नहीं लेता है. इसके अलावा, वह इन जियोस्पेशल डेटा के गलत या अमान्य इस्तेमाल के लिए भी ज़िम्मेदार नहीं है. जियोस्पेशल डेटा और इससे जुड़े मैप या ग्राफ़, कानूनी दस्तावेज़ नहीं हैं. इनका इस्तेमाल कानूनी दस्तावेज़ के तौर पर नहीं किया जाना चाहिए. डेटा और मैप का इस्तेमाल, टाइटल, मालिकाना हक, कानूनी ब्यौरे या सीमाएं, कानूनी अधिकार क्षेत्र या सार्वजनिक या निजी ज़मीन पर लागू होने वाली पाबंदियां तय करने के लिए नहीं किया जा सकता. ऐसा हो सकता है कि डेटा और मैप में प्राकृतिक आपदाओं को न दिखाया गया हो. इसलिए, ज़मीन का इस्तेमाल करने वाले लोगों को सावधानी बरतनी चाहिए. यह डेटा डाइनैमिक होता है और समय के साथ बदल सकता है. उपयोगकर्ता की यह ज़िम्मेदारी है कि वह भू-स्थानिक डेटा की सीमाओं की पुष्टि करे और डेटा का इस्तेमाल उसी के मुताबिक करे.

इस डेटा को अमेरिका की सरकार से मिले फ़ंड का इस्तेमाल करके इकट्ठा किया गया था. इसका इस्तेमाल, बिना किसी अतिरिक्त अनुमति या शुल्क के किया जा सकता है. अगर आपको इस डेटा का इस्तेमाल किसी पब्लिकेशन, प्रज़ेंटेशन या अन्य रिसर्च प्रॉडक्ट में करना है, तो कृपया यहां दिया गया उद्धरण इस्तेमाल करें:

यूएसडीए फ़ॉरेस्ट सर्विस. 2025. USFS Tree Canopy Cover v2023.5 (Conterminous United States and Outer Conterminous United States). सॉल्ट लेक सिटी, यूटाह.

उद्धरण

उद्धरण:

  • यूएसडीए फ़ॉरेस्ट सर्विस. 2025. USFS Tree Canopy Cover v2023.5 (Conterminous United States and Outer Conterminous United States). सॉल्ट लेक सिटी, यूटाह.

  • ब्रेमैन, एल., 2001. रैंडम फ़ॉरेस्ट. मशीन लर्निंग में. Springer, 45: 5-32 doi:10.1023/A:1010933404324

  • चैस्टेन, आर., हौसमैन, आई., गोल्डस्टीन, जे., फ़िंचो, एम॰, और टेनेसन, के॰, 2019. यह इमेज, अमेरिका के उन सभी राज्यों के लिए तैयार की गई है जिनकी सीमा कम से कम एक अन्य राज्य से जुड़ी हुई है. इसमें, Sentinel-2A और 2B MSI, Landsat-8 OLI, और Landsat-7 ETM के टॉप ऑफ़ ऐटमस्फ़ियर स्पेक्ट्रल की तुलना की गई है. पर्यावरण की रिमोट सेंसिंग में. Science Direct, 221: 274-285 doi:10.1016/j.rse.2018.11.012

  • कोहेन, डब्ल्यू॰ B., यांग ज़ेड., हीली, एस. P., Kennedy, R. ई॰ और गोरेलिक, एन॰, 2018. जंगल में होने वाली गड़बड़ियों का पता लगाने के लिए, LandTrendr मल्टीस्पेक्ट्रल एनसेंबल. पर्यावरण की रिमोट सेंसिंग में. Science Direct, 205: 131-140 doi:10.1016/j.rse.2017.11.015

  • फ़ोगा, एस॰, स्कारामूज़ा, पी॰एल॰, गुओ, एस., ज़ू, ज़ेड., डिले, आर॰डी॰, बेकमैन, टी., श्मिट, जी॰ एल॰, ड्वायर, जे॰एल॰, एम॰जे॰ ह्यूज़, लाउ, बी., 2017. ऑपरेशनल Landsat डेटा प्रॉडक्ट के लिए, क्लाउड का पता लगाने वाले एल्गोरिदम की तुलना और पुष्टि करना. In Remote Sensing of Environment. Science Direct, 194: 379-390 doi:10.1016/j.rse.2017.03.026

  • Kennedy, R. E., Yang, Z., and Cohen, W. B., 2010. हर साल के Landsat टाइम सीरीज़ डेटा का इस्तेमाल करके, जंगल में होने वाली गड़बड़ी और उसके ठीक होने के ट्रेंड का पता लगाना: 1. LandTrendr - Temporal segmentation algorithms. In Remote Sensing of Environment. Science Direct, 114(12): 2897-2910 doi:10.1016/j.rse.2010.07.008

  • केनेडी, आर., यांग ज़ेड., गोरेलिक, एन., ब्रेटन, जे., कैवलकैंट, एल., कोहेन, डब्ल्यू॰, और हीली, एस॰, 2018. Google Earth Engine पर LandTrendr एल्गोरिदम लागू किया गया. रिमोट सेंसिंग में. MDPI, 10(5): 691 doi:10.3390/rs10050691

  • लिन, एल.; Di, L.; Zhang, C.; गुओ, एल.; दी, वाई.; ली, एच.; यैंग, ए॰ 2022. स्पेशल-टेंपोरल डिसिज़न ट्री एल्गोरिदम का इस्तेमाल करके, फ़सल वाली ज़मीन के डेटा लेयर की पुष्टि करना और उसे बेहतर बनाना. वैज्ञानिक डेटा. 9(1): 63. doi:10.3390/rs10050691

  • पास्क्वेरेला, वी॰ जे॰, ब्राउन, सी॰ F., ज़ेरविंस्की, डब्ल्यू॰, और रक्लिज, डब्ल्यू॰ J., 2023. वीकली सुपरवाइज़्ड वीडियो लर्निंग का इस्तेमाल करके, ऑप्टिकल सैटलाइट इमेज की क्वालिटी का पूरा आकलन. आईईईई/सीवीएफ़ कॉन्फ़्रेंस ऑन कंप्यूटर विज़न ऐंड पैटर्न रिकग्निशन की कार्रवाइयों में. 2124-2134. doi:10.1109/cvprw59228.2023.00206

  • Sentinel-Hub, 2021. Sentinel 2 Cloud Detector. [ऑनलाइन]. यहां उपलब्ध है: https://github.com/sentinel-hub/sentinel2-cloud-detector

  • यूएस जियोलॉजिकल सर्वे, 2019. USGS 3D एलिवेशन प्रोग्राम का डिजिटल एलिवेशन मॉडल. इसे अगस्त 2022 में https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m पर ऐक्सेस किया गया था

  • Zhu, Z., and Woodcock, C. E., 2012. Landsat की इमेज में, ऑब्जेक्ट के आधार पर बादल और बादल की परछाई का पता लगाना. पर्यावरण की रिमोट सेंसिंग में. Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028

डीओआई

Earth Engine की मदद से एक्सप्लोर करें

कोड एडिटर (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);
कोड एडिटर में खोलें
खास जानकारी ट्री कैनोपी कवर (टीसीसी) डेटा सुइट, यूनाइटेड स्टेट्स डिपार्टमेंट ऑफ़ ऐग्रीकल्चर, फ़ॉरेस्ट सर्विस (यूएसएफ़एस) ने तैयार किया है. यह रिमोट सेंसिंग पर आधारित मैप आउटपुट है. यह हर साल तैयार किया जाता है और 1985 से 2023 तक का डेटा इसमें शामिल है. यह डेटा, नैशनल लैंड कवर डेटाबेस (एनएलसीडी) प्रोजेक्ट के लिए उपलब्ध कराया जाता है. इसे यूएस जियोलॉजिकल सर्वे (यूएसजीएस) मैनेज करता है. यह प्रोजेक्ट … का हिस्सा है
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