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

USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5
利用可能なデータセットの期間
1985-06-01T00:00:00Z–2023-09-30T00:00:00Z
データセット プロデューサー
Earth Engine スニペット
ee.ImageCollection("USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5")
タグ
forest gtac landuse-landcover redcastle-resources usda usfs usgs

説明

概要

米国農務省森林局（USFS）が作成した樹木エリアの割合（TCC）データ スイートは、 1985 年から 2023 年までの年間のリモート センシングに基づく地図出力です。 これらのデータは、Multi-Resolution Land Characteristics（MRLC）コンソーシアムの一環として米国地質調査所（USGS）が管理する National Land Cover Database（NLCD）プロジェクトをサポートしています。 このプロジェクトは、最新のテクノロジーを使用して、樹木エリアの割合の整合性のある「利用可能な最良の」地図を作成することを目的としています。 地理的範囲には、米国本土（CONUS）と OCONUS リージョン（アラスカ南東部（SEAK）、ハワイ、 プエルトリコ、米領バージン諸島（PRUSVI））が含まれます。

プロダクト

TCC データ スイートには、次の 3 つのプロダクトが含まれています。

  • Science TCC: モデルからの未加工の直接出力。

  • Science 標準誤差（SE）: すべての回帰ツリーからの予測値のモデル標準偏差。

  • NLCD TCC: 年間の Science TCC 画像から派生した改良版プロダクト。年間のノイズを低減し、長期的な傾向を強調し、特定のフィーチャー（水や樹木以外の農業など）をマスクするために 後処理が行われます。

各画像には、データがない領域（0）、マッピングされた樹木エリアの割合（1）、 処理対象外の領域（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がない調査地域のピクセルです。データなしのピクセルと処理対象外の領域のピクセルは、TCC 画像と SE 画像でマスクされます。

データと方法

USFS Forest Inventory and Analysis（FIA）の写真判読 TCC を参照データとして使用して、CONUS、SEAK、PRUSVI、HAWAII のトレーニング データとランダム フォレスト モデルを開発しました。Google Earth Engine（GEE） （Gorelick 他、2017）を活用して、適合した LandTrendr と地形予測子を処理しました。3D Elevation Program（3DEP）の地形データ （米国地質調査所、2019 年）には、標高、傾斜、方位の正弦、方位の余弦が含まれます。 CONUS の場合は、Crop Data Layer（CDL）も予測子として含めました（Lin 他、2022）。

USGS Collection 2 Landsat Tier 1 と Sentinel 2A/2B Level-1C の大気上部反射率画像を使用して、 年間のメドイド合成を作成しました。データの品質を確保するため、雲と影をマスクするために様々なアルゴリズムを適用しました。 cFmask（Foga 他、2017; Zhu と Woodcock、2012）、cloudScore（Chastain 他、2019）、s2cloudless（Sentinel-Hub、2021）、 Cloud Score+（Pasquarella 他、2023）、TDOM（Chastain 他、2019）など、さまざまなアルゴリズムを適用して雲と影をマスクしました。マスク処理後、年間のメドイドを計算して、 年ごとに 1 つの雲のない合成画像を作成しました。最後に、LandTrendr （Kennedy 他、2010、2018; Cohen 他、2018）を使用して、合成時系列を時間的に分割しました。

CONUS の場合、参照データの 70% をキャリブレーションに使用し、30% を独立した誤差評価に使用しました。 CONUS の生態系の多様性を考慮して、モデリング領域を 54 個のタイル（480 km × 480 km）に分割しました。 ローカル コンピュータで、タイルごとに一意のランダム フォレスト モデル（Breiman、2001）を構築し、中心タイルの周囲の 5×5 ウィンドウと交差する参照データでトレーニングしました。その後、モデルを GEE にデプロイして、壁から壁までの TCC を予測しました。OCONUS リージョンでは、 80/20 の分割を使用し、リージョンごとに 1 つのランダム フォレスト モデルを開発しました。

参考情報

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。

バンド

バンド

ピクセルサイズ: 30 メートル（すべてのバンド）

名前 単位 ピクセルサイズ 説明
Science_Percent_Tree_Canopy_Cover % 30 メートル

未加工の直接モデル出力。各ピクセルには、年ごとの樹木エリアの割合の予測平均値があります。
Science_Percent_Tree_Canopy_Cover_Standard_Error % 30 メートル

すべての回帰ツリーからの予測値の標準偏差。 標準誤差と呼ばれます。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 % 30 メートル

NLCD の樹木エリアの割合を生成するために、樹木以外のピクセル値を特定して樹木エリアの割合を 0% に設定する後処理ワークフローが直接 モデル出力に適用されます。
data_mask 30 メートル

データがない領域、マッピングされた樹木エリアの割合、処理対象外の領域を表す 3 つの値。 処理対象外の領域は、出力の生成に使用できる雲や雲の影のない データがない調査地域のピクセルです。

画像プロパティ検出

画像プロパティ検出

名前 タイプ 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、CONUS、 AK、PRUSVI、HAWAII のデータが含まれています。 使用可能な値: 'CONUS, AK, PRUSVI, HAWAII'
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 5 番目のバージョンです。

startYear INT

'プロダクトの開始年'
endYear INT

'プロダクトの終了年'
年 INT

'プロダクトの年'

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の保証を含む、明示的または黙示的な保証を行いません。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または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、そのようなものとして使用することを意図したものではありません。データと地図を使用して、公有地または私有地に存在する可能性のある所有権、所有権、法的説明、境界、法的管轄、制限を判断することはできません。 自然災害はデータや地図に描かれている場合と描かれていない場合があり、土地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を確認し、それに応じてデータを使用するのはユーザーの責任です。

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あり、追加の権限や料金なしで使用できます。これらのデータを出版物、プレゼンテーション、その他の研究プロダクトで使用する場合は、次の引用を使用してください。

米国農務省森林局。2025 年。USFS 樹木エリアの割合 v2023.5（米国本土および米国本土外）。ユタ州ソルトレイクシティ。

引用

引用:

  • 米国農務省森林局。2025 年。USFS 樹木エリアの割合 v2023.5（米国本土および米国本土外）。 ユタ州ソルトレイクシティ。

  • Breiman, L.、2001 年。 ランダム フォレスト。Machine Learning。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 と 2B MSI、Landsat-8 OLI、Landsat-7 ETM の大気上部スペクトル特性の経験的なクロスセンサー比較。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.、Gorelick, N.、2018 年。 森林破壊検出のための LandTrendr マルチスペクトル アンサンブル。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 プロダクトのクラウド検出アルゴリズムの比較と検証。Remote Sensing of Environment。 Science Direct、194: 379-390 doi:10.1016/j.rse.2017.03.026

  • Kennedy, R. E.、Yang, Z.、Cohen, W. B.、2010 年。 年間の Landsat 時系列を使用した森林破壊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。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.、Healey, S.、2018 年。 Google Earth Engine での LandTrendr アルゴリズムの実装。Remote Sensing。MDPI、 10（5）: 691 doi:10.3390/rs10050691

  • Lin, L.; Di, L.; Zhang, C.; Guo, L.; Di, Y.; Li, H.; Yang, A. 2022 年。空間的および時間的な決定木アルゴリズムを使用した農地データレイヤの検証と改良。Scientific Data。9（1）: 63. doi:10.1038/s41597-022-01169-w

  • Pasquarella, V. J.、Brown, C. F.、Czerwinski, W.、Rucklidge, W. J.、2023 年。 弱教師あり動画学習を使用した光学衛星画像の包括的な品質評価。Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition。2124-2134。 doi:10.1109/cvprw59228.2023.00206

  • Sentinel-Hub、2021 年。 Sentinel 2 Cloud Detector。[オンライン]。 https://github.com/sentinel-hub/sentinel2-cloud-detector で入手可能

  • 米国地質調査所、2019 年。USGS 3D Elevation Program Digital Elevation Model。2022 年 8 月に https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m にアクセス

  • Zhu, Z.、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。Remote Sensing of Environment。Science Direct、 118: 83-94 doi:10.1016/j.rse.2011.10.028

DOI

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/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);
コードエディタで開く
概要 米国農務省森林局（USFS）が作成した樹木エリアの割合（TCC）データ スイートは、1985 年から 2023 年までの年間のリモート センシングに基づく地図出力です。これらのデータは、Multi-Resolution Land Characteristics（MRLC）コンソーシアムの一環として米国地質調査所（USGS）が管理する National Land Cover Database（NLCD）プロジェクトをサポートしています。
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