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

USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5
ความพร้อมใช้งานของชุดข้อมูล
1985-06-01T00:00:00Z–2023-09-30T00:00:00Z
ผู้ผลิตชุดข้อมูล
ตัวอย่างข้อมูล Earth Engine
ee.ImageCollection("USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5")
แท็ก
forest gtac landuse-landcover redcastle-resources usda usfs usgs

คำอธิบาย

ภาพรวม

ชุดข้อมูลการปกคลุมของเรือนยอดไม้ (TCC) ซึ่งผลิตโดยกระทรวงเกษตรของสหรัฐอเมริกา กรมป่าไม้ (USFS) เป็นผลลัพธ์ของแผนที่ที่อิงตามการรับรู้จากระยะไกลรายปีตั้งแต่ปี 1985-2023 ข้อมูลเหล่านี้สนับสนุนโปรเจ็กต์ฐานข้อมูลสิ่งปกคลุมดินแห่งชาติ (NLCD) ซึ่งได้รับการจัดการโดยสำนักงานสำรวจทางธรณีวิทยาของสหรัฐอเมริกา (USGS) ในฐานะส่วนหนึ่งของกลุ่ม Multi-Resolution Land Characteristics (MRLC) โครงการนี้มีเป้าหมายที่จะใช้เทคโนโลยีล่าสุดเพื่อสร้างแผนที่ความครอบคลุมของร่มไม้ที่สอดคล้องกันและ "ดีที่สุด" ขอบเขตทางภูมิศาสตร์รวมถึงพื้นที่สหรัฐอเมริกาภาคพื้นทวีป (CONUS) และพื้นที่ OCONUS (อลาสก้าตะวันออกเฉียงใต้ (SEAK), ฮาวาย, เปอร์โตริโก และหมู่เกาะเวอร์จินของสหรัฐอเมริกา (PRUSVI))

ผลิตภัณฑ์

ชุดข้อมูล TCC มีผลิตภัณฑ์ 3 รายการ ได้แก่

  • TCC วิทยาศาสตร์: เอาต์พุตโดยตรงแบบดิบจากโมเดล

  • ข้อผิดพลาดมาตรฐานทางวิทยาศาสตร์ (SE): ส่วนเบี่ยงเบนมาตรฐานของโมเดลของค่าที่คาดการณ์จากต้นไม้ถดถอยทั้งหมด

  • NLCD TCC: ผลิตภัณฑ์ที่ปรับปรุงแล้วซึ่งได้มาจากรูปภาพ TCC ทางวิทยาศาสตร์ประจำปี โดยจะผ่านการประมวลผลภายหลังเพื่อ ลดสัญญาณรบกวนระหว่างปี ไฮไลต์แนวโน้มระยะยาว และมาสก์ฟีเจอร์ที่เฉพาะเจาะจง (เช่น น้ำและการเกษตรที่ไม่ใช่ต้นไม้)

รูปภาพแต่ละรูปจะมีแถบมาสก์ข้อมูลที่มีค่า 3 ค่าซึ่งแสดงถึงพื้นที่ที่ไม่มีข้อมูล (0) พื้นที่ปกคลุมของร่มไม้ที่แมป(1) และพื้นที่ที่ไม่ประมวลผล (2) พื้นที่ที่ไม่มีการประมวลผลคือพิกเซลในพื้นที่ศึกษาที่ไม่มีข้อมูลเมฆหรือข้อมูลที่ไม่มีเงาเมฆ ระบบจะมาสก์พิกเซลที่ไม่มีข้อมูล และพิกเซลในพื้นที่ที่ไม่มีการประมวลผลในรูปภาพ TCC และ SE

ข้อมูลและวิธีการ

เราได้พัฒนาข้อมูลการฝึกและโมเดลป่าแบบสุ่มสำหรับ CONUS, SEAK, PRUSVI และฮาวายโดยใช้ TCC ที่ตีความจากภาพถ่ายของ Forest Inventory and Analysis (FIA) ของ USFS เป็นข้อมูลอ้างอิง เราใช้ประโยชน์จาก Google Earth Engine (GEE) (Gorelick et al., 2017) เพื่อประมวลผลตัวแปรทำนาย LandTrendr และภูมิประเทศที่ปรับแล้ว ข้อมูลภูมิประเทศจากโปรแกรมความสูง 3 มิติ (3DEP) (สำนักงานสำรวจทางธรณีวิทยาของสหรัฐอเมริกา, 2019) ประกอบด้วยความสูง ความชัน ไซน์ของแนวลาด และโคไซน์ของแนวลาด สำหรับ CONUS เรายังรวมชั้นข้อมูลพืช (CDL) เป็นตัวแปรทำนายด้วย (Lin et al., 2022)

เราใช้ภาพการสะท้อนที่ด้านบนของชั้นบรรยากาศระดับ 1C ของ Landsat Tier 1 และ Sentinel 2A/2B Collection 2 ของ USGS เพื่อสร้างภาพคอมโพสิตเมดอยด์รายปี เราใช้อัลกอริทึมต่างๆ เพื่อมาสก์เมฆและเงา รวมถึง cFmask (Foga et al., 2017; Zhu and Woodcock, 2012), cloudScore (Chastain et al., 2019), s2cloudless (Sentinel-Hub, 2021), Cloud Score+ (Pasquarella et al., 2023) และ TDOM (Chastain et al., 2019) เมื่อมาสก์แล้ว เราจะคำนวณเมดอยด์รายปีเพื่อสร้าง คอมโพสิตแบบไม่มีเมฆเดียวสำหรับแต่ละปี สุดท้ายนี้ เราได้แบ่งส่วนอนุกรมเวลาแบบคอมโพสิตตามเวลาโดยใช้ LandTrendr (Kennedy et al., 2010, 2018; Cohen et al., 2018)

สำหรับ CONUS เราใช้ข้อมูลอ้างอิง 70% สำหรับการปรับเทียบ และ 30% สำหรับการประเมินข้อผิดพลาดอิสระ เนื่องจากความหลากหลายทางนิเวศวิทยาของ CONUS เราจึงแบ่งพื้นที่การสร้างโมเดลออกเป็น 54 ไทล์ (480 กม. × 480 กม.) ในคอมพิวเตอร์ในพื้นที่ เราสร้างโมเดลป่าสุ่มที่ไม่ซ้ำกันสำหรับแต่ละไทล์ (Breiman, 2001) โดยฝึกโมเดลกับข้อมูลอ้างอิงที่ตัดกับหน้าต่างขนาด 5x5 รอบไทล์ตรงกลาง จากนั้นจึงนำโมเดลไปใช้งานใน GEE เพื่อคาดการณ์ TCC แบบครอบคลุม สําหรับภูมิภาค OCONUS เราใช้การแยก 80/20 และพัฒนาโมเดลป่าสุ่มเดียวสําหรับแต่ละภูมิภาค

แหล่งข้อมูลเพิ่มเติม

โปรดติดต่อ [sm.fs.tcc@usda.gov] หากมีคำถามหรือคำขอข้อมูลที่เฉพาะเจาะจง

ย่านความถี่

ย่านความถี่

ขนาดพิกเซล: 30 เมตร (ทุกแถบ)

ชื่อ หน่วย ขนาดพิกเซล คำอธิบาย
Science_Percent_Tree_Canopy_Cover % 30 เมตร

เอาต์พุตโมเดลโดยตรงแบบดิบ แต่ละพิกเซลมีค่าความครอบคลุมของร่มไม้ที่คาดการณ์โดยเฉลี่ย สำหรับแต่ละปี
Science_Percent_Tree_Canopy_Cover_Standard_Error % 30 เมตร

ส่วนเบี่ยงเบนมาตรฐานของค่าที่คาดการณ์จากต้นไม้ถดถอยทั้งหมดที่เราอ้างอิง เรียกว่าข้อผิดพลาดมาตรฐาน พิกเซลแต่ละรายการมีข้อผิดพลาดมาตรฐานสำหรับแต่ละปี
NLCD_Percent_Tree_Canopy_Cover % 30 เมตร

หากต้องการสร้างการปกคลุมของร่มไม้ NLCD จะมีการใช้เวิร์กโฟลว์หลังการประมวลผลกับ เอาต์พุตโมเดลโดยตรงซึ่งระบุและตั้งค่าพิกเซลที่ไม่ใช่ต้นไม้เป็น 0% ของการปกคลุมของร่มไม้

data_mask 30 เมตร

ค่า 3 ค่าที่แสดงพื้นที่ที่ไม่มีข้อมูล พื้นที่ที่ปกคลุมด้วยร่มไม้ที่แมป และพื้นที่ที่ไม่ได้ประมวลผล พื้นที่ที่ไม่มีการประมวลผลคือพื้นที่ที่พิกเซลภายในพื้นที่ศึกษาไม่มีข้อมูลที่ไม่มีเมฆหรือเงาเมฆ พร้อมใช้งานเพื่อสร้างเอาต์พุต

พร็อพเพอร์ตี้รูปภาพ

พร็อพเพอร์ตี้รูปภาพ

ชื่อ ประเภท คำอธิบาย
study_area STRING

ปัจจุบัน TCC ครอบคลุม CONUS, อะแลสกาตะวันออกเฉียงใต้, เปอร์โตริโก-หมู่เกาะเวอร์จินของสหรัฐอเมริกา และฮาวาย เวอร์ชันนี้มีข้อมูลสำหรับ CONUS, AK, PRUSVI และฮาวาย ค่าที่เป็นไปได้: "CONUS, AK, PRUSVI, HAWAII"
เวอร์ชัน STRING

นี่คือผลิตภัณฑ์ TCC เวอร์ชันที่ 5 ที่เผยแพร่ในกลุ่ม MRLC ซึ่งเป็นส่วนหนึ่งของฐานข้อมูลการปกคลุมของพื้นที่แห่งชาติ (NLCD)
startYear INT

"ปีที่เริ่มต้นของผลิตภัณฑ์"
endYear INT

"ปีที่สิ้นสุดของผลิตภัณฑ์"
ปี INT

"ปีของผลิตภัณฑ์"

ข้อกำหนดในการใช้งาน

ข้อกำหนดในการใช้งาน

กรมป่าไม้ของ USDA ไม่รับประกันทั้งโดยชัดแจ้งหรือโดยนัย ซึ่งรวมถึงการรับประกัน ความสามารถในการขายและความเหมาะสมสำหรับวัตถุประสงค์เฉพาะ และไม่รับผิดชอบทางกฎหมายหรือ ความรับผิดชอบต่อความถูกต้อง ความน่าเชื่อถือ ความสมบูรณ์ หรือประโยชน์ของข้อมูลเชิงพื้นที่เหล่านี้ หรือต่อการใช้ข้อมูลเชิงพื้นที่เหล่านี้อย่างไม่เหมาะสมหรือไม่ถูกต้อง ข้อมูลเชิงพื้นที่และ แผนที่หรือกราฟิกที่เกี่ยวข้องเหล่านี้ไม่ใช่เอกสารทางกฎหมายและไม่ได้มีวัตถุประสงค์เพื่อใช้เป็นเอกสารดังกล่าว ห้ามใช้ข้อมูลและแผนที่เพื่อกำหนดกรรมสิทธิ์ การเป็นเจ้าของ คำอธิบายทางกฎหมาย หรือขอบเขต เขตอำนาจศาล หรือข้อจำกัดที่อาจมีอยู่บนที่ดินสาธารณะหรือที่ดินส่วนบุคคล ข้อมูลและแผนที่อาจแสดงหรือไม่แสดงอันตรายจากภัยธรรมชาติ และผู้ใช้ที่ดินควรใช้ความระมัดระวัง ตามสมควร ข้อมูลมีความผันผวนและอาจเปลี่ยนแปลงเมื่อเวลาผ่านไป ผู้ใช้มีหน้าที่รับผิดชอบในการยืนยัน ข้อจำกัดของข้อมูลเชิงพื้นที่และใช้ข้อมูลตามนั้น

ข้อมูลเหล่านี้รวบรวมขึ้นโดยใช้เงินทุนจากรัฐบาลสหรัฐอเมริกา และสามารถนำไปใช้ได้ โดยไม่ต้องขอสิทธิ์เพิ่มเติมหรือเสียค่าธรรมเนียม หากคุณใช้ข้อมูลเหล่านี้ในสิ่งพิมพ์ การนำเสนอ หรือ ผลิตภัณฑ์การวิจัยอื่นๆ โปรดใช้การอ้างอิงต่อไปนี้

กรมป่าไม้ของ USDA 2025 พื้นที่ปกคลุมด้วยร่มไม้ของ USFS v2023.5 (สหรัฐอเมริกาภาคพื้นทวีปและสหรัฐอเมริกาภาคพื้นทวีปตอนนอก) ซอลต์เลกซิตี ยูทาห์

การอ้างอิง

การอ้างอิง

  • กรมป่าไม้ของ USDA 2025 พื้นที่ปกคลุมด้วยร่มไม้ของ USFS v2023.5 (สหรัฐอเมริกาภาคพื้นทวีปและสหรัฐอเมริกาภาคพื้นทวีปตอนนอก) ซอลต์เลกซิตี ยูทาห์

  • 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 ในการตรวจจับสภาพแวดล้อมจากระยะไกล 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 กลุ่มมัลติสเปกตรัม 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

  • 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

  • Lin, L.; Di, L.; Zhang, C.; Guo, L.; Di, Y.; Li, H.; Yang, A. 2022. การตรวจสอบและการปรับแต่งเลเยอร์ข้อมูลพื้นที่เพาะปลูกโดยใช้อัลกอริทึมแผนผังการตัดสินใจเชิงพื้นที่และเวลา ข้อมูลทางวิทยาศาสตร์ 9(1): 63. doi:10.3390/rs10050691

  • Pasquarella, V. J., Brown, C. F., Czerwinski, W., and Rucklidge, W. J., 2023 การประเมินคุณภาพที่ครอบคลุมของภาพจากดาวเทียมออปติคัลโดยใช้ การเรียนรู้วิดีโอแบบมีการกำกับดูแลอย่างอ่อน ใน 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 [ออนไลน์] ดูได้ที่ https://github.com/sentinel-hub/sentinel2-cloud-detector

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

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

DOI

สำรวจด้วย Earth Engine

ตัวแก้ไขโค้ด (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);
เปิดในตัวแก้ไขโค้ด
ภาพรวมชุดข้อมูลการปกคลุมของเรือนยอดไม้ (TCC) ที่ผลิตโดยกรมป่าไม้ (USFS) ของกระทรวงเกษตรแห่งสหรัฐอเมริกาเป็นผลลัพธ์ของแผนที่ที่อิงตามการรับรู้จากระยะไกลรายปีตั้งแต่ปี 1985-2023 ข้อมูลเหล่านี้สนับสนุนโปรเจ็กต์ฐานข้อมูลสิ่งปกคลุมดินแห่งชาติ (NLCD) ซึ่งได้รับการจัดการโดยสำนักงานสำรวจทางธรณีวิทยาของสหรัฐอเมริกา (USGS) ในฐานะส่วนหนึ่งของ …
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