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

USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5
Phạm vi cung cấp tập dữ liệu
1985-06-01T00:00:00Z–2023-09-30T00:00:00Z
Nhà sản xuất tập dữ liệu
Đoạn mã Earth Engine
ee.ImageCollection("USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5")
Thẻ
rừng
gtac
landuse-landcover
redcastle-resources
usda
usfs
usgs

Mô tả

Tổng quan

Bộ dữ liệu về Độ che phủ của tán cây (TCC) do Cục Lâm nghiệp (USFS) thuộc Bộ Nông nghiệp Hoa Kỳ sản xuất là các sản phẩm bản đồ dựa trên hoạt động viễn thám hằng năm từ năm 1985 đến năm 2023. Những dữ liệu này hỗ trợ dự án Cơ sở dữ liệu quốc gia về độ che phủ đất (NLCD) do Cục Khảo sát địa chất Hoa Kỳ (USGS) quản lý trong khuôn khổ liên minh Đặc điểm đất đa độ phân giải (MRLC). Dự án này nhằm mục đích sử dụng công nghệ mới nhất để tạo ra một bản đồ nhất quán và "tốt nhất có thể" về độ che phủ của tán cây. Phạm vi địa lý bao gồm Lục địa Hoa Kỳ (CONUS) và các khu vực OCONUS (Đông Nam Alaska (SEAK), Hawaii, Puerto Rico và Quần đảo Virgin thuộc Hoa Kỳ (PRUSVI)).

Sản phẩm

Bộ dữ liệu TCC bao gồm 3 sản phẩm:

  • TCC khoa học: Đầu ra thô, trực tiếp từ mô hình.

  • Sai số chuẩn khoa học (SE): Độ lệch chuẩn của mô hình đối với các giá trị được dự đoán từ tất cả các cây hồi quy.

  • NLCD TCC: Một sản phẩm tinh chỉnh được lấy từ hình ảnh TCC khoa học hằng năm. Sản phẩm này trải qua quá trình xử lý hậu kỳ để giảm nhiễu giữa các năm, làm nổi bật các xu hướng dài hạn và che các đối tượng cụ thể (chẳng hạn như nước và nông nghiệp không phải là cây).

Mỗi hình ảnh đều có một dải mặt nạ dữ liệu có 3 giá trị đại diện cho các vùng không có dữ liệu (0), độ che phủ tán cây được lập bản đồ(1) và vùng không xử lý (2). Vùng không xử lý là những pixel trong vùng nghiên cứu không có dữ liệu không có mây hoặc bóng mây. Các pixel không có dữ liệu và vùng không xử lý được che trong hình ảnh TCC và SE.

Dữ liệu và phương pháp

Chúng tôi đã phát triển dữ liệu huấn luyện và các mô hình rừng ngẫu nhiên cho CONUS, SEAK, PRUSVI và HAWAII bằng cách sử dụng TCC được diễn giải bằng ảnh của Phân tích và kiểm kê rừng (FIA) của USFS làm dữ liệu tham chiếu. Chúng tôi đã tận dụng Google Earth Engine (GEE) (Gorelick và cộng sự, 2017) để xử lý LandTrendr đã điều chỉnh và các yếu tố dự đoán địa hình. Dữ liệu địa hình từ Chương trình độ cao 3D (3DEP) (Cục Khảo sát địa chất Hoa Kỳ, 2019) bao gồm độ cao, độ dốc, sin của hướng và cosin của hướng. Đối với CONUS, chúng tôi cũng đưa Lớp dữ liệu cây trồng (CDL) vào làm yếu tố dự đoán (Lin và cộng sự, 2022).

Chúng tôi đã sử dụng hình ảnh phản xạ trên cùng của khí quyển Cấp 1 của Sentinel 2A/2B và Cấp 1 của Landsat Collection 2 của USGS để tạo ra các thành phần trung bình hằng năm. Để đảm bảo chất lượng dữ liệu, chúng tôi đã áp dụng nhiều thuật toán để che mây và bóng, bao gồm cFmask (Foga và cộng sự, 2017; Zhu và Woodcock, 2012), cloudScore (Chastain và cộng sự, 2019), s2cloudless (Sentinel-Hub, 2021), Cloud Score+ (Pasquarella và cộng sự, 2023) và TDOM (Chastain và cộng sự, 2019). Sau khi che, chúng tôi đã tính toán các thành phần trung bình hằng năm để tạo ra một thành phần duy nhất không có mây cho mỗi năm. Cuối cùng, chuỗi thời gian thành phần được phân đoạn theo thời gian bằng LandTrendr (Kennedy và cộng sự, 2010, 2018; Cohen và cộng sự, 2018).

Đối với CONUS, chúng tôi đã sử dụng 70% dữ liệu tham chiếu để hiệu chỉnh và 30% để đánh giá lỗi độc lập. Do sự đa dạng về hệ sinh thái của CONUS, chúng tôi đã chia khu vực mô hình hoá thành 54 ô (480 km × 480 km). Trên máy tính cục bộ, chúng tôi đã xây dựng một mô hình rừng ngẫu nhiên riêng biệt cho từng ô (Breiman, 2001), huấn luyện mô hình này dựa trên dữ liệu tham chiếu giao nhau với cửa sổ 5×5 xung quanh ô trung tâm. Sau đó, các mô hình này được triển khai trong GEE để dự đoán TCC từ đầu đến cuối. Đối với các khu vực OCONUS, chúng tôi sử dụng tỷ lệ phân chia 80/20 và phát triển một mô hình rừng ngẫu nhiên duy nhất cho mỗi khu vực.

Tài nguyên khác

Hãy liên hệ với [sm.fs.tcc@usda.gov] nếu bạn có câu hỏi hoặc yêu cầu cụ thể về dữ liệu.

Băng tần

Băng tần

Kích thước pixel: 30 mét (tất cả các dải tần)

Tên Đơn vị Kích thước pixel Mô tả
Science_Percent_Tree_Canopy_Cover % 30 mét

Đầu ra thô của mô hình trực tiếp. Mỗi pixel có một giá trị trung bình dự đoán về độ che phủ tán cây cho mỗi năm.
Science_Percent_Tree_Canopy_Cover_Standard_Error % 30 mét

Độ lệch chuẩn của các giá trị được dự đoán từ tất cả các cây hồi quy mà chúng ta gọi là sai số chuẩn. Mỗi pixel đều có sai số chuẩn cho từng năm.
NLCD_Percent_Tree_Canopy_Cover % 30 mét

Để tạo độ che phủ tán cây NLCD, quy trình xử lý hậu kỳ được áp dụng cho đầu ra của mô hình trực tiếp, xác định và đặt giá trị pixel không phải cây thành 0% độ che phủ tán cây.

data_mask 30 mét

Ba giá trị đại diện cho các khu vực không có dữ liệu, tỷ lệ bao phủ của tán cây được liên kết và khu vực không xử lý. Khu vực không xử lý là nơi các pixel trong khu vực nghiên cứu không có dữ liệu không có mây hoặc bóng mây để tạo ra đầu ra.

Thuộc tính hình ảnh

Thuộc tính hình ảnh

Tên Loại Mô tả
study_area STRING

TCC hiện bao gồm Hoa Kỳ lục địa, Đông Nam Alaska, Puerto Rico – Quần đảo Virgin thuộc Hoa Kỳ và Hawaii. Phiên bản này chứa dữ liệu cho CONUS, AK, PRUSVI và HAWAII. Các giá trị có thể là: "CONUS, AK, PRUSVI, HAWAII"
version STRING

Đây là phiên bản thứ năm của sản phẩm TCC được phát hành trong liên minh MRLC, thuộc Cơ sở dữ liệu quốc gia về độ che phủ đất (NLCD)
startYear SLC

"Năm bắt đầu của sản phẩm"
endYear SLC

"Năm kết thúc của sản phẩm"
năm SLC

"Năm sản xuất sản phẩm"

Điều khoản sử dụng

Điều khoản sử dụng

Cục Lâm nghiệp Hoa Kỳ không đưa ra bất kỳ sự đảm bảo nào, dù là rõ ràng hay ngụ ý, bao gồm cả sự đảm bảo về khả năng bán được và tính phù hợp cho một mục đích cụ thể, cũng như không chịu bất kỳ trách nhiệm pháp lý nào về tính chính xác, độ tin cậy, tính đầy đủ hoặc tính hữu ích của dữ liệu không gian địa lý này, hoặc về việc sử dụng dữ liệu không gian địa lý này không đúng cách hoặc không chính xác. Dữ liệu không gian địa lý này và các bản đồ hoặc đồ hoạ liên quan không phải là tài liệu pháp lý và không nhằm mục đích sử dụng như vậy. Dữ liệu và bản đồ có thể không được dùng để xác định quyền sở hữu, quyền sở hữu, nội dung mô tả hoặc ranh giới pháp lý, quyền tài phán pháp lý hoặc các hạn chế có thể được áp dụng đối với đất công hoặc đất tư nhân. Các mối nguy hiểm tự nhiên có thể xuất hiện hoặc không xuất hiện trên dữ liệu và bản đồ, đồng thời người sử dụng đất phải hết sức thận trọng. Dữ liệu có tính linh hoạt và có thể thay đổi theo thời gian. Người dùng có trách nhiệm xác minh các hạn chế của dữ liệu không gian địa lý và sử dụng dữ liệu cho phù hợp.

Những dữ liệu này được thu thập bằng nguồn vốn của Chính phủ Hoa Kỳ và có thể được sử dụng mà không cần có thêm quyền hoặc trả thêm phí. Nếu bạn sử dụng những dữ liệu này trong một ấn phẩm, bản trình bày hoặc sản phẩm nghiên cứu khác, vui lòng sử dụng thông tin trích dẫn sau:

Cục Lâm nghiệp Hoa Kỳ. 2025. Tỷ lệ bao phủ của tán cây theo USFS phiên bản 2023.5 (Hoa Kỳ lục địa và Hoa Kỳ lục địa hải ngoại). Salt Lake City, Utah.

Trích dẫn

Trích dẫn:

  • Cục Lâm nghiệp Hoa Kỳ. 2025. Tỷ lệ bao phủ của tán cây theo USFS phiên bản 2023.5 (Hoa Kỳ lục địa và Hoa Kỳ lục địa hải ngoại). Salt Lake City, Utah.

  • Breiman, L., 2001. Rừng ngẫu nhiên. Trong công nghệ học máy. Springer, 45: 5-32 doi:10.1023/A:1010933404324

  • Chastain, R., Housman, I., Goldstein, J., Finco, M., và Tenneson, K., 2019. So sánh thực nghiệm giữa các cảm biến của MSI Sentinel-2A và 2B, OLI Landsat-8 và ETM Landsat-7 về đặc điểm quang phổ đỉnh khí quyển trên khắp Hoa Kỳ lục địa. Trong phương pháp Viễn thám môi trường. Science Direct, 221: 274-285 doi:10.1016/j.rse.2018.11.012

  • Cohen, W. B., Yang, Z., Healey, S. P., Kennedy, R. E., và Gorelick, N., 2018. Một tổ hợp đa phổ LandTrendr để phát hiện tình trạng xáo trộn rừng. Trong phần Cảm biến từ xa về môi trường. 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. So sánh và xác thực thuật toán phát hiện đám mây cho các sản phẩm dữ liệu Landsat hoạt động. Trong Remote Sensing of Environment. Science Direct, 194: 379-390 doi:10.1016/j.rse.2017.03.026

  • Kennedy, R. E., Yang, Z. và Cohen, W. B., 2010. Phát hiện xu hướng về tình trạng suy thoái và phục hồi rừng bằng cách sử dụng chuỗi thời gian Landsat hằng năm: 1. LandTrendr – Thuật toán phân đoạn theo thời gian. Trong 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. và Healey, S., 2018. Triển khai thuật toán LandTrendr trên Google Earth Engine. Trong lĩnh vực Viễn thám. MDPI, 10(5): 691 doi:10.3390/rs10050691

  • Lin, L.; Di, L.; Zhang, C.; Guo, L.; Di, Y.; Li, H.; Yang, A. 2022. Xác thực và tinh chỉnh lớp dữ liệu đất trồng bằng thuật toán cây quyết định không gian-thời gian. Dữ liệu khoa học. 9(1): 63. doi:10.1038/s41597-022-01169-w

  • Pasquarella, V. J., Brown, C. F., Czerwinski, W. và Rucklidge, W. J., 2023. Đánh giá toàn diện chất lượng hình ảnh vệ tinh quang học bằng phương pháp học video có giám sát yếu. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2124-2134. doi:10.1109/cvprw59228.2023.00206

  • Sentinel-Hub, 2021. Trình phát hiện đám mây Sentinel 2. [Trực tuyến]. Có tại: https://github.com/sentinel-hub/sentinel2-cloud-detector

  • Cục Khảo sát Địa chất Hoa Kỳ, 2019. Mô hình độ cao kỹ thuật số của Chương trình độ cao 3D của Cục Khảo sát Địa chất Hoa Kỳ, truy cập vào tháng 8 năm 2022 tại https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m

  • Zhu, Z. và Woodcock, C. E., 2012. Phát hiện đám mây và bóng mây dựa trên đối tượng trong hình ảnh Landsat. Trong phần Cảm biến từ xa về môi trường. Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028

DOI

Khám phá bằng Earth Engine

Trình chỉnh sửa mã (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);
Mở trong Trình soạn thảo mã
Tổng quan Bộ dữ liệu về độ che phủ của tán cây (TCC) do Cục Lâm nghiệp (USFS) thuộc Bộ Nông nghiệp Hoa Kỳ sản xuất là các đầu ra bản đồ hằng năm dựa trên hoạt động viễn thám từ năm 1985 đến năm 2023. Những dữ liệu này hỗ trợ dự án Cơ sở dữ liệu quốc gia về độ che phủ đất (NLCD) do Cục Khảo sát Địa chất Hoa Kỳ (USGS) quản lý trong khuôn khổ …
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