Trang này được dịch bởi Cloud Translation API.

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

Phạm vi cung cấp tập dữ liệu: 1985-06-01T00:00:00Z–2023-09-30T00:00:00Z
Nhà cung cấp tập dữ liệu: Văn phòng không gian địa lý của Trung tâm dịch vụ và đổi mới tại hiện trường (FSIC-GO) thuộc Cục Lâm nghiệp Hoa Kỳ (USFS)

Thẻ: forest gtac landuse-landcover redcastle-resources usda usfs usgs

Mô tả

Sản phẩm này là một phần của bộ dữ liệu Độ che phủ tán cây (TCC). Trong đó có TCC được mô hình hoá, sai số chuẩn (SE) và dữ liệu TCC của Cơ sở dữ liệu quốc gia về độ che phủ đất (NLCD) cho từng năm. Dữ liệu về TCC do Bộ Nông nghiệp Hoa Kỳ, Cục Lâm nghiệp (USFS) sản xuất được đưa vào liên minh Đặc điểm đất đai có nhiều độ phân giải (MRLC) thuộc dự án Cơ sở dữ liệu quốc gia về độ che phủ đất (NLCD) do Cơ quan Khảo sát Địa chất Hoa Kỳ (USGS) quản lý.

Sản phẩm TCC khoa học và TCC NLCD là đầu ra bản đồ dựa trên hoạt động viễn thám do USFS tạo ra. Mục tiêu của TCC Science và NLCD TCC là phát triển một phương pháp nhất quán bằng cách sử dụng công nghệ và tiến bộ mới nhất trong việc lập bản đồ TCC để tạo ra một bản đồ "tốt nhất có thể" về TCC trên khắp Hoa Kỳ lục địa (CONUS) và Đông Nam Alaska, Hawaii và Puerto Rico – Quần đảo Virgin thuộc Hoa Kỳ (OCONUS). Dữ liệu OCONUS phiên bản 2023.5 sẽ được phát hành vào cuối mùa hè năm 2025. Hiện tại, bạn có thể sử dụng dữ liệu TCC OCONUS phiên bản 2021.4 (USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4).

Đầu ra của mô hình bao gồm Science TCC, Science SE và NLCD TCC từ năm 1985 đến năm 2023.

*Science TCC là kết quả thô của mô hình trực tiếp.

*Science SE là độ lệch chuẩn mô hình của các giá trị được dự đoán từ tất cả các cây hồi quy.

*Sản phẩm NLCD TCC trải qua quá trình xử lý hậu kỳ bổ sung đối với hình ảnh TCC khoa học hằng năm, bao gồm một số hoạt động che phủ (nông nghiệp không phải cây và nước), cũng như các quy trình giúp giảm nhiễu giữa các năm và trả về xu hướng có thời lượng dài hơn.

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

Do kích thước của CONUS và sự đa dạng của các vùng chuyển tiếp sinh thái, mô hình hoá CONUS được chia thành 54 ô có kích thước 480x480 km. Đối với mỗi ô, một mô hình rừng ngẫu nhiên riêng biệt được xây dựng bằng cách sử dụng LandTrendr, CDL và dữ liệu địa hình được trang bị năm 2011. Tất cả dữ liệu tham chiếu thuộc 70% dữ liệu có sẵn để hiệu chỉnh mô hình (các ô giao nhau trong cửa sổ 5x5 xung quanh ô trung tâm) đều được dùng để huấn luyện mô hình rừng ngẫu nhiên. Sau đó, mô hình đó được áp dụng cho ô trung tâm. Đối với OCONUS, một mô hình được áp dụng cho từng khu vực nghiên cứu và không sử dụng ô.

Các lớp dự đoán cho mô hình TCC bao gồm đầu ra từ LandTrendr và thông tin về địa hình. Tất cả các thành phần này đều được truy cập và xử lý bằng Google Earth Engine (Gorelick và cộng sự, 2017).

Để tạo ảnh tổng hợp hằng năm cho LandTrendr, chúng tôi đã sử dụng dữ liệu về hệ số phản xạ ở đỉnh khí quyển Cấp 1C của Landsat Cấp 1 và Sentinel 2A, 2B Collection 2 của USGS. Thuật toán che mây cFmask (Foga và cộng sự, 2017), đây là một phiên bản triển khai của Fmask 2.0 (Zhu và Woodcock, 2012) (chỉ Landsat), cloudScore (Chastain và cộng sự, 2019) (chỉ Landsat) và s2cloudless (Sentinel-Hub, 2021) (chỉ Sentinel 2) được dùng để che mây, trong khi TDOM (Chastain và cộng sự, 2019) được dùng để che bóng mây (Landsat và Sentinel 2). Đối với LandTrendr, hệ thống sẽ tính toán medoid hằng năm để tóm tắt các giá trị không có mây và bóng mây của từng năm thành một hình ảnh tổng hợp duy nhất.

Chuỗi thời gian tổng hợp được phân đoạn theo thời gian bằng LandTrendr (Kennedy và cộng sự, 2010; Kennedy et al., 2018; Cohen et al., 2018).

Các giá trị tổng hợp thô, giá trị phù hợp LandTrendr, chênh lệch theo cặp, thời lượng phân đoạn, độ lớn thay đổi và độ dốc, cùng với độ cao, độ dốc, sin của hướng và cosin của hướng từ USGS 3D 10 m. Dữ liệu Chương trình độ cao (3DEP) (Cục Khảo sát địa chất Hoa Kỳ, 2019) được dùng làm các biến dự đoán độc lập trong mô hình Rừng ngẫu nhiên (Breiman, 2001).

Dữ liệu tham chiếu được thu thập từ dữ liệu TCC được diễn giải bằng ảnh của Phân tích và kiểm kê rừng (FIA) của USFS, đồng thời được dùng để đưa ra dự đoán TCC từ đầu đến cuối theo từng pixel.

Tài nguyên khác

Vui lòng xem Tài liệu tóm tắt về các phương pháp của TCC để biết thêm thông tin chi tiết về các phương pháp và đánh giá độ chính xác, hoặc Trung tâm dữ liệu địa lý của TCC để tải dữ liệu, siêu dữ liệu và tài liệu hỗ trợ.

Dữ liệu của AK, PRUSVI và HI sẽ được phát hành vào cuối mùa hè năm 2025. Dữ liệu TCC v2021.4 đã phát hành trước đó của AK, PRUSVI và HI có sẵn (USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4)

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

Băng tần

Kích thước pixel
30 mét

Băng tần

Tên	Đơn vị	Kích thước pixel	Mô tả
`Science_Percent_Tree_Canopy_Cover`	%	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`	%	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`	%	mét	Để tạo độ che phủ tán cây NLCD, quy trình xử lý hậu kỳ được áp dụng cho đầu ra trực tiếp của mô hình. Quy trình này xác định và đặt giá trị pixel không có cây thành 0% độ che phủ tán cây.
`data_mask`		mét	Ba giá trị đại diện cho các khu vực không có dữ liệu, khu vực có tán cây được lập bản đồ 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.
Mặt nạ bit cho data_mask Bit 0-1: 3 giá trị đại diện cho các khu vực không có dữ liệu, tán cây được lập bản đồ và khu vực không xử lý. 0: Không có dữ liệu 1: Tỷ lệ bao phủ của tán cây trên bản đồ 2: Khu vực không xử lý

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 có CONUS. Dữ liệu cho SEAK, PRUSVI và HI sẽ được phát hành vào cuối mùa hè năm 2025. Giá trị có thể là: "CONUS"
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 bảo đảm (dù rõ ràng hay ngụ ý), bao gồm cả việc bảo đảm khả năng thương mại và tính phù hợp cho một mục đích cụ thể, cũng như không chịu trách nhiệm pháp lý hoặc trách nhiệm đối với tính chính xác, độ tin cậy, tính hoàn chỉnh hoặc tính hữu ích của dữ liệu không gian địa lý này, hoặc đối với việc sử dụng dữ liệu không gian địa lý này không đúng cách hoặc không chính xác. Những dữ liệu không gian địa lý và bản đồ hoặc đồ hoạ liên quan này không phải là tài liệu pháp lý và không được dùng làm tài liệu pháp lý. Bạn không được sử dụng dữ liệu và bản đồ để xác định danh hiệu, quyền sở hữu, nội dung mô tả hoặc ranh giới pháp lý, phạm vi tài phán pháp lý hoặc các quy định hạn chế có thể áp dụng cho đất công hoặc đất tư nhân. Dữ liệu và bản đồ có thể mô tả hoặc không mô tả các mối nguy hiểm tự nhiên, đồng thời người dùng đất cần thận trọng. Dữ liệu này mang tính linh hoạt và có thể thay đổi theo thời gian. Người dùng chịu trách nhiệm xác minh các giới hạn 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). Thành phố Salt Lake, Utah.

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). Thành phố Salt Lake, 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 Sentinel-2A và 2B MSI, Landsat-8 OLI và Landsat-7 ETM về đặc điểm quang phổ ở phần trên cùng của khí quyển trên khắp Hoa Kỳ lục địa. Trong phương pháp Cảm biến từ xa về 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 lĩnh vực Viễn thám 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 đang hoạt động. Trong Remote Sensing of Environment. Science Direct, 194: 379-390 doi:10.1016/j.rse.2017.03.026
Cơ quan 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
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
Sentinel-Hub, 2021. Trình phát hiện đám mây Sentinel 2. [Trực tuyến]. Có tại: https://github.com/sentinel-hub/sentinel2-cloud-detector
Zhu, Z. và Woodcock, C. E., 2012. Phát hiện đám mây và bóng mây dựa trên đối tượng trong hình ảnh Landsat. Trong lĩnh vực Viễn thám môi trường. Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028

DOI

Khám phá bằng Earth Engine

Trình soạn thảo 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"')  
               .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

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

Sản phẩm này là một phần của bộ dữ liệu Độ che phủ tán cây (TCC). Trong đó có TCC được mô hình hoá, sai số chuẩn (SE) và dữ liệu TCC của Cơ sở dữ liệu quốc gia về độ che phủ đất (NLCD) cho từng năm. Dữ liệu về TCC do Cục Lâm nghiệp (USFS) thuộc Bộ Nông nghiệp Hoa Kỳ tạo ra được đưa vào Lớp phủ đất có nhiều độ phân giải…

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

https://developers.google.com/earth-engine/datasets