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

資料集開放期間

1985-06-01T00:00:00Z–2023-09-30T00:00:00Z

資料集產生者

美國農業部林務署 (USFS) 現場服務與創新中心地理空間辦公室 (FSIC-GO)

Earth Engine 程式碼片段

ee.ImageCollection("USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5")

標記

forest gtac landuse-landcover redcastle-resources usda usfs usgs

說明

總覽

樹冠層覆蓋 (TCC) 資料套件由美國農業部森林局 (USFS) 製作，是 1985 年至 2023 年的年度遙測地圖輸出內容。這些資料支援美國地質調查局 (USGS) 管理的「全國土地覆蓋資料庫」(NLCD) 計畫，該計畫是「多重解析度土地特徵」(MRLC) 聯盟的一部分。這項計畫的目標是運用最新技術，建立一致的「最佳可用」樹冠覆蓋地圖。 地理範圍包括美國本土 (CONUS) 和 OCONUS 地區 (阿拉斯加東南部 (SEAK)、夏威夷、 波多黎各和美屬維京群島 (PRUSVI))。

產品

TCC 資料套件包含三項產品：

• 科學 TCC：模型直接輸出的原始結果。

• 科學標準誤 (SE)：所有迴歸樹預測值的模型標準差。

• NLCD TCC：從年度科學 TCC 圖像衍生而來的精細產品。這項資料會經過後續處理，以減少年際噪音、凸顯長期趨勢，並遮蓋特定特徵 (例如水和非樹木農業)。

每張圖片都包含資料遮罩波段，其中有三個值分別代表無資料區域 (0)、已對應的樹冠覆蓋範圍(1) 和非處理區域 (2)。非處理區域是指研究區域中沒有雲朵或無雲陰影資料的像素。在 TCC 和 SE 圖像中，系統會遮蓋沒有資料和非處理區域的像素。

資料和方法

我們使用 USFS Forest Inventory and Analysis (FIA) 經照片解讀的 TCC 做為參考資料，為美國本土、東南阿拉斯加、波多黎各和美屬維京群島，以及夏威夷開發訓練資料和隨機森林模型。我們運用 Google Earth Engine (GEE) (Gorelick et al., 2017 年) 來處理已調整的 LandTrendr 和地形預測因子。3D 高程計畫 (3DEP) (美國地質調查局，2019 年) 的地形資料包括海拔、坡度、坡向正弦值和坡向餘弦值。對於美國本土，我們也納入作物資料層 (CDL) 做為預測因子 (Lin 等人，2022 年)。

我們使用 USGS Collection 2 Landsat Tier 1 和 Sentinel 2A/2B Level-1C 大氣層頂端反射率影像，製作年度中位數合成影像。為確保資料品質，我們套用各種演算法來遮蓋雲朵和陰影，包括 cFmask (Foga 等人，2017; Zhu and Woodcock, 2012)、cloudScore (Chastain et al., 2019)、s2cloudless (Sentinel-Hub，2021 年)、 Cloud Score+ (Pasquarella 等人，2023)，以及 TDOM (Chastain 等人，2019)。遮蓋雲層後，我們計算出每年中位數，製作出每年一張無雲的合成影像。最後，使用 LandTrendr (Kennedy 等人，2010, 2018; Cohen et al., 2018)。

在美國本土，我們使用 70% 的參考資料進行校正，30% 的參考資料則用於獨立的錯誤評估。考量到美國本土的生態多樣性，我們將建模區域劃分為 54 個圖塊 (480 公里 × 480 公里)。我們在每部本機電腦上，為每個圖塊建立專屬的隨機森林模型 (Breiman，2001)，並以與中心圖塊周圍 5×5 視窗相交的參照資料訓練模型。接著在 GEE 中部署模型，預測整個牆面的 TCC。對於美國境外地區，我們採用 80/20 的分割比例，並為每個地區開發單一隨機森林模型。

其他資源

• 如要詳細瞭解方法和準確度評估，請參閱「TCC 方法簡介」或「遙感科學期刊文章」。

• 如要下載資料、中繼資料和支援文件，請前往 TCC Geodata Clearinghouse。

• 在即將發布的 2025.6 版資料中，字串「HAWAII」將更新為「HI」。

如有任何問題或特定資料要求，請傳送電子郵件至 [[e-mail]]。

頻帶

波段

像素大小：30 公尺 (所有頻帶)

名稱	單位	像素大小	說明
Science_Percent_Tree_Canopy_Cover	%	30 公尺	直接模型輸出的原始資料。每個像素都有每年預測的平均樹冠覆蓋值。
Science_Percent_Tree_Canopy_Cover_Standard_Error	%	30 公尺	我們將所有迴歸樹的預測值標準差稱為標準誤。每個像素都有每年的標準誤差。
NLCD_Percent_Tree_Canopy_Cover	%	30 公尺	為產生 NLCD 樹冠覆蓋資料，我們會對直接模型輸出內容套用後續處理工作流程，找出非樹木的像素值並設為 0% 樹冠覆蓋率。
data_mask		30 公尺	三個值，分別代表沒有資料的區域、已對應的樹冠覆蓋範圍，以及非處理區域。 非處理區域是指研究區域內的像素沒有可用的無雲或無雲影資料，因此無法產生輸出內容。
data_mask 的位元遮罩 位元 0-1：三個值，分別代表無資料區域、對應的樹冠層覆蓋範圍，以及非處理區域。 0：沒有資料 1：樹冠覆蓋率地圖 2：非處理區域

圖片屬性

影像屬性

名稱	類型	說明
study_area	STRING	TCC 目前涵蓋美國本土、阿拉斯加東南部、波多黎各、美屬維京群島和夏威夷。這個版本包含美國本土、阿拉斯加、波多黎各、美屬維京群島和夏威夷的資料。可能的值：「CONUS, AK, PRUSVI, HAWAII」
版本	STRING	這是 MRLC 聯盟發布的第五個 TCC 產品版本，屬於全國土地覆蓋資料庫 (NLCD) 的一部分。
startYear	INT	「產品開始年份」
endYear	INT	「產品的結束年份」
年	INT	「產品年份」

使用條款

使用條款

美國農業部林務署不提供任何明示或默示擔保，包括適售性和特定用途適用性的擔保，也不對這些地理空間資料的準確性、可靠性、完整性或實用性，或對這些地理空間資料的不當或錯誤使用承擔任何法律責任或義務。這些地理空間資料和相關地圖或圖像並非法律文件，也不應做為法律文件使用。資料和地圖不得用於判斷公共或私人土地的權利、所有權、法律說明或界線、法律管轄權，或可能存在的限制。資料和地圖可能不會顯示天然災害，土地使用者應謹慎行事。資料是動態的，可能會隨時間改變。使用者有責任確認地理空間資料的限制，並據此使用資料。

這些資料是使用美國政府的資金收集而來，可免費使用，不需額外權限。如要在出版品、簡報或其他研究產品中使用這些資料，請引用下列內容：

美國農業部林業局。2025 年。USFS 樹冠覆蓋率 v2023.5 (美國本土和美國本土外)。猶他州鹽湖城。

參考資料

參考資料：

• 美國農業部林業局。2025 年。美國森林局樹冠覆蓋率 v2023.5 (美國本土和美國本土以外地區)。 猶他州鹽湖城。

• Breiman, L.、2001 年。 隨機森林。機器學習。Springer， 45：5-32 doi:10.1023/A:1010933404324

• Chastain, R.、Housman, I.、Goldstein, J.、Finco, M. 和 Tenneson, K.，2019 年。 美國本土上空大氣層頂端的光譜特徵，在 Sentinel-2A 和 2B MSI、Landsat-8 OLI，以及 Landsat-7 ETM 之間進行實證跨感應器比較。In 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. 和 Gorelick, N.，2018 年。 用於森林干擾偵測的 LandTrendr 多光譜集合。In 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。比較和驗證雲端偵測演算法，適用於作業 Landsat 資料產品。In Remote Sensing of Environment. Science Direct, 194: 379-390 doi:10.1016/j.rse.2017.03.026

• Kennedy, R. E.、Yang, Z. 和 Cohen, W. B. 2010 年。 使用 Landsat 每年時間序列資料偵測森林干擾和復原趨勢：1. LandTrendr - 時間區隔演算法。In 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. 和 Healey, S.，2018 年。 在 Google Earth Engine 上實作 LandTrendr 演算法。在遙感中，MDPI, 10(5): 691 doi:10.3390/rs10050691

• Lin, L.；Di, L.；Zhang, C.；Guo, L.；Di, Y.；Li, H.；Yang, A. 2022 年。使用時空決策樹演算法，驗證並修正農地資料層。Scientific Data。9(1): 63. doi:10.3390/rs10050691

• Pasquarella, V. J.、Brown, C. F.、Czerwinski, W. 和 Rucklidge, W. J. 2023 年。Comprehensive Quality Assessment of Optical Satellite Imagery Using Weakly Supervised Video Learning. 收錄於 IEEE/CVF 電腦視覺與模式辨識會議論文集。2124-2134. doi:10.1109/cvprw59228.2023.00206

• Sentinel-Hub，2021 年。 Sentinel 2 Cloud Detector。[線上]。 網址：https://github.com/sentinel-hub/sentinel2-cloud-detector

• 美國地質調查局，2019 年。USGS 3D Elevation Program Digital Elevation Model，2022 年 8 月存取自 https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m

• Zhu, Z. 和 Woodcock, C. E.、2012 年。在 Landsat 影像中偵測雲朵和雲影。In Remote Sensing of Environment. Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028

DOI

• https://doi.org/10.1016/j.rse.2010.07.008
• https://doi.org/10.1016/j.rse.2011.10.028
• https://doi.org/10.1016/j.rse.2017.03.026
• https://doi.org/10.1016/j.rse.2017.11.015
• https://doi.org/10.1016/j.rse.2018.11.012
• https://doi.org/10.1023/A:1010933404324
• https://doi.org/10.1038/s41597-022-01169-w
• https://doi.org/10.3390/rs10050691

使用 Earth Engine 探索

重要事項： Earth Engine 平台可對地理空間資料集進行 PB 等級的科學分析和圖表/影像作業，適合用於促進公共福祉，或供企業和政府使用。 Earth Engine 可免費用於研究、教育和非營利用途。如有意使用，請申請 Earth Engine 權限。

程式碼編輯器 (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);

在程式碼編輯器開啟

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

總覽美國農業部森林局 (USFS) 製作的樹冠層覆蓋 (TCC) 資料套件，是 1985 年至 2023 年的年度遙測地圖輸出內容。這些資料支援美國地質調查局 (USGS) 管理的「全國土地覆蓋資料庫」(NLCD) 專案，這是…

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

• https://doi.org/10.3390/rs10050691
• https://doi.org/10.3390/rs10050691