यह डेटासेट, पब्लिशर कैटलॉग का हिस्सा है. इसे Google Earth Engine मैनेज नहीं करता है. बग की शिकायत करने के लिए, USDA Forest Service से संपर्क करें या USDA Forest Service कैटलॉग से अन्य डेटासेट देखें. पब्लिशर के डेटासेट के बारे में ज़्यादा जानें.
- कैटलॉग का मालिक
- यूएसडीए फ़ॉरेस्ट सर्विस
- डेटासेट की उपलब्धता
- 1985-06-01T00:00:00Z–2025-12-31T00:00:00Z
- डेटासेट प्रोड्यूसर
- यूएसडीए फ़ॉरेस्ट सर्विस (यूएसएफ़एस) फ़ील्ड सर्विसेज़ ऐंड इनोवेशन सेंटर जियोस्पेशल ऑफ़िस (एफ़एसआईसी-जीओ)
- टैग
ब्यौरा
ट्री कैनोपी कवर (टीसीसी) डेटा सुइट, यूनाइटेड स्टेट्स डिपार्टमेंट ऑफ़ एग्रीकल्चर, फ़ॉरेस्ट सर्विस (यूएसएफ़एस) ने तैयार किया है. यह रिमोट सेंसिंग पर आधारित मैप आउटपुट है. यह 1985 से 2025 तक का डेटा दिखाता है. यह डेटा, नैशनल लैंड कवर डेटाबेस (एनएलसीडी) प्रोजेक्ट के लिए उपलब्ध कराया जाता है. इसे यूएस जियोलॉजिकल सर्वे (यूएसजीएस) मैनेज करता है. यह मल्टी-रिज़ॉल्यूशन लैंड कैरेक्टरिस्टिक्स (एमआरएलसी) कंसोर्टियम का हिस्सा है. इस प्रोजेक्ट का मकसद, पेड़ों से ढकी जगह का एक जैसा और "सबसे अच्छा उपलब्ध" मैप बनाने के लिए, नई टेक्नोलॉजी का इस्तेमाल करना है. इस तरीके के बारे में ज़्यादा जानकारी, Heyer et al. (2025) में दी गई है. इसमें अमेरिका के मुख्य भूभाग (CONUS) और OCONUS क्षेत्र शामिल हैं. जैसे, दक्षिण-पूर्वी अलास्का (SEAK), हवाई (HI), प्योर्तो रिको, और अमेरिकन वर्जिन द्वीप समूह (PRUSVI). PRUSVI और HI v2025-6 का डेटा, 2026 की गर्मियों के आखिर में रिलीज़ किया जाएगा.
प्रॉडक्ट
टीसीसी डेटा सुइट में तीन प्रॉडक्ट शामिल हैं:
साइंस टीसीसी: मॉडल से मिले सीधे तौर पर तैयार किए गए जवाब.
विज्ञान के हिसाब से स्टैंडर्ड एरर (एसई): यह सभी रिग्रेशन ट्री से अनुमानित वैल्यू का मॉडल स्टैंडर्ड डेविएशन होता है.
एनएलसीडी टीसीसी: यह सालाना साइंस टीसीसी इमेज से तैयार किया गया बेहतर प्रॉडक्ट है. इसमें पोस्ट-प्रोसेसिंग की जाती है, ताकि साल-दर-साल होने वाले बदलावों को कम किया जा सके, लंबे समय के रुझानों को हाइलाइट किया जा सके, और कुछ खास सुविधाओं (जैसे कि पानी और बिना पेड़ वाली खेती) को छिपाया जा सके.
हर इमेज में एक डेटा मास्क बैंड शामिल होता है. इसमें तीन वैल्यू होती हैं. ये वैल्यू, डेटा न होने वाले क्षेत्र (0), मैप किए गए ट्री कैनोपी कवर (1), और नॉन-प्रोसेसिंग क्षेत्र (2) को दिखाती हैं. नॉन-प्रोसेसिंग क्षेत्र, स्टडी एरिया में ऐसे पिक्सल होते हैं जिनमें बादल या बादल की परछाई वाला डेटा नहीं होता. डेटा न होने वाले पिक्सल और नॉन-प्रोसेसिंग क्षेत्र को टीसीसी और एसई इमेज में मास्क किया जाता है.
डेटा और तरीके
हमने CONUS, SEAK, PRUSVI, और HI के लिए ट्रेनिंग डेटा और रैंडम फ़ॉरेस्ट मॉडल बनाए हैं. इसके लिए, हमने यूएसएफ़एस फ़ॉरेस्ट इन्वेंट्री ऐंड एनालिसिस (एफ़आईए) के फ़ोटो-इंटरप्रेटेड टीसीसी को रेफ़रंस डेटा के तौर पर इस्तेमाल किया है. हमने Google Earth Engine (GEE) (Gorelick et al., 2017) का इस्तेमाल किया जाता है. 3D एलिवेशन प्रोग्राम (3DEP) (यू.एस. जियोलॉजिकल सर्वे, 2019) से मिले इलाके के डेटा में ऊंचाई, ढलान, ऐस्पेक्ट का साइन, और ऐस्पेक्ट का कोसाइन शामिल है. CONUS के लिए, हमने फ़सल के डेटा लेयर (सीडीएल) को भी अनुमान लगाने वाले के तौर पर शामिल किया है (लिन वगैरह, 2022).
हमने सालाना मेडॉइड कंपोज़िट बनाने के लिए, USGS Collection 2 Landsat Tier 1 और Sentinel 2A/2B Level-1C टॉप ऑफ़ ऐटमॉस्फ़ियर रिफ़्लेक्टेंस इमेज का इस्तेमाल किया. डेटा की क्वालिटी बेहतर बनाए रखने के लिए, हमने बादलों और परछाइयों को छिपाने के लिए कई एल्गोरिदम लागू किए. इनमें cFmask (Foga et al., 2017; Zhu and Woodcock, 2012), cloudScore (Chastain et al., 2019), s2cloudless (Sentinel-Hub, 2021), Cloud Score+ (Pasquarella et al., 2023), और TDOM (Chastain et al., 2019) शामिल हैं. बादलों और परछाइयों को छिपाने के बाद, हमने सालाना मेडॉइड का हिसाब लगाया, ताकि हर साल के लिए बादलों से मुक्त एक कंपोज़िट बनाया जा सके. आखिर में, कंपोज़िट टाइम सीरीज़ को LandTrendr (Kennedy et al., 2010, 2018; Cohen et al., 2018) का इस्तेमाल करके, समय के हिसाब से सेगमेंट किया गया.
CONUS के लिए, हमने कैलिब्रेशन के लिए 70% रेफ़रंस डेटा और गड़बड़ी का आकलन करने के लिए 30% डेटा का इस्तेमाल किया. CONUS की पारिस्थितिक विविधता को देखते हुए, हमने मॉडलिंग क्षेत्र को 54 टाइलों (480 कि॰मी॰ × 480 कि॰मी॰) में बांटा है. हमने स्थानीय कंप्यूटरों पर, हर टाइल के लिए एक यूनीक रैंडम फ़ॉरेस्ट मॉडल बनाया है (Breiman, 2001). इसे रेफ़रंस डेटा पर ट्रेन किया गया है. यह डेटा, सेंटर टाइल के चारों ओर 5×5 विंडो को इंटरसेक्ट करता है. इसके बाद, इन मॉडल को GEE में डिप्लॉय किया गया, ताकि पूरे इलाके के टीसीसी का अनुमान लगाया जा सके. OCONUS क्षेत्रों के लिए, हमने 80/20 का बंटवारा किया. साथ ही, हर क्षेत्र के लिए एक रैंडम फ़ॉरेस्ट मॉडल तैयार किया.
टीसीसी के काम करने के पूरे तरीके के बारे में जानने के लिए, Heyer et al. (2025) देखें.
अन्य संसाधन
तरीकों और सटीकता के आकलन के बारे में ज़्यादा जानकारी के लिए, कृपया टीसीसी के तरीकों के बारे में खास जानकारी या रिमोट सेंसिंग के विज्ञान से जुड़ा जर्नल में प्रकाशित आर्टिकल देखें.
डेटा डाउनलोड करने, मेटाडेटा, और सहायता से जुड़े दस्तावेज़ों के लिए, कृपया TCC Geodata Clearinghouse देखें.
अगर आपको कोई सवाल पूछना है या डेटा के बारे में कोई खास अनुरोध करना है, तो SM.FS.TCC@usda.gov पर संपर्क करें.
बैंड
बैंड
पिक्सल का साइज़: 30 मीटर (सभी बैंड)
| नाम | इकाई | पिक्सल का साइज़ | ब्यौरा | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Science_Percent_Tree_Canopy_Cover |
% | 30 मीटर | मॉडल के सीधे तौर पर मिले आउटपुट का रॉ डेटा. हर पिक्सल के लिए, हर साल पेड़ों से ढकी जगह के अनुमान की औसत वैल्यू. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Science_Percent_Tree_Canopy_Cover_Standard_Error |
% | 30 मीटर | हम सभी रिग्रेशन ट्री से अनुमानित वैल्यू के स्टैंडर्ड डेविएशन को स्टैंडर्ड एरर कहते हैं. हर पिक्सल के लिए, हर साल का स्टैंडर्ड एरर होता है. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
NLCD_Percent_Tree_Canopy_Cover |
% | 30 मीटर | एनएलसीडी ट्री कैनोपी कवर बनाने के लिए, मॉडल के सीधे तौर पर मिले आउटपुट पर पोस्ट-प्रोसेसिंग वर्कफ़्लो लागू किया जाता है. यह वर्कफ़्लो, पेड़ों से ढके न होने वाले पिक्सल की पहचान करता है और ट्री कैनोपी कवर की वैल्यू को शून्य प्रतिशत पर सेट करता है. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
data_mask |
30 मीटर | तीन वैल्यू. ये वैल्यू, डेटा न होने वाले इलाकों, मैप किए गए पेड़ों से ढकी जगह, और प्रोसेसिंग न किए गए इलाके को दिखाती हैं. प्रोसेस न किए गए इलाके में, स्टडी एरिया के पिक्सल के लिए कोई क्लाउड या क्लाउड शैडो-फ़्री डेटा उपलब्ध नहीं होता है. इसलिए, यहां कोई आउटपुट नहीं मिलता है. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
इमेज प्रॉपर्टी
इमेज प्रॉपर्टी
| नाम | टाइप | ब्यौरा |
|---|---|---|
| study_area | स्ट्रिंग | फ़िलहाल, टीसीसी में CONUS, दक्षिणपूर्वी अलास्का, प्योर्तो रिको-यूएस वर्जिन आइलैंड्स, और हवाई शामिल हैं. इस वर्शन में CONUS, AK, PRUSVI, और HI का डेटा शामिल है. संभावित वैल्यू: 'CONUS', 'AK', 'PRUSVI', 'HI' |
| वर्शन | स्ट्रिंग | यह टीसीसी प्रॉडक्ट का पांचवां वर्शन है. इसे एमआरएलसी कंसोर्टियम में रिलीज़ किया गया है. यह नेशनल लैंड कवर डेटाबेस (एनएलसीडी) का हिस्सा है |
| startYear | INT | 'प्रॉडक्ट के लॉन्च होने का साल' |
| endYear | INT | 'प्रॉडक्ट के बंद होने का साल' |
| साल | INT | 'प्रॉडक्ट का साल' |
इस्तेमाल की शर्तें
इस्तेमाल की शर्तें
यूएसडीए फ़ॉरेस्ट सर्विस, किसी भी तरह की वारंटी नहीं देता है. इसमें, बिक्री के लिए उपलब्ध होने और किसी खास मकसद के लिए फ़िट होने की वारंटी भी शामिल है. साथ ही, वह इन जियोस्पेशल डेटा के सटीक, भरोसेमंद, पूरे या उपयोगी होने के लिए, किसी भी कानूनी जवाबदेही या ज़िम्मेदारी को स्वीकार नहीं करता है. इसके अलावा, वह इन जियोस्पेशल डेटा के गलत या अमान्य इस्तेमाल के लिए भी ज़िम्मेदार नहीं है. ये जियोस्पेशल डेटा और इससे जुड़े मैप या ग्राफ़िक, कानूनी दस्तावेज़ नहीं हैं. इनका इस्तेमाल कानूनी दस्तावेज़ के तौर पर नहीं किया जाना चाहिए. डेटा और मैप का इस्तेमाल, टाइटल, मालिकाना हक, कानूनी ब्यौरे या सीमाओं, कानूनी अधिकार क्षेत्र या सार्वजनिक या निजी ज़मीन पर लागू होने वाली पाबंदियों का पता लगाने के लिए नहीं किया जा सकता. ऐसा हो सकता है कि डेटा और मैप में प्राकृतिक आपदाओं को न दिखाया गया हो. इसलिए, ज़मीन का इस्तेमाल करने वाले लोगों को सावधानी बरतनी चाहिए. यह डेटा डाइनैमिक होता है और समय के साथ इसमें बदलाव हो सकता है. उपयोगकर्ता की यह ज़िम्मेदारी है कि वह भू-स्थानिक डेटा की सीमाओं की पुष्टि करे और उसके हिसाब से डेटा का इस्तेमाल करे.
इस डेटा को इकट्ठा करने के लिए, अमेरिका की सरकार से फ़ंडिंग मिली थी. इसका इस्तेमाल बिना किसी अतिरिक्त अनुमति या शुल्क के किया जा सकता है. अगर आपको इस डेटा का इस्तेमाल किसी पब्लिकेशन, प्रज़ेंटेशन या अन्य रिसर्च प्रॉडक्ट में करना है, तो कृपया यह उद्धरण इस्तेमाल करें:
यूएसडीए फ़ॉरेस्ट सर्विस. 2025. USFS Tree Canopy Cover v2025.6 (Conterminous United States and Outer Conterminous United States). सॉल्ट लेक सिटी, यूटाह.
उद्धरण
यूएसडीए फ़ॉरेस्ट सर्विस. 2025. USFS Tree Canopy Cover v2025.6 (Conterminous United States and Outer Conterminous United States). सॉल्ट लेक सिटी, यूटाह.
ब्रेमैन, एल., 2001. रैंडम फ़ॉरेस्ट. मशीन लर्निंग में. Springer, 45: 5-32 doi:10.1023/A:1010933404324
चैस्टेन, आर., हाउसमन, आई., गोल्डस्टीन, जे., फ़िंचो, एम., और टेनेसन, के., 2019. यह लेख, अमेरिका के उन सभी राज्यों के लिए है जिनकी सीमा कम से कम एक अन्य राज्य से जुड़ी हुई है. इसमें, Sentinel-2A और 2B MSI, Landsat-8 OLI, और Landsat-7 ETM के टॉप ऑफ़ ऐटमस्फ़ियर स्पेक्ट्रल की विशेषताओं की तुलना की गई है. पर्यावरण की रिमोट सेंसिंग में. Science Direct, 221: 274-285 doi:10.1016/j.rse.2018.11.012
कोहेन, डब्ल्यू॰ B., यांग ज़ेड., हीली, एस॰ P., केनेडी, आर॰ ई॰ और गोरेलिक, एन॰, 2018. जंगल में होने वाली गड़बड़ी का पता लगाने के लिए, LandTrendr मल्टीस्पेक्ट्रल एनसेंबल. पर्यावरण की रिमोट सेंसिंग में. Science Direct, 205: 131-140 doi:10.1016/j.rse.2017.11.015
फ़ोगा, एस॰, स्कारामोज़ा, पी॰एल॰, गुओ, एस., ज़ू, ज़ेड., डिले, आर॰डी॰, बेकमैन, टी., श्मिट, जी॰एल॰, ड्वायर, जे॰एल॰, एम॰जे॰ ह्यूज़, लाउ, बी., 2017. ऑपरेशनल Landsat डेटा प्रॉडक्ट के लिए, क्लाउड का पता लगाने वाले एल्गोरिदम की तुलना और पुष्टि करना. In Remote Sensing of Environment. Science Direct, 194: 379-390 doi:10.1016/j.rse.2017.03.026
हेयर, जे., के॰ श्लीवाइस, रूफ़ेनैक्ट, बी., हाउसमन, आई., ज़िक़ियांग, वाई., रयार्सन, डी., राइशमैन, जे., मेगॉन, के॰, & Bogle, M. एस॰ (2025). पेड़ों की पत्तियों से ढके क्षेत्र की सालाना मैपिंग: समय के साथ ट्रांसफ़र होने वाला नया वर्कफ़्लो और अनिश्चितता के बेहतर आकलन की सुविधा. Science of Remote Sensing, 100301. doi:10.1016/j.srs.2025.100301
केनेडी, आर॰ E., Yang, Z., and Cohen, W. B., 2010. हर साल के Landsat टाइम सीरीज़ डेटा का इस्तेमाल करके, जंगल में होने वाली गड़बड़ी और उसके ठीक होने के ट्रेंड का पता लगाना: 1. LandTrendr - Temporal segmentation algorithms. In Remote Sensing of Environment. Science Direct, 114(12): 2897-2910 doi:10.1016/j.rse.2010.07.008
केनेडी, आर., यांग ज़ेड., गोरेलिक, एन., ब्रेटन, जे., कैवलकैंट, एल., कोहेन, डब्ल्यू॰, और हीली, एस॰, 2018. Google Earth Engine पर LandTrendr एल्गोरिदम लागू किया गया. रिमोट सेंसिंग में. MDPI, 10(5): 691 doi:10.3390/rs10050691
लिन, एल॰; Di, L.; Zhang, C.; गुओ, एल.; दी, वाई.; ली, एच.; यैंग, ए॰ 2022. स्पेशल-टेम्पोरल डिसिज़न ट्री एल्गोरिदम का इस्तेमाल करके, फ़सल वाली ज़मीन के डेटा लेयर की पुष्टि करना और उसे बेहतर बनाना. वैज्ञानिक डेटा. 9(1): 63. doi:10.1038/s41597-022-01169-w
पास्क्वेरेला, वी॰ जे॰, ब्राउन, सी. F., Czerwinski, W., and Rucklidge, W. J., 2023. वीकली सुपरवाइज़्ड वीडियो लर्निंग का इस्तेमाल करके, ऑप्टिकल सैटलाइट इमेज की क्वालिटी का पूरा आकलन. आईईईई/सीवीएफ़ कॉन्फ़्रेंस ऑन कंप्यूटर विज़न ऐंड पैटर्न रिकग्निशन की कार्रवाइयों में. 2124-2134. doi:10.1109/CVPRW59228.2023.00206
Sentinel-Hub, 2021. Sentinel 2 Cloud Detector. [ऑनलाइन]. यहां उपलब्ध है: https://github.com/sentinel-hub/sentinel2-cloud-detector
यूएस जियोलॉजिकल सर्वे, 2019. USGS 3D एलिवेशन प्रोग्राम का डिजिटल एलिवेशन मॉडल. इसे अगस्त 2022 में https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m पर ऐक्सेस किया गया था
Zhu, Z., and Woodcock, C. E., 2012. Landsat की इमेज में, ऑब्जेक्ट के आधार पर बादल और बादल की परछाई का पता लगाना. पर्यावरण की रिमोट सेंसिंग में. Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028
डीओआई
- 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/10.1016/j.srs.2025.100301
- https://doi.org/10.1023/A:1010933404324
- https://doi.org/10.1038/s41597-022-01169-w
- https://doi.org/10.1109/CVPRW59228.2023.00206
- https://doi.org/10.3390/rs10050691
Earth Engine की मदद से एक्सप्लोर करें
कोड एडिटर (JavaScript)
// Import the tree canopy cover collection var dataset = ee.ImageCollection('projects/gtac-data-publish/assets/TCC/Product_Version/2025-6'); //Filter collection to year 2024 and study areas specified in list var tcc = dataset.filter(ee.Filter.calendarRange(2024, 2024,'year')) // range: [1985, 2025] .filter(ee.Filter.inList('study_area', ['AK', 'CONUS'])) // CONUS, AK, .mosaic(); // 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);