- डेटासेट की उपलब्धता
- 1985-06-01T00:00:00Z–2023-09-30T00:00:00Z
- डेटासेट उपलब्ध करवाने वाली कंपनी
- USDA Forest Service (USFS) Field Services and Innovation Center Geospatial Office (FSIC-GO)
- टैग
ब्यौरा
खास जानकारी
ट्री कैनोपी कवर (टीसीसी) डेटा सुइट, यूनाइटेड स्टेट्स डिपार्टमेंट ऑफ़ ऐग्रीकल्चर, फ़ॉरेस्ट सर्विस (यूएसएफ़एस) ने तैयार किया है. ये रिमोट सेंसिंग पर आधारित मैप के सालाना आउटपुट हैं. ये 1985 से 2023 तक के हैं. 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. इसमें अमेरिका के मुख्य भूभाग (CONUS) और OCONUS क्षेत्र शामिल हैं. जैसे, दक्षिण-पूर्वी अलास्का (SEAK), हवाई, प्योर्तो रिको, और अमेरिकन वर्जिन द्वीप समूह (PRUSVI).
प्रॉडक्ट
टीसीसी डेटा सुइट में तीन प्रॉडक्ट शामिल हैं:
साइंस टीसीसी: मॉडल से मिले रॉ और डायरेक्ट आउटपुट.
विज्ञान के हिसाब से स्टैंडर्ड एरर (एसई): सभी रिग्रेशन ट्री से अनुमानित वैल्यू का मॉडल स्टैंडर्ड डेविएशन.
एनएलसीडी टीसीसी: यह एक बेहतर प्रॉडक्ट है. इसे सालाना साइंस टीसीसी इमेज से बनाया जाता 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 इलाकों (0), मैप किए गए ट्री कैनोपी कवर(1), और नॉन-प्रोसेसिंग एरिया (2) को दिखाती हैं. प्रोसेस न किए गए क्षेत्र, स्टडी एरिया में मौजूद ऐसे पिक्सल होते हैं जिनमें बादल या बादल की परछाई वाला डेटा नहीं होता. टीसीसी और एसई इमेज में, डेटा और नॉन-प्रोसेसिंग एरिया पिक्सल को मास्क नहीं किया जाता.
डेटा और तरीके
हमने CONUS, SEAK, PRUSVI, और HAWAII के लिए ट्रेनिंग डेटा और रैंडम फ़ॉरेस्ट मॉडल तैयार किए हैं. इसके लिए, हमने यूएसएफ़एस फ़ॉरेस्ट इन्वेंट्री ऐंड एनालिसिस (एफ़आईए) के फ़ोटो-इंटरप्रेटेड टीसीसी को रेफ़रंस डेटा के तौर पर इस्तेमाल किया है. We leveraged Google Earth Engine (GEE) (Gorelick et al., 2017) का इस्तेमाल किया जाता है. 3D एलिवेशन प्रोग्राम (3DEP) (U.S. Geological Survey, 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 को बेहतर बनाने 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). मास्क करने के बाद, हमने सालाना मेडॉइड का हिसाब लगाया, ताकि हर साल के लिए बिना बादल वाला एक कंपोज़िट बनाया जा सके. आखिर में, कंपोज़िट टाइम सीरीज़ को LandTrendr का इस्तेमाल करके समय के हिसाब से सेगमेंट किया गया (Kennedy et al., 2010, 2018; Cohen et al., 2018).
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 (ब्रायमन, 2001). हमने इसे रेफ़रंस डेटा पर ट्रेन किया. 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 क्षेत्र के लिए टीसीसी का अनुमान लगाया जा सके. OCONUS क्षेत्रों के लिए, हमने 80/20 का बंटवारा किया और हर क्षेत्र के लिए एक रैंडम फ़ॉरेस्ट मॉडल तैयार किया.
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 लेख देखें.
डेटा डाउनलोड करने, मेटाडेटा, और सहायता से जुड़े दस्तावेज़ों के लिए, कृपया TCC Geodata Clearinghouse देखें.
आने वाले समय में, v2025.6 डेटा रिलीज़ में HAWAII स्ट्रिंग को HI में अपडेट कर दिया जाएगा.
अगर आपका कोई सवाल है या आपको किसी खास डेटा का अनुरोध करना है, तो [sm.fs.tcc@usda.gov] पर संपर्क करें.
बैंड
पिक्सल का साइज़
30 मीटर
बैंड
| नाम | इकाइयां | पिक्सल का साइज़ | ब्यौरा | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Science_Percent_Tree_Canopy_Cover |
% | मीटर | सीधे तौर पर मॉडल से मिले आउटपुट. हर पिक्सल के लिए, हर साल पेड़ों से ढकी जगह की अनुमानित वैल्यू का औसत होता है. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Science_Percent_Tree_Canopy_Cover_Standard_Error |
% | मीटर | हम रिग्रेशन ट्री से अनुमानित वैल्यू के स्टैंडर्ड डेविएशन को स्टैंडर्ड एरर कहते हैं. हर पिक्सल के लिए, हर साल की स्टैंडर्ड गड़बड़ी होती है. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
NLCD_Percent_Tree_Canopy_Cover |
% | मीटर | NLCD 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 हुए पिक्सल की पहचान करता है और उनकी वैल्यू को शून्य प्रतिशत ट्री कैनोपी कवर पर सेट करता है. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
data_mask |
मीटर | तीन वैल्यू, जो डेटा न होने वाले क्षेत्रों, मैप किए गए ट्री कैनोपी कवर, और नॉन-प्रोसेसिंग क्षेत्र को दिखाती हैं. नॉन-प्रोसेसिंग एरिया वह जगह होती है जहां स्टडी एरिया में मौजूद पिक्सल के लिए, आउटपुट जनरेट करने के लिए बादल या बादल की छाया से मुक्त डेटा उपलब्ध नहीं होता. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
इमेज की प्रॉपर्टी
इमेज प्रॉपर्टी
| नाम | टाइप | ब्यौरा |
|---|---|---|
| study_area | स्ट्रिंग | फ़िलहाल, टीसीसी की सुविधा CONUS, दक्षिणपूर्वी अलास्का, प्योर्तो रिको-यूएस वर्जिन आइलैंड्स, और हवाई में उपलब्ध है. इस वर्शन में, CONUS, AK, PRUSVI, और HAWAII का डेटा शामिल है. संभावित वैल्यू: 'CONUS, AK, PRUSVI, HAWAII' |
| वर्शन | स्ट्रिंग | यह टीसीसी प्रॉडक्ट का पांचवां वर्शन है. इसे MRLC 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' |
| वर्ष | INT | 'प्रॉडक्ट का साल' |
इस्तेमाल की शर्तें
इस्तेमाल की शर्तें
यूएसडीए फ़ॉरेस्ट सर्विस, किसी भी तरह की गारंटी नहीं देता है. इसमें, किसी खास मकसद के लिए बिक्री और फ़िटनेस की गारंटी 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 इस्तेमाल के लिए भी ज़िम्मेदार नहीं है. ये जियोस्पेशल डेटा और इनसे 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 सीमाएं, कानूनी अधिकार क्षेत्र या सार्वजनिक या निजी ज़मीन पर लागू होने वाली पाबंदियां तय करने 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 डेटा का इस्तेमाल उसी के मुताबिक करे.
इस डेटा को अमेरिका की सरकार से मिले फ़ंड का इस्तेमाल करके इकट्ठा किया गया था. 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 इस उद्धरण का इस्तेमाल करें:
यूएसडीए फ़ॉरेस्ट सर्विस. 2025. USFS Tree Canopy Cover v2023.5 (Conterminous United States and Outer Conterminous United States). सॉल्ट लेक सिटी, यूटाह.
उद्धरण
यूएसडीए फ़ॉरेस्ट सर्विस. 2025. USFS Tree Canopy Cover v2023.5 (Conterminous United States and Outer Conterminous United States). सॉल्ट लेक सिटी, यूटाह.
ब्रेमन, एल., 2001. रैंडम फ़ॉरेस्ट. मशीन लर्निंग में. Springer, 45: 5-32 doi:10.1023/A:1010933404324
चैस्टेन, आर., हौसमैन, आई., गोल्डस्टीन, जे., फ़िंचो, एम॰, और टेनेसन, के॰, 2019. सेंटिनल-2A और 2B MSI, Landsat-8 OLI, और Landsat-7 ETM के सेंसर की तुलना. यह तुलना, संयुक्त राज्य अमेरिका के उन सभी राज्यों के लिए की गई है जिनकी सीमा कम से कम एक अन्य राज्य से जुड़ी हुई है. इसमें, वायुमंडल के ऊपरी हिस्से की स्पेक्ट्रल विशेषताओं के आधार पर 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., ज़ियाओयांग, हीली, एस॰ P., केनेडी, आर॰ ई॰ और गोरेलिक, एन॰, 2018. जंगल में होने वाली गड़बड़ियों 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., स्कारामूज़ा, पी॰एल॰, गुओ, एस., ज़ु ज़ु, डिले, आर॰डी॰, बेकमैन, टी., श्मिट, जी॰एल॰, ड्वायर, जे॰एल॰, एम॰जे॰ ह्यूज़, लाउ, बी., 2017. क्लाउड 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
केनेडी, आर॰ E., Yang, Z., and Cohen, W. B., 2010. हर साल Landsat टाइम सीरीज़ 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., ज़ियाओयांग, 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-टेंपोरल 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:10.3390/rs10050691
पास्क्वेरेला, वी॰ जे॰, ब्राउन, सी॰ F., ज़र्विनस्की, डब्ल्यू॰, और रक्लज, डब्ल्यू॰ 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/10.1023/A:1010933404324
- https://doi.org/10.1038/s41597-022-01169-w
- 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('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);