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

USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5
데이터 세트 제공
1985-06-01T00:00:00Z–2023-09-30T00:00:00Z
데이터 세트 제공업체
Earth Engine 스니펫
ee.ImageCollection("USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5")
태그
산림 gtac 토지 이용 및 토지 피복 redcastle-resources usda usfs usgs

설명

개요

미국 농무부 산림청 (USFS)에서 제작한 수관 밀도 (TCC) 데이터 세트는 1985~2023년에 걸쳐 연간 원격 감지 기반 지도 출력입니다. 이 데이터는 다중 해상도 토지 특성 (MRLC) 컨소시엄의 일환으로 미국 지질조사국 (USGS)에서 관리하는 국토 피복 데이터베이스 (NLCD) 프로젝트를 지원합니다. 이 프로젝트는 최신 기술을 사용하여 일관된 '최고의' 트리 캐노피 지도를 만드는 것을 목표로 합니다. 지리적 범위에는 미국 본토 (CONUS) 및 OCONUS 지역 (알래스카 남동부 (SEAK), 하와이, 푸에르토리코, 미국령 버진아일랜드 (PRUSVI))이 포함됩니다.

제품

TCC 데이터 제품군에는 다음 세 가지 제품이 포함됩니다.

  • 과학 TCC: 모델의 원시 직접 출력입니다.

  • 과학 표준 오차 (SE): 모든 회귀 트리에서 예측된 값의 모델 표준 편차입니다.

  • NLCD TCC: 연간 과학 TCC 이미지에서 파생된 정제된 제품입니다. 연간 노이즈를 줄이고 장기 추세를 강조하며 특정 기능 (예: 물과 나무가 아닌 농업)을 마스크하기 위해 후처리를 거칩니다.

각 이미지에는 데이터가 없는 영역 (0), 매핑된 나무 덮개(1), 처리되지 않은 영역 (2)을 나타내는 세 가지 값이 있는 데이터 마스크 밴드가 포함됩니다. 처리되지 않은 영역은 연구 영역에서 구름이나 구름 그림자가 없는 데이터가 있는 픽셀입니다. 데이터가 없고 처리되지 않은 영역 픽셀은 TCC 및 SE 이미지에서 마스크 처리됩니다.

데이터 및 방법

미국 산림청(USFS) 산림 재고 및 분석(FIA) 사진 해석 TCC를 참조 데이터로 사용하여 미국 본토, SEAK, PRUSVI, 하와이의 학습 데이터와 무작위 포리스트 모델을 개발했습니다. Google Earth Engine (GEE)(Gorelick et al., 2017)를 사용하여 적합한 LandTrendr 및 지형 예측 변수를 처리합니다. 3D 고도 프로그램 (3DEP)(U.S. Geological Survey, 2019)의 지형 데이터에는 고도, 경사, 경사면의 사인, 경사면의 코사인이 포함됩니다. 미국 본토의 경우 작물 데이터 레이어 (CDL)도 예측 변수로 포함했습니다 (Lin et al., 2022).

USGS Collection 2 Landsat Tier 1 및 Sentinel 2A/2B Level-1C 대기 상부 반사율 이미지를 활용하여 연간 메도이드 컴포지트를 생성했습니다. 데이터 품질을 보장하기 위해 cFmask (Foga et al., 2017; Zhu and Woodcock, 2012), cloudScore (Chastain et al., 2019), s2cloudless (Sentinel-Hub, 2021), Cloud Score+ (Pasquarella 외, 2023) 및 TDOM (Chastain et al., 2019년). 마스크 처리 후 연간 메도이드를 계산하여 연도별로 단일 클라우드 없는 컴포지트를 생성했습니다. 마지막으로, 합성 시계열은 LandTrendr(Kennedy et al., 2010, 2018; Cohen et al., 2018년).

미국 본토의 경우 참조 데이터의 70% 를 보정에 사용하고 30% 를 독립적인 오류 평가에 사용했습니다. 미국 본토의 생태학적 다양성을 고려하여 모델링 영역을 54개의 타일 (480km × 480km)로 나누었습니다. 로컬 컴퓨터에서 각 타일에 대해 고유한 랜덤 포레스트 모델 (Breiman, 2001)을 빌드하고 중심 타일 주변의 5×5 창과 교차하는 참조 데이터로 학습시켰습니다. 그런 다음 모델을 GEE에 배포하여 전체 TCC를 예측했습니다. 미국 외 지역의 경우 80/20 분할을 사용하고 각 지역에 대해 단일 랜덤 포레스트 모델을 개발했습니다.

추가 리소스

궁금한 점이나 특정 데이터 요청이 있으면 [sm.fs.tcc@usda.gov] 로 문의하세요.

대역

픽셀 크기
30m

밴드

이름 단위 픽셀 크기 설명
Science_Percent_Tree_Canopy_Cover % 미터

원시 직접 모델 출력입니다. 각 픽셀에는 연도별 평균 예측 트리 캐노피 범위 값이 있습니다.
Science_Percent_Tree_Canopy_Cover_Standard_Error % 미터

참조하는 모든 회귀 트리의 예측 값의 표준 편차를 표준 오차라고 합니다. 각 픽셀에는 연도별 표준 오류가 있습니다.
NLCD_Percent_Tree_Canopy_Cover % 미터

NLCD 수관 밀도를 생성하기 위해 나무가 없는 픽셀 값을 0% 수관 밀도로 식별하고 설정하는 후처리 워크플로가 직접 모델 출력에 적용됩니다.

data_mask 미터

데이터가 없는 영역, 매핑된 나무 덮개, 처리되지 않은 영역을 나타내는 세 가지 값입니다. 비처리 영역은 연구 영역 내 픽셀에 출력을 생성하는 데 사용할 수 있는 구름 또는 구름 그림자 없는 데이터가 없는 영역입니다.

이미지 속성

이미지 속성

이름 유형 설명
study_area 문자열

TCC는 현재 미국 본토, 알래스카 남동부, 푸에르토리코-미국령 버진아일랜드, 하와이를 지원합니다. 이 버전에는 미국 본토, 알래스카, 푸에르토리코/미국령 버진아일랜드, 하와이의 데이터가 포함되어 있습니다. 가능한 값: 'CONUS, AK, PRUSVI, HAWAII'
version 문자열

이것은 국토 피복 데이터베이스 (NLCD)의 일부인 MRLC 컨소시엄에서 출시된 TCC 제품의 다섯 번째 버전입니다.
startYear INT

'제품의 시작 연도'
endYear INT

'제품의 종료 연도'
년 INT

'제품의 연도'

이용약관

이용약관

USDA 산림청은 상품성 및 특정 목적에 대한 적합성 보증을 포함하여 명시적 또는 묵시적 보증을 하지 않으며, 이러한 지리 공간 데이터의 정확성, 신뢰성, 완전성 또는 유용성 또는 이러한 지리 공간 데이터의 부적절하거나 잘못된 사용에 대해 법적 책임이나 책임을 지지 않습니다. 이러한 지리 공간 데이터와 관련 지도 또는 그래픽은 법적 문서가 아니며 법적 문서로 사용하기 위한 것이 아닙니다. 데이터와 지도는 소유권, 소유자, 법적 설명 또는 경계, 법적 관할권 또는 공공 또는 사유지에 적용될 수 있는 제한사항을 확인하는 데 사용할 수 없습니다. 자연 재해가 데이터와 지도에 묘사될 수도 있고 그렇지 않을 수도 있으므로 토지 사용자는 적절한 주의를 기울여야 합니다. 데이터는 동적이며 시간이 지남에 따라 변경될 수 있습니다. 사용자는 지리 공간 데이터의 제한사항을 확인하고 그에 따라 데이터를 사용할 책임이 있습니다.

이 데이터는 미국 정부의 지원을 받아 수집되었으며 추가 권한이나 수수료 없이 사용할 수 있습니다. 간행물, 프레젠테이션 또는 기타 연구 제품에 이 데이터를 사용하는 경우 다음 인용을 사용하세요.

USDA 산림청 4월 USFS 트리 캐노피 범위 v2023.5(미국 본토 및 미국 본토 외 지역) 솔트레이크시티, 유타주

인용

인용:

  • USDA 산림청 4월 USFS 트리 캐노피 범위 v2023.5(미국 본토 및 미국 본토 외 지역) 솔트레이크시티, 유타주

  • Breiman, L., 2001. 랜덤 포레스트 머신러닝 Springer, 45: 5~32 doi:10.1023/A:1010933404324

  • Chastain, R., Housman, I., Goldstein, J., Finco, M., and Tenneson, K., 2019년. 미국 본토에서 Sentinel-2A 및 2B MSI, Landsat-8 OLI, Landsat-7 ETM 대기권 상단 스펙트럼 특성의 실증적 교차 센서 비교 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., and Gorelick, N., 2018년. 산림 교란 감지를 위한 LandTrendr 다중 스펙트럼 앙상블입니다. 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. 운영 Landsat 데이터 제품의 구름 감지 알고리즘 비교 및 검증 In Remote Sensing of Environment. Science Direct, 194: 379-390 doi:10.1016/j.rse.2017.03.026

  • Kennedy, R. E., Yang, Z., Cohen, W. B., 2010. 연간 Landsat 시계열을 사용한 산림 교란 및 회복 추세 감지: 1. LandTrendr - 시간 세분화 알고리즘입니다. 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., and Healey, S., 2018년. Google Earth Engine에서 LandTrendr 알고리즘 구현 원격 감지 MDPI, 10(5): 691 doi:10.3390/rs10050691

  • Lin, L.; Di, L.; Zhang, C.; Guo, L.; Di, Y.; Li, H.; Yang, A. 2022년. 시공간 의사 결정 트리 알고리즘을 사용한 농지 데이터 레이어의 검증 및 개선 과학 데이터 9(1): 63. doi:10.3390/rs10050691

  • Pasquarella, V. J., Brown, C. F., Czerwinski, W., and Rucklidge, W. J., 2023. Comprehensive Quality Assessment of Optical Satellite Imagery Using Weakly Supervised Video Learning. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2124~2134. doi:10.1109/cvprw59228.2023.00206

  • Sentinel-Hub, 2021. Sentinel 2 Cloud Detector [온라인]. 링크: https://github.com/sentinel-hub/sentinel2-cloud-detector

  • U.S. Geological Survey, 2019. USGS 3D Elevation Program Digital Elevation Model, 2022년 8월에 https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m에서 액세스함

  • Zhu, Z., and Woodcock, C. E., 2012. Landsat 이미지의 객체 기반 구름 및 구름 그림자 감지 In Remote Sensing of Environment. Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028

DOI

Earth Engine으로 탐색

코드 편집기(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);
코드 편집기에서 열기
개요 미국 농무부 산림청 (USFS)에서 제작한 수관 밀도 (TCC) 데이터 세트는 1985년부터 2023년까지의 연간 원격 감지 기반 지도 출력입니다. 이 데이터는 미국 지질조사국 (USGS)에서 관리하는 전국 토지 피복 데이터베이스 (NLCD) 프로젝트를 지원합니다.
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