หน้านี้ได้รับการแปลโดย Cloud Translation API

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

ความพร้อมใช้งานของชุดข้อมูล: 1985-06-01T00:00:00Z–2023-09-30T00:00:00Z
ผู้ให้บริการชุดข้อมูล: USDA Forest Service (USFS) Field Services and Innovation Center Geospatial Office (FSIC-GO)

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

คำอธิบาย

ภาพรวม

ชุดข้อมูลการปกคลุมของเรือนยอดไม้ (TCC) ซึ่งผลิตโดยกระทรวงเกษตรของสหรัฐอเมริกา กรมป่าไม้ (USFS) เป็นผลลัพธ์ของแผนที่ที่อิงตามการรับรู้จากระยะไกลรายปีตั้งแต่ปี 1985-2023 ข้อมูลเหล่านี้สนับสนุนโครงการฐานข้อมูลสิ่งปกคลุมดินแห่งชาติ (NLCD) ซึ่งสำรวจทางธรณีวิทยาของสหรัฐอเมริกา (USGS) เป็นผู้จัดการในฐานะส่วนหนึ่งของกลุ่ม Multi-Resolution Land Characteristics (MRLC) โปรเจ็กต์นี้มีเป้าหมายที่จะใช้เทคโนโลยีล่าสุดเพื่อสร้างแผนที่ความครอบคลุมของร่มไม้ที่สอดคล้องกันและ "ดีที่สุด" ขอบเขตทางภูมิศาสตร์รวมถึงทวีปอเมริกาเหนือ (CONUS) และภูมิภาค OCONUS (อลาสก้าตะวันออกเฉียงใต้ (SEAK), ฮาวาย, เปอร์โตริโก และหมู่เกาะเวอร์จินของสหรัฐอเมริกา (PRUSVI))

ผลิตภัณฑ์

ชุดข้อมูล TCC มีผลิตภัณฑ์ 3 รายการ ได้แก่

TCC ทางวิทยาศาสตร์: เอาต์พุตโดยตรงแบบดิบจากโมเดล
ข้อผิดพลาดมาตรฐานทางวิทยาศาสตร์ (SE): ส่วนเบี่ยงเบนมาตรฐานของโมเดลของค่าที่คาดการณ์จากต้นไม้ถดถอยทั้งหมด
NLCD TCC: ผลิตภัณฑ์ที่ปรับปรุงแล้วซึ่งได้มาจากรูปภาพ TCC ทางวิทยาศาสตร์ประจำปี โดยจะผ่านการประมวลผลภายหลังเพื่อ ลดสัญญาณรบกวนระหว่างปี ไฮไลต์แนวโน้มระยะยาว และมาสก์ฟีเจอร์ที่เฉพาะเจาะจง (เช่น น้ำและเกษตรกรรมที่ไม่ใช่ต้นไม้)

รูปภาพแต่ละรูปจะมีแถบมาสก์ข้อมูลที่มีค่า 3 ค่าซึ่งแสดงถึงพื้นที่ที่ไม่มีข้อมูล (0) พื้นที่ปกคลุมของร่มไม้ที่แมป(1) และพื้นที่ที่ไม่ได้ประมวลผล (2) พื้นที่ที่ไม่มีการประมวลผลคือพิกเซลในพื้นที่ศึกษาที่ไม่มีข้อมูลเมฆหรือข้อมูลที่ไม่มีเงาเมฆ ระบบจะมาสก์พิกเซลที่ไม่มีข้อมูลและพิกเซลในพื้นที่ที่ไม่มีการประมวลผลในรูปภาพ TCC และ SE

ข้อมูลและวิธีการ

เราได้พัฒนาข้อมูลการฝึกและโมเดลป่าแบบสุ่มสำหรับ CONUS, SEAK, PRUSVI และ HAWAII โดยใช้ TCC ที่ตีความจากภาพถ่ายของ USFS Forest Inventory and Analysis (FIA) เป็นข้อมูลอ้างอิง เราใช้ประโยชน์จาก Google Earth Engine (GEE) (Gorelick et al., 2017) เพื่อประมวลผลตัวแปรทำนาย LandTrendr และภูมิประเทศที่ปรับแล้ว ข้อมูลภูมิประเทศจากโปรแกรมความสูง 3 มิติ (3DEP) (สำนักงานสำรวจทางธรณีวิทยาของสหรัฐอเมริกา, 2019) ประกอบด้วยความสูง ความชัน ไซน์ของแนวลาด และโคไซน์ของแนวลาด สำหรับ CONUS เรายังรวมชั้นข้อมูลพืช (CDL) เป็นตัวแปรทำนายด้วย (Lin et al., 2022)

เราใช้ภาพสะท้อนที่ด้านบนของชั้นบรรยากาศจาก Landsat Tier 1 ของ USGS Collection 2 และ Sentinel 2A/2B ระดับ 1C เพื่อ สร้างภาพคอมโพสิตแบบเมดอยด์รายปี เราใช้อัลกอริทึมต่างๆ เพื่อปกปิดเมฆและเงา รวมถึง cFmask (Foga et al., 2017; Zhu and Woodcock, 2012), cloudScore (Chastain et al., 2019), s2cloudless (Sentinel-Hub, 2021), Cloud Score+ (Pasquarella et al., 2023) และ TDOM (Chastain et al., 2019) เมื่อมาสก์แล้ว เราจะคำนวณเมดอยด์รายปีเพื่อสร้าง คอมโพสิตแบบไม่มีเมฆเดียวสำหรับแต่ละปี สุดท้ายนี้ เราได้แบ่งส่วนอนุกรมเวลาแบบคอมโพสิตตามเวลาโดยใช้ LandTrendr (Kennedy et al., 2010, 2018; Cohen et al., 2018)

สำหรับ CONUS เราใช้ข้อมูลอ้างอิง 70% สำหรับการปรับเทียบ และ 30% สำหรับการประเมินข้อผิดพลาดอิสระ เนื่องจากความหลากหลายทางนิเวศวิทยาของ CONUS เราจึงแบ่งพื้นที่การสร้างโมเดลออกเป็น 54 ไทล์ (480 กม. × 480 กม.) ในคอมพิวเตอร์ในพื้นที่ เราสร้างโมเดลป่าสุ่มที่ไม่ซ้ำกันสำหรับแต่ละไทล์ (Breiman, 2001) โดยฝึกโมเดลกับข้อมูลอ้างอิงที่ตัดกับหน้าต่างขนาด 5×5 รอบไทล์ตรงกลาง จากนั้นจึงนำโมเดลไปใช้งานใน GEE เพื่อคาดการณ์ TCC แบบครอบคลุม สำหรับภูมิภาค OCONUS เราใช้การแยก 80/20 และพัฒนาโมเดลป่าสุ่มเดียวสำหรับแต่ละภูมิภาค

แหล่งข้อมูลเพิ่มเติม

โปรดดูข้อมูลโดยละเอียดเกี่ยวกับวิธีการและการประเมินความถูกต้องในสรุปวิธีการของ TCC หรือบทความในวารสาร Science of Remote Sensing
โปรดดูศูนย์แลกเปลี่ยนข้อมูลทางภูมิศาสตร์ของ TCC เพื่อดาวน์โหลดข้อมูล ข้อมูลเมตา และเอกสารสนับสนุน
เราจะอัปเดตสตริง HAWAII เป็น HI ในการเผยแพร่ข้อมูล v2025.6 ที่กำลังจะมาถึง

โปรดติดต่อ [sm.fs.tcc@usda.gov] หากมีคำถามหรือคำขอข้อมูลที่เฉพาะเจาะจง

ย่านความถี่

ขนาดพิกเซล
30 เมตร

ย่านความถี่

ชื่อ	หน่วย	ขนาดพิกเซล	คำอธิบาย
`Science_Percent_Tree_Canopy_Cover`	%	เมตร	เอาต์พุตโมเดลโดยตรงแบบดิบ แต่ละพิกเซลมีค่าความครอบคลุมของร่มไม้ที่คาดการณ์โดยเฉลี่ย สำหรับแต่ละปี
`Science_Percent_Tree_Canopy_Cover_Standard_Error`	%	เมตร	ส่วนเบี่ยงเบนมาตรฐานของค่าที่คาดการณ์จากต้นไม้ถดถอยทั้งหมดที่เราอ้างอิง เรียกว่าข้อผิดพลาดมาตรฐาน พิกเซลแต่ละรายการมีความคลาดเคลื่อนมาตรฐานสำหรับแต่ละปี
`NLCD_Percent_Tree_Canopy_Cover`	%	เมตร	หากต้องการสร้างการปกคลุมของร่มไม้ NLCD จะมีการใช้เวิร์กโฟลว์หลังการประมวลผลกับ เอาต์พุตโมเดลโดยตรงซึ่งระบุและตั้งค่าพิกเซลที่ไม่ใช่ต้นไม้เป็น 0% ของการปกคลุมของร่มไม้
`data_mask`		เมตร	ค่า 3 ค่าที่แสดงพื้นที่ที่ไม่มีข้อมูล พื้นที่ที่ปกคลุมด้วยร่มไม้ที่แมป และพื้นที่ที่ไม่ได้ประมวลผล พื้นที่ที่ไม่มีการประมวลผลคือพื้นที่ที่พิกเซลภายในพื้นที่ศึกษาไม่มีข้อมูลที่ไม่มีเมฆหรือไม่มีเงาเมฆ พร้อมใช้งานเพื่อสร้างเอาต์พุต
บิตมาสก์สำหรับ data_mask บิต 0-1: ค่า 3 ค่าที่แสดงพื้นที่ที่ไม่มีข้อมูล พื้นที่ที่ร่มไม้ครอบคลุมที่แมป และพื้นที่ที่ไม่ได้ประมวลผล 0: ไม่มีข้อมูล 1: พื้นที่ที่ร่มไม้ครอบคลุมที่ทำแผนที่ 2: พื้นที่ที่ไม่ใช่พื้นที่ประมวลผล

พร็อพเพอร์ตี้รูปภาพ

พร็อพเพอร์ตี้รูปภาพ

ชื่อ	ประเภท	คำอธิบาย
study_area	STRING	ปัจจุบัน TCC ครอบคลุม CONUS, อะแลสกาตะวันออกเฉียงใต้, เปอร์โตริโก-หมู่เกาะเวอร์จินของสหรัฐอเมริกา และฮาวาย เวอร์ชันนี้มีข้อมูลสำหรับ CONUS, AK, PRUSVI และฮาวาย ค่าที่เป็นไปได้: "CONUS, AK, PRUSVI, HAWAII"
เวอร์ชัน	STRING	นี่คือผลิตภัณฑ์ TCC เวอร์ชันที่ 5 ที่เผยแพร่ในกลุ่ม MRLC ซึ่งเป็นส่วนหนึ่งของฐานข้อมูลการปกคลุมของพื้นที่แห่งชาติ (NLCD)
startYear	INT	"ปีที่เริ่มต้นของผลิตภัณฑ์"
endYear	INT	"ปีที่ผลิตภัณฑ์สิ้นสุด"
ปี	INT	"ปีของผลิตภัณฑ์"

ข้อกำหนดในการใช้งาน

ข้อกำหนดในการใช้งาน

กรมป่าไม้ของ USDA ไม่รับประกันทั้งโดยชัดแจ้งหรือโดยนัย ซึ่งรวมถึงการรับประกัน ความสามารถในการขายและความเหมาะสมสำหรับวัตถุประสงค์เฉพาะ และไม่รับผิดชอบทางกฎหมายหรือ ความรับผิดชอบต่อความถูกต้อง ความน่าเชื่อถือ ความสมบูรณ์ หรือประโยชน์ของข้อมูลเชิงพื้นที่เหล่านี้ หรือต่อการใช้ข้อมูลเชิงพื้นที่เหล่านี้อย่างไม่เหมาะสมหรือไม่ถูกต้อง ข้อมูลเชิงพื้นที่และ แผนที่หรือกราฟิกที่เกี่ยวข้องเหล่านี้ไม่ใช่เอกสารทางกฎหมายและไม่ได้มีวัตถุประสงค์เพื่อใช้เป็นเอกสารดังกล่าว คุณไม่สามารถใช้ข้อมูลและแผนที่เพื่อกำหนดชื่อ กรรมสิทธิ์ คำอธิบายทางกฎหมาย หรือขอบเขต เขตอำนาจศาล หรือข้อจำกัดที่อาจมีอยู่ในที่ดินสาธารณะหรือที่ดินส่วนบุคคล ข้อมูลและแผนที่อาจแสดงหรืออาจไม่แสดงอันตรายจากธรรมชาติ และผู้ใช้ที่ดินควรใช้ความระมัดระวัง ตามสมควร ข้อมูลมีความผันผวนและอาจเปลี่ยนแปลงเมื่อเวลาผ่านไป ผู้ใช้มีหน้าที่รับผิดชอบในการยืนยัน ข้อจำกัดของข้อมูลเชิงพื้นที่และใช้ข้อมูลตามนั้น

ข้อมูลเหล่านี้รวบรวมขึ้นโดยใช้เงินทุนจากรัฐบาลสหรัฐอเมริกา และสามารถนำไปใช้ได้ โดยไม่ต้องขอสิทธิ์หรือเสียค่าธรรมเนียมเพิ่มเติม หากคุณใช้ข้อมูลเหล่านี้ในสิ่งพิมพ์ งานนำเสนอ หรือ ผลิตภัณฑ์การวิจัยอื่นๆ โปรดใช้การอ้างอิงต่อไปนี้

USDA Forest Service 2025 พื้นที่ปกคลุมด้วยร่มไม้ของ USFS v2023.5 (สหรัฐอเมริกาภาคพื้นทวีปและสหรัฐอเมริกาภาคพื้นทวีปตอนนอก) ซอลต์เลกซิตี ยูทาห์

การอ้างอิง

USDA Forest Service 2025 พื้นที่ปกคลุมด้วยร่มไม้ของ USFS v2023.5 (สหรัฐอเมริกาภาคพื้นทวีปและสหรัฐอเมริกาภาคพื้นทวีปตอนนอก) ซอลต์เลกซิตี ยูทาห์
Breiman, L., 2001 Random Forests ในแมชชีนเลิร์นนิง Springer, 45: 5-32 doi:10.1023/A:1010933404324
Chastain, R., Housman, I., Goldstein, J., Finco, M., and Tenneson, K., 2019 การเปรียบเทียบเซ็นเซอร์ข้ามกันเชิงประจักษ์ของ MSI ของ Sentinel-2A และ 2B, OLI ของ Landsat-8 และ ETM ของ Landsat-7 ลักษณะสเปกตรัมที่ด้านบนของชั้นบรรยากาศเหนือสหรัฐอเมริกาที่อยู่ติดกัน ใน 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., 2018 กลุ่มมัลติสเปกตรัม LandTrendr สำหรับการตรวจหาการรบกวนป่า ในการสำรวจระยะไกลของ สิ่งแวดล้อม 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 การเปรียบเทียบและการตรวจสอบอัลกอริทึมการตรวจหาเมฆ สำหรับผลิตภัณฑ์ข้อมูล Landsat ที่ใช้งานได้ ใน Remote Sensing of Environment Science Direct, 194: 379-390 doi:10.1016/j.rse.2017.03.026
Kennedy, R. E., Yang, Z., and Cohen, W. B., 2010 การตรวจหาแนวโน้มการรบกวนและการฟื้นตัวของป่าโดยใช้ชุดข้อมูลอนุกรมเวลา Landsat รายปี: 1. LandTrendr - อัลกอริทึมการแบ่งกลุ่มตามเวลา ใน 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. และ Healey, S., 2018 การติดตั้งใช้งานอัลกอริทึม LandTrendr ใน Google Earth Engine ในการรับรู้จากระยะไกล MDPI, 10(5): 691 doi:10.3390/rs10050691
Lin, L.; Di, L.; Zhang, C.; Guo, L.; Di, Y.; Li, H.; Yang, A. 2022 การตรวจสอบและการปรับแต่งเลเยอร์ข้อมูลพื้นที่เพาะปลูก โดยใช้อัลกอริทึมแผนผังการตัดสินใจเชิงพื้นที่และเวลา ข้อมูลทางวิทยาศาสตร์ 9(1): 63. doi:10.3390/rs10050691
Pasquarella, V. J., Brown, C. F., Czerwinski, W. และ Rucklidge, W. J., 2023 การประเมินคุณภาพที่ครอบคลุมของภาพจากดาวเทียมที่มองเห็นได้โดยใช้ การเรียนรู้วิดีโอแบบมีผู้ดูแลแบบอ่อน 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 [ออนไลน์] ดูได้ที่ https://github.com/sentinel-hub/sentinel2-cloud-detector
กรมสำรวจธรณีวิทยาของสหรัฐอเมริกา ปี 2019 USGS 3D Elevation Program Digital Elevation Model เข้าถึงเมื่อเดือนสิงหาคม 2022 ที่ https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m
Zhu, Z., และ Woodcock, C. E., 2012 การตรวจจับเมฆและเงาเมฆตามออบเจ็กต์ในภาพ Landsat ในการสำรวจระยะไกลของ สิ่งแวดล้อม Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028

DOI

สำรวจด้วย Earth Engine

สำคัญ: Earth Engine เป็นแพลตฟอร์มสําหรับการวิเคราะห์ทางวิทยาศาสตร์และการแสดงภาพชุดข้อมูลเชิงพื้นที่ขนาดใหญ่ระดับเพตะไบต์ ทั้งเพื่อประโยชน์สาธารณะและเพื่อผู้ใช้ที่เป็นธุรกิจและภาครัฐ Earth Engine ใช้งานได้ฟรีสำหรับการวิจัย การศึกษา และองค์กรการกุศล หากต้องการเริ่มต้นใช้งาน โปรดลงทะเบียนเพื่อเข้าถึง Earth Engine

ตัวแก้ไขโค้ด (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);

เปิดในตัวแก้ไขโค้ด

พื้นที่ที่ร่มไม้ครอบคลุมของ USFS v2023-5 (CONUS และ OCONUS)

ภาพรวมชุดข้อมูลการปกคลุมของเรือนยอดไม้ (TCC) ซึ่งผลิตโดยกรมป่าไม้ (USFS) ของกระทรวงเกษตรแห่งสหรัฐอเมริกาเป็นผลลัพธ์ของแผนที่ที่อิงตามการรับรู้จากระยะไกลรายปีตั้งแต่ปี 1985-2023 ข้อมูลเหล่านี้สนับสนุนโปรเจ็กต์ฐานข้อมูลสิ่งปกคลุมดินแห่งชาติ (NLCD) ซึ่งสำรวจทางธรณีวิทยาของสหรัฐอเมริกา (USGS) เป็นผู้จัดการในฐานะส่วนหนึ่งของ …

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