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

USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5
数据集可用时间
1985-06-01T00:00:00Z–2023-09-30T00:00:00Z
数据集生产者
Earth Engine 代码段
ee.ImageCollection("USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5")
标签
森林 gtac 土地利用和土地覆盖 redcastle-resources usda usfs usgs

说明

概览

树冠覆盖率 (TCC) 数据套件由美国农业部林务局 (USFS) 制作，是基于遥感的年度地图输出，涵盖 1985 年至 2023 年。 这些数据支持国家土地覆盖数据库 (NLCD) 项目，该项目由美国地质调查局 (USGS) 管理，是多分辨率土地特征 (MRLC) 联盟的一部分。该项目的目标是使用最新技术创建一致的“最佳可用”树冠覆盖率地图。地理范围包括美国本土 (CONUS) 和美国境外 (OCONUS) 地区（阿拉斯加东南部 [SEAK]、夏威夷、波多黎各和美属维尔京群岛 [PRUSVI]）。

产品

TCC 数据套件包含三款产品：

  • Science TCC：模型的原始直接输出结果。

  • 科学标准误差 (SE)：所有回归树的预测值的模型标准差。

  • NLCD TCC：一种从年度 Science TCC 影像中提取的精细化产品。该数据会经过后期处理，以减少年际噪声、突出显示长期趋势，并遮盖特定特征（例如水和非树木农业）。

每张图像都附有一个数据遮罩波段，通过三个数值为你标示不同区域：0 代表无数据，1 代表已测绘的树冠覆盖区，2 代表未处理区域。这里的“未处理区域”，指的是研究区域中那些因始终被云或云影遮挡而无法获取有效数据的像素点。在 TCC 和 SE 图像中，所有无数据和未处理区域都会被遮盖。

数据和方法

我们使用 USFS 森林资源清查与分析 (FIA) 项目的照片判读 TCC 作为参考数据，为美国本土 48 州、阿拉斯加东南部、波多黎各和美属维尔京群岛以及夏威夷开发了训练数据和随机森林模型。我们利用了 Google Earth Engine (GEE) (Gorelick et al., 2017 年）来处理拟合的 LandTrendr 和地形预测变量。来自 3D 高程计划 (3DEP)（美国地质调查局，2019 年）的地形数据包括高程、坡度、坡向正弦和坡向余弦。对于美国本土，我们还纳入了农作物数据层 (CDL) 作为预测变量（Lin 等人，2022 年）。

我们利用 USGS Collection 2 Landsat Tier 1 和 Sentinel 2A/2B Level-1C 的大气层顶反射率影像来生成年度中位数合成影像。为确保数据质量，我们应用了各种算法来遮盖云和阴影，包括 cFmask（Foga 等人，2017 年；Zhu 和 Woodcock，2012 年）、cloudScore（Chastain 等人，2019 年）、s2cloudless（Sentinel-Hub，2021 年）、Cloud Score+（Pasquarella 等人，2023 年）和 TDOM（Chastain 等人，2019 年）。进行遮盖后，我们计算了年度中心点，以便为每一年创建一幅无云的合成影像。最后，我们使用 LandTrendr（Kennedy 等人，2010 年、2018 年；Cohen 等人，2018 年）。

对于美国本土，我们使用 70% 的参考数据进行校准，30% 的参考数据进行独立误差评估。 鉴于美国本土的生态多样性，我们将建模区域划分为 54 个图块（480 公里 × 480 公里）。 在本地计算机上，我们为每个图块都构建了一个独特的随机森林模型 (Breiman, 2001)，并使用与中心图块周围 5×5 窗口相交的参考数据对其进行训练。然后，在 GEE 中部署这些模型，以预测全覆盖的 TCC。对于 OCONUS 地区，我们采用 80/20 的比例划分数据，并为每个地区开发了一个随机森林模型。

其他资源

如有任何疑问或具体的数据请求，请发送邮件至 [sm.fs.tcc@usda.gov]。

频段

像元大小
30 米

波段

名称 单位 像元大小 说明
Science_Percent_Tree_Canopy_Cover % 米

原始的直接模型输出结果。每个像素都有每个年份的平均预测树冠覆盖率值。

Science_Percent_Tree_Canopy_Cover_Standard_Error % 米

这是所有回归树的预测值的标准差，我们称之为标准误差。每个像素都有每年的标准误差。
NLCD_Percent_Tree_Canopy_Cover % 米

为生成 NLCD 树冠覆盖率，我们对直接模型输出结果应用了后期处理流程，该流程会识别无树像素并将其树冠覆盖率值设定为零。
data_mask 米

三个值，分别表示无数据区域、已测绘的树冠覆盖区和未处理区域。这里的“未处理区域”，指的是那些因始终被云或云影遮挡，导致我们无法产出有效结果的像素点。

图像属性

图像属性

名称 类型 说明
study_area STRING

TCC 目前覆盖 CONUS、阿拉斯加东南部、波多黎各-美属维尔京群岛和夏威夷。此版本包含美国本土、阿拉斯加、波多黎各、美属维尔京群岛和夏威夷的数据。 可能的值：'CONUS, AK, PRUSVI, HAWAII'
版本 STRING

这是在 MRLC 联盟中发布的第五版 TCC 产品，该联盟是国家土地覆盖数据库 (NLCD) 的一部分。
startYear INT

'产品的起始年份'
endYear INT

'产品的结束年份'
year INT

'产品的年份'

使用条款

使用条款

美国农业部林务局不作任何明示或暗示的保证，包括对适销性和特定用途适用性的保证，也不对这些地理空间数据的准确性、可靠性、完整性或效用承担任何法律责任或义务，或因不当或不正确使用这些地理空间数据而产生的后果承担任何法律责任或义务。这些地理空间数据及相关地图或图形并非法律文件，也不得用作法律文件。不得使用这些数据和地图来确定产权、所有权、法律说明或边界、法律管辖权，或可能对公共土地或私人土地施加的限制。 数据和地图可能未标示自然灾害，土地使用者应谨慎行事。数据是动态的，可能随时间变化。用户有责任核实地理空间数据的局限性，并据此使用数据。

这些数据由美国政府资助收集，无需额外许可或费用即可使用。如果您在出版物、演示文稿或其他研究产品中使用这些数据，请按如下格式引用：

美国农业部林务局。2025 年。美国林务局树冠覆盖率 v2023.5（美国本土和美国本土以外的地区）。犹他州盐湖城。

引用

引用：

  • 美国农业部林务局。2025 年。美国林务局树冠覆盖率 v2023.5（美国本土和美国本土以外的美国本土）。 犹他州盐湖城。

  • Breiman, L.，2001 年。 随机森林。刊载于《机器学习》栏目。Springer，45：5-32 doi：10.1023/A:1010933404324

  • Chastain, R.、Housman, I.、Goldstein, J.、Finco, M. 和 Tenneson, K.，2019 年。 针对美国本土上空的 Sentinel-2A 和 2B MSI、Landsat-8 OLI 及 Landsat-7 ETM 传感器的跨传感器大气层顶光谱特性实证比较。刊载于《环境遥感》期刊。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。 一种用于森林扰动监测的 LandTrendr 多光谱集成方法。刊载于《环境遥感》期刊。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。面向业务化 Landsat 数据产品的云检测算法比较与验证。刊载于《环境遥感》期刊。Science Direct，194：379-390 doi:10.1016/j.rse.2017.03.026

  • Kennedy, R. E.、Yang, Z. 和 Cohen, W. B.，2010 年。 使用年度 Landsat 时序数据检测森林扰动和恢复趋势：1. LandTrendr - 时间分割算法。刊载于《环境遥感》期刊。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 上实现 LandTrendr 算法。刊载于《遥感》期刊。MDPI，10(5)：691 doi:10.3390/rs10050691

  • Lin, L.; Di, L.; Zhang, C.; Guo, L.; Di, Y.; Li, H.; Yang, A. 2022 年。使用时空决策树算法验证和优化农田数据层。Scientific Data。9(1)：63。 doi:10.3390/rs10050691

  • Pasquarella, V. J., Brown, C. F.、Czerwinski, W. 和 Rucklidge, W. J. 2023 年。 使用弱监督视频学习对光学卫星图像进行全面质量评估。收录于《IEEE/CVF 计算机视觉与模式识别会议论文集》。2124-2134。doi:10.1109/cvprw59228.2023.00206

  • Sentinel-Hub，2021 年。 Sentinel 2 Cloud Detector。[在线]。 可在以下网址获取：https://github.com/sentinel-hub/sentinel2-cloud-detector

  • 美国地质调查局，2019 年。USGS 3D 高程计划数字高程模型，访问时间为 2022 年 8 月，网址为 https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m

  • Zhu, Z. 和 Woodcock, C. E., 2012 年。 Landsat 影像中基于对象的云与云影检测。刊载于《环境遥感》期刊。Science Direct， 118：83-94 doi:10.1016/j.rse.2011.10.028

DOI

通过 Earth Engine 探索

代码编辑器 (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);
在代码编辑器中打开
概览树冠覆盖率 (TCC) 数据套件由美国农业部林务局 (USFS) 制作，是基于遥感的年度地图输出，涵盖 1985 年至 2023 年。这些数据支持国家土地覆盖数据库 (NLCD) 项目，该项目由美国地质调查局 (USGS) 管理，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