Tổng quan
Bộ dữ liệu Lớp phủ tán cây (TCC) do Cục Lâm nghiệp (USFS) thuộc Bộ Nông nghiệp Hoa Kỳ sản xuất là các đầu ra bản đồ dựa trên hoạt động viễn thám hằng năm, trải dài từ năm 1985 đến năm 2023. Những dữ liệu này hỗ trợ dự án Cơ sở dữ liệu quốc gia về độ che phủ đất (NLCD) do Cục Khảo sát Địa chất Hoa Kỳ (USGS) quản lý trong khuôn khổ liên minh Đặc điểm đất đa độ phân giải (MRLC). Dự án này hướng đến việc sử dụng công nghệ mới nhất để tạo ra một bản đồ nhất quán và "tốt nhất có thể" về độ che phủ tán cây. Phạm vi địa lý bao gồm các khu vực CONUS (Hoa Kỳ lục địa) và OCONUS (Đông Nam Alaska (SEAK), Hawaii, Puerto Rico và Quần đảo Virgin thuộc Hoa Kỳ (PRUSVI)).
Sản phẩm
Bộ dữ liệu TCC bao gồm 3 sản phẩm:
TCC khoa học: Đầu ra thô, trực tiếp từ mô hình.
Sai số chuẩn khoa học (SE): Độ lệch chuẩn của mô hình đối với các giá trị được dự đoán từ tất cả các cây hồi quy.
NLCD TCC: Một sản phẩm tinh chế có nguồn gốc từ hình ảnh TCC khoa học hằng năm. Dữ liệu này được xử lý hậu kỳ để giảm nhiễu giữa các năm, làm nổi bật các xu hướng dài hạn và che các đối tượng cụ thể (chẳng hạn như nước và nông nghiệp không phải là cây).
Mỗi hình ảnh đều có một dải mặt nạ dữ liệu có 3 giá trị đại diện cho các vùng không có dữ liệu (0), vùng tán cây được lập bản đồ(1) và vùng không xử lý (2). Các khu vực không xử lý là những pixel trong khu vực nghiên cứu không có dữ liệu về đám mây hoặc không có bóng mây. Không có dữ liệu và các pixel không thuộc khu vực xử lý sẽ được che trong hình ảnh TCC và SE.
Dữ liệu và phương pháp
Chúng tôi đã phát triển dữ liệu huấn luyện và các mô hình rừng ngẫu nhiên cho CONUS, SEAK, PRUSVI và HAWAII bằng cách sử dụng TCC được diễn giải bằng ảnh của Cục Kiểm kê và Phân tích rừng (FIA) thuộc USFS làm dữ liệu tham chiếu. Chúng tôi đã tận dụng Google Earth Engine (GEE) (Gorelick và cộng sự, 2017) để xử lý LandTrendr đã điều chỉnh và các yếu tố dự đoán địa hình. Dữ liệu địa hình từ Chương trình độ cao 3D (3DEP) (Cục Khảo sát địa chất Hoa Kỳ, 2019) bao gồm độ cao, độ dốc, sin của hướng và cosin của hướng. Đối với CONUS, chúng tôi cũng đưa Lớp dữ liệu cây trồng (CDL) vào làm yếu tố dự đoán (Lin và cộng sự, 2022).
Chúng tôi đã sử dụng hình ảnh hệ số phản xạ đỉnh khí quyển Cấp 1C của USGS Collection 2 Landsat Tier 1 và Sentinel 2A/2B để tạo ra các thành phần trung tâm mỗi năm. Để đảm bảo chất lượng dữ liệu, chúng tôi đã áp dụng nhiều thuật toán để che mây và bóng, bao gồm cả cFmask (Foga và cộng sự, 2017; Zhu và Woodcock, 2012), cloudScore (Chastain và cộng sự, 2019), s2cloudless (Sentinel-Hub, 2021), Cloud Score+ (Pasquarella và cộng sự, 2023) và TDOM (Chastain và cộng sự, 2019). Sau khi che phủ, chúng tôi đã tính toán các điểm trung tâm hằng năm để tạo ra một hình ảnh tổng hợp duy nhất không có mây cho mỗi năm. Cuối cùng, chuỗi thời gian tổng hợp được phân đoạn theo thời gian bằng LandTrendr (Kennedy và cộng sự, 2010, 2018; Cohen et al., 2018).
Đối với CONUS, chúng tôi đã sử dụng 70% dữ liệu tham chiếu để hiệu chỉnh và 30% để đánh giá lỗi độc lập. Do sự đa dạng về hệ sinh thái của CONUS, chúng tôi đã chia khu vực mô hình hoá thành 54 ô (480 km × 480 km). Trên máy tính cục bộ, chúng tôi đã xây dựng một mô hình rừng ngẫu nhiên riêng cho từng ô (Breiman, 2001), huấn luyện mô hình này dựa trên dữ liệu tham chiếu giao với cửa sổ 5×5 xung quanh ô trung tâm. Sau đó, các mô hình này được triển khai trong GEE để dự đoán TCC từ tường đến tường. Đối với các khu vực bên ngoài lục địa Hoa Kỳ, chúng tôi sử dụng tỷ lệ phân chia 80/20 và phát triển một mô hình rừng ngẫu nhiên duy nhất cho mỗi khu vực.
Tài nguyên khác
Vui lòng xem Bản tóm tắt về phương pháp TCC hoặc bài viết chuyên đề trên tạp chí Khoa học về viễn thám để biết thông tin chi tiết về các phương pháp và đánh giá độ chính xác.
Vui lòng xem Trung tâm dữ liệu địa lý của TCC để tải dữ liệu, siêu dữ liệu và tài liệu hỗ trợ.
Chuỗi HAWAII sẽ được cập nhật thành HI trong bản phát hành dữ liệu v2025.6 sắp tới.
Liên hệ với [sm.fs.tcc@usda.gov] nếu bạn có câu hỏi hoặc yêu cầu cụ thể về dữ liệu.