Google Earth Engine（GEE）——加拿大的高分辨率树种信息数据集

加拿大的高分辨率树种信息
主要树种地图的距离-秒级¶。
领先树种图的距离-秒级（D2SC）值，作为领先树种图的归属可信度指标，该图由空间详尽、30米空间分辨率、代表2019年情况的Landsat图像合成的表面反射值产生。按照Hermosilla等人（2022）描述的框架，在物种建模中还包括地理和气候数据、海拔衍生物和遥感得出的物候学。区域分类模型是根据加拿大的国家森林目录，使用150x150公里的平铺系统生成的。D2SC是使用从随机森林模型的第一和第二大投票类别中得出的类别成员概率计算的。前言 – 床长人工智能教程

  

树种成员可能性的高分辨率地图¶。
树种地图显示了一个像素级别上所有可能的类的成员概率。这些地图是按照Hermosilla等人（2022年）描述的框架，使用2019年Landsat图像合成、地理和气候数据、高程衍生物和遥感衍生的物候学生成的。数值代表从随机森林投票中得出的类成员概率。区域分类模型是根据加拿大国家森林目录（NFI）使用150x150公里的瓷砖系统生成的。区域分类模型利用并旨在根据NFI提供的信息，只绘制已知存在于特定瓦片单元的树种。

高分辨率的主要树种分布图¶。
按照Hermosilla等人（xxxx）描述的框架，由2019年Landsat图像合成、地理和气候数据、高程衍生物和遥感衍生的物候学制作的主要树种地图。区域分类模型是根据加拿大的国家森林目录，使用150x150公里的平铺系统生成的。领先的树种是通过代表随机森林分类模型中投票最多的树种（即具有最高类成员概率的类）来定义的。

关于数据、图像处理和应用方法的概述，以及关于数据的独立准确性评估的信息，见Hermosilla等人（2022）https://doi.org/10.1016/j.rse.2022.113276

参考文献

Hermosilla, T., Bastyr, A., Coops, N.C., White, J.C., Wulder, M.A., 2022. Mapping the presence and distribution of tree species in Canada's forested ecosystems. Remote Sensing of Environment 282, 113276.

Earth Engine Snippet: Distance to Second Class¶

var D2SC = ee.Image("projects/sat-io/open-datasets/CA_FOREST/DISTANCE2SECOND");

Sample code: https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:agriculture-vegetation-forestry/CA-DISTANCE-2-SECOND-CLASS

Earth Engine Snippet: tree species membership likelihood¶

扫描二维码关注公众号，回复： 15013166 查看本文章

var membership_likelihood_prob = ee.ImageCollection("projects/sat-io/open-datasets/CA_FOREST/SPECIES_CLASS_MEMBERSHIP_PROBABILITIES");

Sample code: https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:agriculture-vegetation-forestry/CA-SPECIES-CLASS-MEM-PROBABILITIES

Earth Engine Snippet: leading tree species¶

var lead_tree_species = ee.Image("projects/sat-io/open-datasets/CA_FOREST/LEAD_TREE_SPECIES");

Sample code: https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:agriculture-vegetation-forestry/CA-LEAD-TREE-SPECIES

License¶

This work is licensed under and freely available to the public Open Government Licence - Canada.

Created by: Hermosilla et al. 2022

Curated in GEE by : Samapriya Roy

keywords: Tree species, Forest inventory, Land cover, Landsat, Machine learning, Classification

Last updated on GEE: 2022-10-11