Carte d’espèce et la probabilité d’arbre pour la Colombie-Britannique en 2015

Carte d’espèce et la probabilité d’arbre pour la Colombie-Britannique en 2015 Des espèces d’arbres dominantes 2015 Les données représentant les espèces d’arbres dominantes des forêts de la Colombie-Britannique en 2015 sont fondées sur des données Landsat et leur modélisation, dont les résultats sont cartographiés à une résolution spatiale de 30 m. La carte a été produite par l’algorithme de classification des « forêts aléatoires » appliqué à des variables prédictives calculées à partir de séries chronologiques d’images Landsat, notamment la réflectance de la surface, la couverture terrestre, les perturbations forestières et la structure de la forêt, ainsi qu’à des variables accessoires décrivant la topographie et la position. Les échantillons d’entraînement et de validation ont été tirés de l’Inventaire des ressources végétales (Vegetation Resources Inventory), sélectionnés parmi un ensemble stratifié de polygones présentant des conditions internes homogènes et divergeant peu par rapport aux données de télédétection. Des modèles locaux ont été appliqués à des carrés de 100 km x 100 km et, pour éviter les effets de bordure, tenaient compte des échantillons d’entraînement pour les 5 x 5 carrés voisins. Pour les espèces d’arbres qui occupent 80 % de la superficie forestière, l’exactitude globale s’est chiffrée à 72 %. L’étude montre que les données satellitaires et leur modélisation peuvent servir à produire des cartes complètes et à jour des attributs forestiers à l’échelle des sous peuplements en Colombie Britannique (Canada). Probabilité d’espèce d’arbre 2015 Ce produit cartographique présente des données de distribution de probabilité d’appartenance à une classe d’espèce d’arbre en Colombie-Britannique d’après la modélisation de données Landsat donnant des résultats à résolution spatiale de 30 m. Les données représentent la probabilité d’appartenance à une classe d’espèce d’arbre en 2015. La carte a été produite par l’algorithme de classification des « forêts aléatoires » appliqué à des variables prédictives calculées à partir de séries chronologiques d’images Landsat, notamment la réflectance de la surface, la couverture terrestre, les perturbations forestières et la structure de la forêt, ainsi qu’à des variables accessoires décrivant la topographie et la position. Les échantillons d’entraînement et de validation ont été tirés de l’Inventaire des ressources végétales (Vegetation Resources Inventory), sélectionnés parmi un ensemble stratifié de polygones présentant des conditions internes homogènes et divergeant peu par rapport aux données de télédétection. Des modèles locaux ont été appliqués à des carrés de 100 km x 100 km et, pour éviter les effets de bordure, tenaient compte des échantillons d’entraînement pour les 5 x 5 carrés voisins. Pour les espèces d’arbres qui occupent 80 % de la superficie forestière, l’exactitude globale s’est chiffrée à 72 %. Un élément du processus de cartographie a consisté à obtenir les « votes » reçus pour chaque classe par les modèles de « forêts aléatoires ». Les votes sont analogues aux probabilités d’appartenance à une classe et renseignent davantage sur l’incertitude des classes de couverture terrestre à utiliser dans la modélisation. Les probabilités d’appartenance à une classe d’arbre inférieures à 5 % ont été masquées et converties à zéro. Lorsque vous utilisez ces données, veuillez en citer la source comme suit : Shang, C., Coops, N.C., Wulder, M.A., White, J.C., et Hermosilla, T. 2020. Update and spatial extension of strategic forest inventories using time series remote sensing and modeling. International Journal of Applied Earth Observation and Geoinformation 84, 101956. DOI: 10.1016/j.jag.2019.101956 ( Shang et al. 2020). 2021-05-18 Ressources naturelles Canada mike.wulder@canada.ca FormatNature et environnementSciences et technologieForêt A nationwide annual characterization of 25 years of forest disturbance and recovery for Canada using Landsat time seriesHTML http://www.sciencedirect.com/science/article/pii/S0034425717301360 D’espèce d’arbre CBWMS https://opendata.nfis.org/mapserver/cgi-bin/wms_change_fra.cgi?service=wms&version=1.3.0&request=GetCapabilities&layers=bctreespec&legend_format=image/png&feature_info_type=text/html D’espèce d’arbreWMS https://opendata.nfis.org/mapserver/cgi-bin/wms_change.cgi?service=wms&version=1.3.0&request=GetCapabilities&layers=bctreespec&legend_format=image/png&feature_info_type=text/html Update and spatial extension of strategic forest inventories using time series remote sensing and modelingPDF https://www.sciencedirect.com/science/article/pii/S030324341930738X Carte d’espèce et la probabilité d’arbre pour la Colombie-Britannique en 2015 2015ZIP https://opendata.nfis.org/downloads/forest_change/BC_tree_species_2015.zip

Des espèces d’arbres dominantes 2015

Les données représentant les espèces d’arbres dominantes des forêts de la Colombie-Britannique en 2015 sont fondées sur des données Landsat et leur modélisation, dont les résultats sont cartographiés à une résolution spatiale de 30 m. La carte a été produite par l’algorithme de classification des « forêts aléatoires » appliqué à des variables prédictives calculées à partir de séries chronologiques d’images Landsat, notamment la réflectance de la surface, la couverture terrestre, les perturbations forestières et la structure de la forêt, ainsi qu’à des variables accessoires décrivant la topographie et la position. Les échantillons d’entraînement et de validation ont été tirés de l’Inventaire des ressources végétales (Vegetation Resources Inventory), sélectionnés parmi un ensemble stratifié de polygones présentant des conditions internes homogènes et divergeant peu par rapport aux données de télédétection. Des modèles locaux ont été appliqués à des carrés de 100 km x 100 km et, pour éviter les effets de bordure, tenaient compte des échantillons d’entraînement pour les 5 x 5 carrés voisins. Pour les espèces d’arbres qui occupent 80 % de la superficie forestière, l’exactitude globale s’est chiffrée à 72 %. L’étude montre que les données satellitaires et leur modélisation peuvent servir à produire des cartes complètes et à jour des attributs forestiers à l’échelle des sous peuplements en Colombie Britannique (Canada).

Probabilité d’espèce d’arbre 2015

Ce produit cartographique présente des données de distribution de probabilité d’appartenance à une classe d’espèce d’arbre en Colombie-Britannique d’après la modélisation de données Landsat donnant des résultats à résolution spatiale de 30 m. Les données représentent la probabilité d’appartenance à une classe d’espèce d’arbre en 2015. La carte a été produite par l’algorithme de classification des « forêts aléatoires » appliqué à des variables prédictives calculées à partir de séries chronologiques d’images Landsat, notamment la réflectance de la surface, la couverture terrestre, les perturbations forestières et la structure de la forêt, ainsi qu’à des variables accessoires décrivant la topographie et la position. Les échantillons d’entraînement et de validation ont été tirés de l’Inventaire des ressources végétales (Vegetation Resources Inventory), sélectionnés parmi un ensemble stratifié de polygones présentant des conditions internes homogènes et divergeant peu par rapport aux données de télédétection. Des modèles locaux ont été appliqués à des carrés de 100 km x 100 km et, pour éviter les effets de bordure, tenaient compte des échantillons d’entraînement pour les 5 x 5 carrés voisins. Pour les espèces d’arbres qui occupent 80 % de la superficie forestière, l’exactitude globale s’est chiffrée à 72 %. Un élément du processus de cartographie a consisté à obtenir les « votes » reçus pour chaque classe par les modèles de « forêts aléatoires ». Les votes sont analogues aux probabilités d’appartenance à une classe et renseignent davantage sur l’incertitude des classes de couverture terrestre à utiliser dans la modélisation. Les probabilités d’appartenance à une classe d’arbre inférieures à 5 % ont été masquées et converties à zéro.

Lorsque vous utilisez ces données, veuillez en citer la source comme suit : Shang, C., Coops, N.C., Wulder, M.A., White, J.C., et Hermosilla, T. 2020. Update and spatial extension of strategic forest inventories using time series remote sensing and modeling. International Journal of Applied Earth Observation and Geoinformation 84, 101956. DOI: 10.1016/j.jag.2019.101956 ( Shang et al. 2020).

Données et ressources
 Afficher la carte

Coordonnées

Adresse de courrier électronique : mike.wulder@canada.ca

Dossiers similaires