Couverture fractionnée

Date modified: 21 February 2022

Due to unavailability of suitable field data from Africa, the FC service hasn’t been quantitatively evaluated in Africa and therefore is provided as a provisional service. We welcome feedback from users.

Aperçu du service

Contexte

Le service de couverture fractionnée (FC) fournit des estimations des proportions de végétation verte, de végétation non verte (y compris les arbres à feuilles caduques en automne, l’herbe sèche, etc.) et de sols nus pour chaque pixel Landsat. La couverture fractionnée fournit des informations précieuses pour une série d’applications environnementales et agricoles, notamment :

  • surveillance de l’érosion du sol

  • modélisation des processus de surface des sols

  • land management practices (e.g. crop rotation, stubble management, rangeland management)

  • études de la végétation

  • estimation de la charge en carburant

  • modélisation des écosystèmes

  • cartographie de la couverture du sol

L’algorithme est développé par le Joint Remote Sensing Research Program (JRSRP) et est décrit dans Scarth et al. (2010). Des données de terrain collectées à travers l’Australie ont été utilisées pour calibrer et valider le modèle de démixage.

The DE Africa FC service has two components:

  • Fractional Cover, which is estimated from each Landsat scene, providing measurements from individual days.

  • Fractional Cover Annual Summary (Percentiles), which provides 10th, 50th, and 90th percentiles estimated independently for the green vegetation, non-green vegetation, and bare soil fractions observed in each calendar year (1st of January - 31st December).

While the scene based Fractional Cover can be used to study dynamic processes, the annual summaries make it easier to analyse year to year changes. The percentiles provide robust estimates of the low, median and high proportion values observed for each cover type in a year, which can be used to characterise the land cover. Before the percentile calculation, areas of water and cloud cover, as mapped in the Water Observations from Space (WOfS) Feature Layer, are exluded.

A Jupyter Notebook which demonstrates loading and using the Fractional Cover dataset in the Sandbox is also available.

Spécifications

Coverage and metadata can be viewed on DE Africa Metadata Explorer for:

Tableau 1 : Spécifications de la couverture fractionnée

Spécifications

Nom du produit

Couverture fractale

Fractonal Cover Annual Summary

Taille de la cellule - X (mètres)

30

30

Taille de la cellule - Y (mètres)

30

30

Système de référence des coordonnées

Mercator transverse universel (UTM)

EPSG : 6933

Résolution temporelle

16 jours

Annuel

Plage temporelle

1984 - aujourd’hui

1984-2021

Ensemble de données parent

Réflectance de surface de la collection Landsat 2

Fracitonal Cover scenes

Fréquence de mise à jour

Quotidiennement

Annuel

Latence de mise à jour

NA

2 mois à compter de la fin de l’année précédente

Tableau 2 : Mesures de la couverture fractionnée

ID de la bande

Description

Plage de valeurs

Type de données

Aucune valeur de données

bs

Pourcentage de sol nu

0 - 100

uint8

255

pv

Pourcentage de végétation photosynthétique (verte)

0 - 100

uint8

255

npv

Pourcentage de végétation non-photosynthétique (non-verte)

0 - 100

uint8

255

ue

Erreur de démixage

0 - 127

uint8

255

En raison des incertitudes du modèle, certaines zones peuvent présenter des valeurs de couverture supérieures à 100 %. Ces zones peuvent être soit exclues, soit traitées comme équivalentes à 100 %.

Pour la bande d’erreur de non-mixage (ue), les valeurs sont mises à l’échelle entre 0 et 127. Les valeurs élevées d’erreur de démixage représentent des zones de grande incertitude du modèle (zones d’eau, de nuages, d’ombre de nuages ou de types/couleurs de sol qui n’ont pas été inclus dans les données d’entraînement du modèle).

Table 3: Fractional Cover Annual Summary measurements

ID de la bande

Description

Plage de valeurs

Type de données

Aucune valeur de données

bs_pc_10

10th percentile Bare soil percentage

0 - 100

uint8

255

bs_pc_50

50th percentile Bare soil percentage

0 - 100

uint8

255

bs_pc_90

90th percentile Bare soil percentage

0 - 100

uint8

255

pv_pc_10

10th percentile Photosynthetic (green) vegetation percentage

0 - 100

uint8

255

pv_pc_50

50th percentile Photosynthetic (green) vegetation percentage

0 - 100

uint8

255

pv_pc_90

90th percentile Photosynthetic (green) vegetation percentage

0 - 100

uint8

255

npv_pc_10

10th percentile Non-photosynthetic (non-green) vegetation percentage

0 - 100

uint8

255

npv_pc_50

50th percentile Non-photosynthetic (non-green) vegetation percentage

0 - 100

uint8

255

npv_pc_90

90th percentile Non-photosynthetic (non-green) vegetation percentage

0 - 100

uint8

255

count_valid

Count of clear and valid observations

0 - 32767

int16

255

qa†

Quality Assurance band

0 - 2

uint8

255

\(^\dagger\) The qa band contains addtional quality assurance information for downstream product generation, which is not currently used in DE Africa.

Figure 1 : Étendue géographique de la couverture fractionnée.

Étendue des données sur la couverture fractionnée

Traitement

L’algorithme FC est développé par le Joint Remote Sensing Research Program (JRSRP) et est décrit dans Scarth et al. (2010). Des données de terrain collectées à travers l’Australie ont été utilisées pour calibrer et valider le modèle de démixage.

Médias et exemples d’images

Image 1 : Série chronologique de la couverture fractionnée

Série chronologique de couverture fractionnée pour une zone le long de la rivière Olifants, en Afrique du Sud. Les images sont sélectionnées tous les 3 mois à partir de l’année 2020 pour montrer les changements saisonniers. Les pourcentages de sol nu, de végétation verte et de végétation non verte sont indiqués en rouge, vert et bleu. Les zones identifiées comme de l’eau sont masquées.

Fractional Cover along Olifants river.

Le tableau ci-dessous indique comment la composition des couleurs RVB peut être interprétée.

3321c06bc92f440f8406d9210030fbdd

Image 2: Fractional Cover annual percentiles for green cover.

The 10th, 50th, and 90th percentiles, as proxies for low, median and high values, of green cover fraction for 2020, along Olifants river, South Africa.

Anual green cover percentiles along Olifants river for 2020.

Image 3: Fractional Cover annual summary

The 50th percentile fractional covers from 2018 to 2020, along Olifants river, South Africa.

50th percentile fractional cover along Olifants river for 2018 to 2020.

Références

Flood, N. (2014). Continuité des données de réflectance entre Landsat-7 ETM+ et Landsat-8 OLI, à la fois pour la réflectance du sommet de l’atmosphère et de la surface : Une étude dans le paysage australien. Remote Sensing, 6(9), 7952-7970. https://doi.org/10.3390/rs6097952

Muir, J., Schmidt, M., Tindall, D., Trevithick, R., Scarth, P. et Stewart, J.B. (2011). Guidelines for field measurement of fractional ground cover : a technical handbook supporting the Australian Collaborative Land Use and Management Program. Département de l’environnement et de la gestion des ressources du Queensland pour le Bureau australien de l’économie et des sciences agricoles et des ressources.

Scarth, P., Roder, A. et Schmidt, M. (2010). Suivi de l’interaction entre la pression de pâturage et le climat - le rôle de la couverture fractionnelle Landsat dans l’analyse des séries chronologiques. Actes de la 15e conférence australasienne sur la télédétection et la photogrammétrie.

Schmidt, M., Denham, R. et Scarth, P. (2010), Fractional ground cover monitoring of pastures and agricultural areas in Queensland. Actes de la 15e conférence australasienne sur la télédétection et la photogrammétrie.

Licence

Licence internationale CC BY Attribution 4.0

Remerciements

Les algorithmes FC incorporés dans ce produit sont le travail de Peter Scarth, du Programme conjoint de recherche en télédétection.

Accès aux données

Amazon Web Services S3

Les données Digital Earth Africa Fractional Cover sont accessibles à partir du seau S3 associé.

Tableau 4 : Détails de l’accès aux données AWS.

Détails sur AWS S3

Seau ARN

arn:aws:s3:::deafrica-services

Noms des produits

fc_ls, fc_ls_summary_annual

Le seau est situé dans la région af-south-1 (Cape Town)

La convention de chemin de fichier suivante s’applique aux scènes de couverture fractionnée :

fc_ls/<version>/<path>/<row>/<year>/<month>/<day>/

Annual Summaries omit path, row, month and day:

fc_ls_summary_annual/<version>/<year>/

Tableau 5 : Convention de chemin d’accès aux fichiers AWS.

Élément de chemin d’accès au fichier

Description

Exemple

Nom du produit

fc_ls or fc_ls_summary_annual

fc_ls

version

Version du produit

1-0-0

chemin

Numéro de trajectoire Landsat allant de 157 à 206.

165

row

Numéro de ligne Landsat allant de 052 à 072.

052

année

Année de collecte des données

2019

mois

Mois de l’année où les données ont été collectées (avec des zéros en tête)

03

jour

Jour du mois où les données ont été collectées (avec des zéros en tête)

28

Services Web de l’OGC (OWS)

This product is available through DE Africa’s OWS.

Tableau 6 : Détails de l’accès aux données OWS.

Détails de l’OWS

Nom

DE Africa Services

URL des services cartographiques Web (WMS)

https://ows.digitalearth.africa/wms?version=1.3.0

URL du service de couverture Web (WCS)

https://ows.digitalearth.africa/wcs?version=2.1.0

Noms des couches

fc_ls, fc_ls_summary_annual

Les détails de Digital Earth Africa OWS peuvent être trouvés sur https://ows.digitalearth.africa/.

Pour obtenir des instructions sur la manière de se connecter à OWS, consultez ce tutoriel.

Open Data Cube (ODC)

Les jeux de données FC sont accessibles par l’API ODC de Digital Earth Africa, qui est disponible dans le Digital Earth Africa Sandbox.

ODC product name: fc_ls, fc_ls_summary_annual

Table 7: Fractional Cover scene ODC band names

Nom du groupe

Noms alternatifs

bs

nu

pv

green_veg

npv

dead_veg

ue

err

Table 8: Fractional Cover Annual Summary ODC band names

Nom du groupe

Noms alternatifs

Pour des exemples sur la façon d’utiliser l’API ODC, voir le dépôt DE Africa example notebook.

Informations techniques

Estimation de la précision

Les endmembers sol nu, végétation verte et végétation non verte sont calculés à l’aide de modèles liés à un programme intensif d’échantillonnage sur le terrain qui couvre un large éventail de paysages australiens couvrant une grande variété de types de végétation, de sols et de climats ont été échantillonnés pour mesurer la couverture végétale et le couvert végétal en suivant la procédure décrite dans Muir et al (2011).

Pour fournir une estimation de la précision, les résultats de l’algorithme FC ont été comparés à 1565 sites de terrain collectés en Australie qui n’ont pas été utilisés pour former le modèle FC. D’après la comparaison avec ces données de terrain indépendantes, le produit FC présente une erreur quadratique moyenne (RMSE) globale de 12 %. Les marges d’erreur varient pour les trois différentes couches : RMSE verte : 12 %, RMSE non verte : 17 % et RMSE nue : 15 %.

En raison de l’indisponibilité de données de terrain comparables en Afrique, nous n’avons pas été en mesure d’évaluer quantitativement la précision des mesures de la FC pour l’Afrique. Nous fournissons donc ce service à titre provisoire et accueillons volontiers les commentaires des utilisateurs.

Limites

L’effet de l’humidité du sol peut avoir un impact sur la précision du produit FC, et la similitude entre certains endmembers de sol nu et endmembers de végétation non-photosynthétique peut conduire à une instabilité du modèle. Les types/couleurs de sol qui n’ont pas été inclus dans les données d’entraînement du modèle peuvent également être source d’erreurs. Les pixels qui présentent une faible stabilité du modèle sont signalés dans la bande d’erreur du modèle et peuvent être omis de l’analyse ultérieure si nécessaire.

Les produits FC n’ont pas de masquage de l’eau appliqué, donc des valeurs erronées pour la végétation verte au-dessus de l’eau peuvent apparaître. Celles-ci doivent être ignorées et peuvent être masquées en appliquant la couche de caractéristiques Observations d’eau depuis l’espace. Un exemple de masquage des nuages et de l’eau est disponible ici.

Il arrive que la somme des trois composantes ne soit pas égale à 100 %. Les différences sont généralement faibles et ne sont pas arrondies afin de préserver ce qui peut être des indicateurs saisonniers utiles.

La courbe de réponse spectrale relative de Landsat 8 OLI est différente de celle des capteurs Landsat 5 TM et Landsat 7 ETM+. Pour en tenir compte, un facteur d’ajustement de la bande spectrale est appliqué aux données Landsat 8 pour les rendre plus similaires à la réflectance mesurée par Landsat 7. Les facteurs d’ajustement sont décrits plus en détail dans Flood (2014).

Bien que les mêmes données de formation aient été utilisées pour former le produit de couverture fractionnée du JRSRP et le produit de couverture fractionnée de DE Africa, les différences dans les données de réflectance de surface qui sont utilisées comme entrées du modèle signifient que les deux produits ne sont pas identiques.

Interpreting the FC annual summary

The FC annual summary estimates 10th, 50th, and 90th percentiles independently for the green vegetation, non-green vegetation, and bare soil fractions observed in each calendar year.

Percentiles provide an indicator of where an observation sits, relative to the rest of the observations for the pixel. For example, the 90th percentile is the value below which 90% of the observations fall. Because the percentiles are estimated independently for the three cover types, the 10th percentiles represent the low end of the measurements for the three covers, which may have been observed at different times of a year. Simiarly, the 90th percentiles respresent the high end of the measurements for the three covers, which may have occured at different times.

The 10th, 50th, and 90th percentiles represent low, median and high values in a distribution that are robust against outliers. These values can be used separately or combined to understand the land cover dynamics. For example, the three percentiles for the green cover fraction can serve as proxies for the minimum, typical and maximum green cover for a given year. Difference between the 10th and 90th percentiles provides an estimate of the magnitude of change within a year. A large range of values may be observed in the agricultural land for all cover types while high green cover and a small difference between 10th and 90th percentiles are expected for forest cover.

A representative view of the landscape in a year can be obtained by combining the 50th percentiles, or the median values, for the three cover types.