Copernicus Global Land Cover Layers: CGLS-LC100 Collection 3

COPERNICUS/Landcover/100m/Proba-V-C3/Global
डेटासेट की उपलब्धता
2015-01-01T00:00:00Z–2019-12-31T23:59:59Z
डेटासेट प्रोड्यूसर
Earth Engine का स्निपेट
ee.ImageCollection("COPERNICUS/Landcover/100m/Proba-V-C3/Global")
टैग
copernicus eea esa eu landcover landuse-landcover proba probav vito

ब्यौरा

कोपरनिकस ग्लोबल लैंड सर्विस (सीजीएलएस) को लैंड सर्विस के एक कॉम्पोनेंट के तौर पर तय किया गया है. इसका मकसद, एक मल्टी-पर्पज़ सर्विस कॉम्पोनेंट को ऑपरेट करना है. यह कॉम्पोनेंट, वैश्विक स्तर पर ज़मीन की सतह की स्थिति और विकास के बारे में बायो-जियोफ़िज़िकल प्रॉडक्ट की सीरीज़ उपलब्ध कराता है.

100 मीटर के रिज़ॉल्यूशन वाला डाइनैमिक लैंड कवर मैप (CGLS-LC100), CGLS के पोर्टफ़ोलियो में एक नया प्रॉडक्ट है. यह 100 मीटर के स्पैशियल रिज़ॉल्यूशन पर, ग्लोबल लैंड कवर मैप उपलब्ध कराता है. CGLS Land Cover प्रॉडक्ट, ज़मीन के मुख्य हिस्से को कवर करने वाली स्कीम उपलब्ध कराता है. इन अलग-अलग क्लास के अलावा, प्रॉडक्ट में सभी बुनियादी लैंड कवर क्लास के लिए लगातार फ़ील्ड लेयर भी शामिल होती हैं. ये लेयर, लैंड कवर टाइप के लिए वनस्पति/ग्राउंड कवर के अनुमानित अनुपात की जानकारी देती हैं. लगातार क्लासिफ़िकेशन करने की इस स्कीम से, अलग-अलग तरह की ज़मीन को स्टैंडर्ड क्लासिफ़िकेशन स्कीम की तुलना में बेहतर तरीके से दिखाया जा सकता है. इसलिए, इसे ऐप्लिकेशन के इस्तेमाल के हिसाब से बनाया जा सकता है. जैसे, जंगल की निगरानी, फ़सल की निगरानी, जैव विविधता और संरक्षण, अफ़्रीका में पर्यावरण और सुरक्षा की निगरानी, जलवायु मॉडलिंग वगैरह.

ये लैंड कवर मैप (v3.0.1), 2015 से 2019 की अवधि के लिए पूरी दुनिया के लिए उपलब्ध कराए गए हैं. इन्हें PROBA-V 100 मीटर टाइम-सीरीज़ से लिया गया है. यह अच्छी क्वालिटी वाले लैंड कवर ट्रेनिंग साइट और कई सहायक डेटासेट का डेटाबेस है. इसमें सभी सालों के लिए, लेवल 1 पर 80% की सटीकता हासिल की गई है. साल 2020 से, Sentinel टाइम-सीरीज़ का इस्तेमाल करके, सालाना अपडेट देने की योजना है.

यह भी देखें:

बैंड

बैंड

पिक्सल का साइज़: 100 मीटर (सभी बैंड)

नाम इकाई कम से कम ज़्यादा से ज़्यादा पिक्सल का साइज़ ब्यौरा
discrete_classification 0 200 100 मीटर

लैंड कवर क्लासिफ़िकेशन

discrete_classification-proba % 0 100 100 मीटर

अलग-अलग क्लासिफ़िकेशन की क्वालिटी इंडिकेटर (क्लासिफ़िकेशन की संभावना)

forest_type 0 5 100 मीटर

पेड़ों से ढकी जगह का प्रतिशत 1% से ज़्यादा होने पर, सभी पिक्सल के लिए जंगल का टाइप

bare-coverfraction % 0 100 100 मीटर

पेड़-पौधों से ढकी ज़मीन के लिए, पेड़-पौधों से ढकी जगह का प्रतिशत

crops-coverfraction % 0 100 100 मीटर

फ़सल वाली ज़मीन के लैंड कवर क्लास के लिए, वनस्पति से ढकी जगह का प्रतिशत

grass-coverfraction % 0 100 100 मीटर

घास-फूस वाली वनस्पति के लिए, वनस्पति से ढकी जगह का प्रतिशत

moss-coverfraction % 0 100 100 मीटर

काई और लाइकेन वाली ज़मीन के लिए, वनस्पति से ढकी ज़मीन का प्रतिशत

shrub-coverfraction % 0 100 100 मीटर

झाड़ियों से ढकी ज़मीन के लिए, वनस्पति से ढकी जगह का प्रतिशत

tree-coverfraction % 0 100 100 मीटर

जंगल वाले क्षेत्र के लिए, वनस्पति से ढकी जगह का प्रतिशत

snow-coverfraction % 0 100 100 मीटर

बर्फ़ और आइस लैंड कवर क्लास के लिए, ज़मीन के कवर का प्रतिशत

urban-coverfraction % 0 100 100 मीटर

बिल्डिंग वाले लैंड कवर क्लास के लिए, ज़मीन के कितने प्रतिशत हिस्से पर बिल्डिंग बनी है

water-permanent-coverfraction % 0 100 100 मीटर

स्थायी जल निकाय के लैंड कवर क्लास के लिए, ज़मीन को ढंकने वाले हिस्से का प्रतिशत

water-seasonal-coverfraction % 0 100 100 मीटर

मौसमी पानी वाले लैंड कवर क्लास के लिए, ज़मीन को कवर करने का प्रतिशत

data-density-indicator 0 100 100 मीटर

एल्गोरिदम के इनपुट डेटा के लिए डेटा डेंसिटी इंडिकेटर

change-confidence 0 3 100 मीटर

यह लेयर सिर्फ़ साल 2015 के बाद के सालों के लिए उपलब्ध है.

  • 0 - कोई बदलाव नहीं. साल और पिछले साल के बीच अलग-अलग क्लास में कोई बदलाव नहीं हुआ है.
  • 1 - संभावित बदलाव. BFASTmon ने साल की दूसरी छमाही में एनआरटी में ब्रेक का पता लगाया है - बदलाव हो सकता है.
  • 2 - सामान्य कॉन्फ़िडेंस. शहरी, स्थायी पानी, बर्फ़ या दलदल का निशान या BFAST ने बदलाव का पता लगाया, लेकिन HMM मॉडल ने ज़्यादा रिज़ॉल्यूशन में इस बदलाव की पुष्टि नहीं की या BFASTmon ने एनआरटी साल की पहली छमाही में बदलाव का पता लगाया.
  • 3 - ज़्यादा भरोसा. BFAST ने बदलाव का पता लगाया और HMM ने ज़्यादा रिज़ॉल्यूशन में इस बदलाव की पुष्टि की.

discrete_classification Class Table

मान रंग ब्यौरा
0 #282828

अज्ञात. सैटलाइट का डेटा उपलब्ध नहीं है या ज़रूरत के मुताबिक उपलब्ध नहीं है.

20 #ffbb22

झाड़ियां. ऐसे बारहमासी पौधे जिनके तने लकड़ी जैसे होते हैं और जिनकी ऊंचाई पांच मीटर से कम नहीं होती. झाड़ियों की पत्तियां सदाबहार या पर्णपाती हो सकती हैं.

30 #ffff4c

घास-फूस वाले पेड़-पौधे. ऐसे पौधे जिनमें ज़मीन के ऊपर तना या शाखाएं नहीं होती हैं और जिनका स्ट्रक्चर मज़बूत नहीं होता है. पेड़ों और झाड़ियों से ढकी जगह 10% से कम हो.

40 #f096ff

खेती की गई और मैनेज की गई वनस्पति / कृषि. ऐसी ज़मीनें जिन पर कुछ समय के लिए फ़सलें उगाई जाती हैं.इसके बाद, फ़सल काटी जाती है और ज़मीन को कुछ समय के लिए खाली छोड़ दिया जाता है. जैसे, एक फ़सल और कई फ़सलें उगाने की प्रणालियां. ध्यान दें कि बारहमासी लकड़ी वाले फ़सलों को, जंगल या झाड़ियों वाले इलाके के हिसाब से सही लैंड कवर टाइप के तौर पर क्लासिफ़ाई किया जाएगा.

50 #fa0000

शहरी / बसा हुआ. इमारतों और इंसानों के बनाए गए अन्य स्ट्रक्चर से ढकी ज़मीन.

60 #b4b4b4

पेड़-पौधे न होना या कम होना. ऐसी ज़मीन जहां मिट्टी, रेत या चट्टानें दिखती हैं और साल के किसी भी समय में 10 % से ज़्यादा वनस्पति नहीं होती है.

70 #f0f0f0

बर्फ़ और बर्फ़बारी. ऐसी ज़मीन जो पूरे साल बर्फ़ से ढकी रहती है.

80 #0032c8

पानी के स्थायी स्रोत. झीलें, जलाशय, और नदियां. ये ताज़े पानी या खारे पानी के स्रोत हो सकते हैं.

90 #0096a0

जड़ी-बूटी वाली दलदली ज़मीन. ऐसी ज़मीन जहां पानी और जड़ी-बूटी या लकड़ी वाले पौधों का स्थायी मिश्रण होता है. यह वनस्पति, खारे, हल्के खारे या मीठे पानी में मौजूद हो सकती है.

100 #fae6a0

काई और लाइकेन.

111 #58481f

घना जंगल, सदाबहार सुई जैसी पत्तियां. पेड़ों की कैनोपी >70 %, सुई के आकार की पत्ती वाले लगभग सभी पेड़ पूरे साल हरे रहते हैं. इसकी पत्तियां हमेशा हरी रहती हैं.

112 #009900

घना जंगल, सदाबहार चौड़ी पत्ती. पेड़ों से ढकी जगह 70% से ज़्यादा है. चौड़ी पत्ती वाले लगभग सभी पेड़, साल भर हरे रहते हैं. इसकी पत्तियां हमेशा हरी रहती हैं.

113 #70663e

घना जंगल, पतझड़ में पत्तियां गिराने वाला पेड़. पेड़ों की कैनोपी 70% से ज़्यादा है. इसमें मौसमी सुई के आकार की पत्ती वाले पेड़ों के समुदाय शामिल हैं. इनमें पत्तियां आने और गिरने का सालाना चक्र होता है.

114 #00cc00

घना जंगल, चौड़ी पत्ती वाले पर्णपाती पेड़. पेड़ों की कैनोपी >70 % है. इसमें चौड़े पत्तों वाले मौसमी पेड़ों के समुदाय शामिल हैं. इनमें हर साल पत्तों के आने और जाने का चक्र होता है.

115 #4e751f

बंद जंगल, मिला-जुला.

116 #007800

घना जंगल, जो किसी भी अन्य परिभाषा से मेल नहीं खाता.

121 #666000

खुला जंगल, सदाबहार सुई जैसी पत्तियां. ऊपरी परत में 15 से 70 % पेड़ होते हैं और दूसरी परत में झाड़ियां और घास के मैदान होते हैं. सुई के आकार की पत्ती वाले लगभग सभी पेड़ पूरे साल हरे रहते हैं. इसकी पत्तियां हमेशा हरी रहती हैं.

122 #8db400

खुला जंगल, सदाबहार चौड़ी पत्ती वाला पेड़. ऊपरी परत में 15 से 70 % पेड़ होते हैं. दूसरी परत में झाड़ियां और घास के मैदान होते हैं. चौड़ी पत्ती वाले लगभग सभी पेड़ पूरे साल हरे रहते हैं. इसकी पत्तियां हमेशा हरी रहती हैं.

123 #8d7400

खुला जंगल, पतझड़ में पत्तियां गिराने वाला पेड़. सबसे ऊपरी परत में 15 से 70 % पेड़ होते हैं. दूसरी परत में झाड़ियां और घास के मैदान होते हैं. इसमें सुई के आकार के पत्तों वाले मौसमी पेड़ों के समुदाय होते हैं. इनमें पत्तों के आने और जाने का सालाना चक्र होता है.

124 #a0dc00

खुला जंगल, पर्णपाती चौड़ी पत्ती वाला. ऊपरी लेयर में 15 से 70 % पेड़ होते हैं. दूसरी लेयर में झाड़ियां और घास के मैदान होते हैं. इसमें चौड़ी पत्ती वाले पेड़ों के समुदाय होते हैं. इनकी पत्तियां हर साल एक तय समय पर आती हैं और एक तय समय पर झड़ जाती हैं.

125 #929900

खुला जंगल, मिला-जुला.

126 #648c00

खुला जंगल, जो किसी भी अन्य परिभाषा से मेल नहीं खाता.

200 #000080

महासागरों, समुद्रों में. ये ताज़े पानी या खारे पानी के स्रोत हो सकते हैं.

forest_type क्लास टेबल

मान रंग ब्यौरा
0 #282828

अज्ञात

1 #666000

सदाबहार सुई जैसी पत्ती

2 #009900

सदाबहार चौड़ी पत्ती

3 #70663e

पर्णपाती सुई के आकार की पत्ती

4 #a0dc00

पर्णपाती चौड़ी पत्ती

5 #929900

अलग-अलग तरह के जंगल

इमेज प्रॉपर्टी

इमेज प्रॉपर्टी

नाम टाइप ब्यौरा
discrete_classification_class_names STRING_LIST

लैंड कवर क्लास के नाम

discrete_classification_class_palette STRING_LIST

लैंड कवर क्लास पैलेट

discrete_classification_class_values INT_LIST

ज़मीन के टाइप के हिसाब से क्लासिफ़िकेशन की वैल्यू.

forest_type_class_names STRING_LIST

जंगल के फैलाव की क्लास के नाम

forest_type_class_palette STRING_LIST

जंगल के फैलाव की जानकारी देने वाले रंग पटल

forest_type_class_values INT_LIST

जंगल के फैलाव की क्लास वैल्यू

इस्तेमाल की शर्तें

इस्तेमाल की शर्तें

यह लैंड कवर डेटासेट, Copernicus Land Service के ग्लोबल कॉम्पोनेंट का आधिकारिक प्रॉडक्ट है. इसलिए, इसे बिना किसी शुल्क के ऐक्सेस किया जा सकता है. साथ ही, यह सभी उपयोगकर्ताओं के लिए उपलब्ध है.

उद्धरण

उद्धरण:
  • Buchhorn, M. ; Lesiv, M. ; Tsendbazar, N. - ई॰ ; हेरोल्ड, एम॰ ; Bertels, L. ; Smets, B. Copernicus Global Land Cover Layers-Collection 2. Remote Sensing 2020, 12Volume 108, 1044. doi:10.3390/rs12061044

  • बुखॉर्न, एम॰, स्मेत्स, बी., बर्टेल्स, एल॰, रू, बी॰ D., लेसिव, एम॰, त्सेन्दबाज़ार, एन.-ई., हेरोल्ड, एम॰, और फ़्रिट्ज़, एस॰ (2020). Copernicus Global Land Service: Land Cover 100m: collection 3: epoch 2017: Globe (Version V3.0.1) [डेटा सेट]. Zenodo.

  • बुखॉर्न, एम॰, स्मेत्स, बी., बर्टेल्स, एल॰, रू, बी॰ D., लेसिव, एम॰, Tsendbazar, N.-E., हेरोल्ड, एम॰, और फ़्रिट्ज़, एस॰ (2020). Copernicus Global Land Service: Land Cover 100m: collection 3: epoch 2018: Globe (Version V3.0.1) [डेटा सेट]. Zenodo.

  • बुखॉर्न, एम॰, स्मेत्स, बी., बर्टेल्स, एल॰, रू, बी॰ D., लेसिव, एम॰, त्सेन्दबाज़ार, एन.-ई., हेरोल्ड, एम॰, और फ़्रिट्ज़, एस॰ (2020). Copernicus Global Land Service: Land Cover 100m: collection 3: epoch 2015: Globe (Version V3.0.1) [डेटा सेट]. Zenodo.

  • बुखॉर्न, एम॰, स्मेत्स, बी., बर्टेल्स, एल॰, रू, बी॰ D., लेसिव, एम॰, Tsendbazar, N.-E., हेरोल्ड, एम॰, और फ़्रिट्ज़, एस॰ (2020). Copernicus Global Land Service: Land Cover 100m: collection 3: epoch 2019: Globe (Version V3.0.1) [डेटा सेट]. Zenodo.

डीओआई

Earth Engine की मदद से एक्सप्लोर करें

कोड एडिटर (JavaScript)

var dataset = ee.Image('COPERNICUS/Landcover/100m/Proba-V-C3/Global/2019')
.select('discrete_classification');

Map.setCenter(-88.6, 26.4, 1);

Map.addLayer(dataset, {}, 'Land Cover');

Python का सेटअप

Python API और इंटरैक्टिव डेवलपमेंट के लिए geemap का इस्तेमाल करने के बारे में जानकारी पाने के लिए, Python एनवायरमेंट पेज देखें.

import ee
import geemap.core as geemap

Colab (Python)

dataset = ee.Image('COPERNICUS/Landcover/100m/Proba-V-C3/Global/2019').select(
    'discrete_classification'
)

m = geemap.Map()
m.set_center(-88.6, 26.4, 1)
m.add_layer(dataset, {}, 'Land Cover')
m
कोड एडिटर में खोलें