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 स्निपेट
ee.ImageCollection("COPERNICUS/Landcover/100m/Proba-V-C3/Global")
टैग
copernicus eea esa eu landcover landuse-landcover proba probav vito

ब्यौरा

कॉपर्निकस 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 स्पेशल रिज़ॉल्यूशन पर, ग्लोबल लैंड कवर मैप उपलब्ध कराता है. सीजीएलएस लैंड कवर 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 कंटीन्यूअस फ़ील्ड लेयर भी शामिल हैं. इनसे, लैंड कवर टाइप के लिए वनस्पति/ग्राउंड कवर के अनुमान मिलते 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 उच्च 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, हर साल अपडेट देने की योजना है. इसके लिए, Sentinel टाइम-सीरीज़ का इस्तेमाल किया जाएगा.

यह भी देखें:

बैंड

पिक्सल का साइज़
100 मीटर

बैंड

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

लैंड कवर क्लासिफ़िकेशन

discrete_classification-proba % 0 100 मीटर

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

forest_type 0 5 मीटर

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

bare-coverfraction % 0 100 मीटर

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

crops-coverfraction % 0 100 मीटर

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

grass-coverfraction % 0 100 मीटर

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

moss-coverfraction % 0 100 मीटर

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

shrub-coverfraction % 0 100 मीटर

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

tree-coverfraction % 0 100 मीटर

जंगल वाले लैंड कवर क्लास के लिए, वनस्पति से ढकी जगह का प्रतिशत

snow-coverfraction % 0 100 मीटर

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

urban-coverfraction % 0 100 मीटर

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

water-permanent-coverfraction % 0 100 मीटर

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

water-seasonal-coverfraction % 0 100 मीटर

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

data-density-indicator 0 100 मीटर

एल्गोरिदम के इनपुट डेटा के लिए डेटा डेंसिटी इंडिकेटर

change-confidence 0 3 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 है, लेकिन HMM मॉडल ने ज़्यादा रिज़ॉल्यूशन में इस बदलाव की पुष्टि नहीं की है या BFASTmon ने एनआरटी साल की पहली छमाही में बदलाव का पता लगाया है.
  • 3 - बहुत 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 लगातार बढ़ते रहते हैं और लकड़ी जैसे होते हैं. साथ ही, जिनकी मुख्य शाखा की ऊंचाई 5 मीटर से कम नहीं होती. झाड़ियों की पत्तियां सदाबहार या पर्णपाती हो सकती हैं.

30 #ffff4c

घास-फूस वाले पेड़-पौधे. ऐसे पौधे जिनकी पत्तियां या तना ज़मीन के ऊपर नहीं होता और जिनका स्ट्रक्चर ठीक नहीं होता. पेड़ों और झाड़ियों से ढकी जगह 10% से कम है.

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 की कटाई की जाती है और ज़मीन को कुछ समय के लिए खाली छोड़ दिया जाता है. उदाहरण के लिए, 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 मीठे 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, खारे और मीठे पानी में मौजूद हो सकती है.

100 #fae6a0

काई और लाइकेन.

111 #58481f

बंद जंगल, सदाबहार सुई जैसी पत्तियां. पेड़ों से ढकी जगह >70 %, सुई जैसी 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 %, चौड़ी पत्ती वाले लगभग सभी पेड़ साल भर हरे रहते हैं. इसकी पत्तियां हमेशा हरी रहती हैं.

113 #70663e

बंद जंगल, पर्णपाती सुई के आकार की पत्ती. पेड़ों की कैनोपी 70% से ज़्यादा है. इसमें मौसमी सुई के आकार के पत्तों वाले पेड़ों के समुदाय शामिल हैं. इनमें हर साल पत्तों के आने और जाने का चक्र होता है.

114 #00cc00

बंद जंगल, पर्णपाती चौड़ी पत्ती. 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 वाले पत्तों के 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 और 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 झाड़ियों और घास के मैदान का मिश्रण होता है. इसमें सुई के आकार की पत्तियों वाले मौसमी पेड़ों के समुदाय शामिल होते हैं. इनकी पत्तियों के आने और जाने का सालाना चक्र होता है.

124 #a0dc00

खुला जंगल, पर्णपाती चौड़ी पत्ती वाला. सबसे ऊपरी लेयर में 15 से 70 % पेड़ होते हैं. दूसरी लेयर में झाड़ियां और घास के मैदान होते हैं. इसमें चौड़े पत्तों वाले पेड़ों के समुदाय होते हैं. इनमें पत्तों के आने और जाने का सालाना चक्र होता है.

125 #929900

खुला जंगल, मिला-जुला.

126 #648c00

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

200 #000080

महासागर, समुद्र. ये मीठे 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

सैटलाइट इमेज के डेटासेट की विशेषताएं

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 इस्तेमाल के टाइप की वैल्यू.

forest_type_class_names STRING_LIST

जंगल के कवर की क्लास के नाम

forest_type_class_palette STRING_LIST

जंगल के कवर क्लास का रंग पटल

forest_type_class_values INT_LIST

वन क्षेत्र 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

साइटेशन:
  • 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॰, त्सेन्दबाज़ार, एन.-ई., हेरोल्ड, एम॰, और फ़्रिट्ज़, एस॰ (2020). Copernicus Global Land Service: Land Cover 100m: collection 3: epoch 2018: Globe (Version V3.0.1) [Data set]. 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॰, त्सेन्दबाज़ार, एन.-ई., 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