- ডেটাসেটের উপলভ্যতা
- 2001-01-01T00:00:00Z–2020-12-01T00:00:00Z
- ডেটাসেট প্রোডিউসার
- ইউরোপিয়ান স্পেস এজেন্সি (ESA) জলবায়ু পরিবর্তন উদ্যোগ (CCI) প্রোগ্রাম, ফায়ার ECV
- ক্যাডেন্স
- ১ মাস
- ট্যাগ
বিবরণ
MODIS Fire_cci Burned Area পিক্সেল প্রোডাক্ট ভার্সন ৫.১ (FireCCI51) হল একটি মাসিক গ্লোবাল ~২৫০মি স্পেশিয়াল রেজোলিউশন ডেটাসেট যার মধ্যে পুড়ে যাওয়া এলাকা এবং আনুষঙ্গিক ডেটা সম্পর্কিত তথ্য রয়েছে। এটি Terra স্যাটেলাইটের MODIS যন্ত্র থেকে নিয়ার ইনফ্রারেড (NIR) ব্যান্ডের সারফেস রিফ্লেক্ট্যান্সের উপর ভিত্তি করে তৈরি করা হয়েছে। এর পাশাপাশি, Terra এবং Aqua স্যাটেলাইটের একই সেন্সর থেকে পাওয়া সক্রিয় আগুনের তথ্যও ব্যবহার করা হয়েছে।
পুড়ে যাওয়া এলাকার অ্যালগরিদম দুই-পর্যায়ের হাইব্রিড পদ্ধতি ব্যবহার করে। প্রথম ধাপে, দাবানলের উপর ভিত্তি করে যেসব পিক্সেল পুড়ে যাওয়ার সম্ভাবনা বেশি (যাকে "বীজ" বলা হয়) সেগুলি শনাক্ত করা হয়। দ্বিতীয় ধাপে, আগুনের প্যাচ সম্পূর্ণভাবে শনাক্ত করতে কনটেক্সচুয়াল গ্রোইং প্রয়োগ করা হয়। এই ক্রমবর্ধমান পর্যায়টি অ্যাডাপ্টিভ থ্রেশহোল্ডিংয়ের মাধ্যমে নিয়ন্ত্রণ করা হয়, যেখানে প্রতিটি বীজের আশেপাশের এলাকার নির্দিষ্ট বৈশিষ্ট্যের উপর ভিত্তি করে থ্রেশহোল্ড গণনা করা হয়। সম্পূর্ণ শনাক্তকরণ প্রসেসকে গাইড করার জন্য যে ভেরিয়েবল ব্যবহার করা হয় তা হল আগুন লাগার আগের ও পরের ছবির মধ্যে NIR ড্রপ।
ডেটা সেটে প্রতিটি পিক্সেলের জন্য প্রথম আগুন শনাক্তকরণের আনুমানিক দিন, সেই শনাক্তকরণের কনফিডেন্স লেভেল এবং পুড়ে যাওয়া জমির কভার অন্তর্ভুক্ত রয়েছে (ESA CCI ল্যান্ড কভার ডেটাসেট v2.0.7 থেকে এক্সট্র্যাক্ট করা হয়েছে)। এছাড়াও, বৈধ পর্যবেক্ষণের অভাবের কারণে বা সেগুলি পুড়ে যায় না এমন ল্যান্ড কভারের অন্তর্গত হওয়ার কারণে প্রসেস করা হয়নি এমন পিক্সেল শনাক্ত করার জন্য একটি পর্যবেক্ষণ ফ্ল্যাগ প্রদান করা হয়।
FireCCI51, ESA জলবায়ু পরিবর্তন উদ্যোগ (CCI) প্রোগ্রামের অংশ হিসেবে তৈরি করা হয়েছে এবং এটি Copernicus জলবায়ু পরিবর্তন পরিষেবার (C3S) অংশ।
ব্যান্ড
ব্যান্ড
পিক্সেল সাইজ: ২৫০ মিটার (সব ব্যান্ড)
| নাম | একক | ন্যূনতম | সর্বাধিক | পিক্সেলের সাইজ | বিবরণ |
|---|---|---|---|---|---|
BurnDate |
1 | 366 | ২৫০ মিটার | প্রথমবার পোড়া দাগ শনাক্ত করার বছরের আনুমানিক দিন |
|
ConfidenceLevel |
% | 1 | 100 | ২৫০ মিটার | কোনও পিক্সেল বার্ন-ইন হিসেবে শনাক্ত করার সম্ভাবনা, যা সব পিক্সেলের ক্ষেত্রে শনাক্তকরণের অনিশ্চয়তা প্রকাশ করে, এমনকি সেগুলি বার্ন-ইন হিসেবে শ্রেণীবদ্ধ করা হলেও। |
LandCover |
২৫০ মিটার | CCI LandCover v2.0.7 প্রোডাক্ট থেকে এক্সট্র্যাক্ট করা, পুড়ে যাওয়া পিক্সেলের ল্যান্ড কভার বিভাগ। Defourny, P., দেখুন Lamarche, C., Bontemps, S., De Maet, T., Van Bogaert, E., Moreau, I., Brockmann, C., Boettcher, M., Kirches, G., Wevers, J., Santoro, M., Ramoino, F., & Arino, O. (2017). ল্যান্ড কভার জলবায়ু পরিবর্তন সংক্রান্ত উদ্যোগ - প্রোডাক্ট ব্যবহারকারীর নির্দেশিকা v2. ইস্যু ২.০। [অনলাইন] এখানে উপলভ্য: https://maps.elie.ucl.ac.be/CCI/viewer/download/ESACCI-LC-Ph2-PUGv2_2.0.pdf অ্যাক্সেস করা হয়েছে: জুলাই ২০২০। © ESA Climate Change Initiative - UCLouvain (2017) দ্বারা পরিচালিত ল্যান্ড কভার। |
|||
ObservedFlag |
২৫০ মিটার | কোনও পিক্সেল কেন প্রসেস করা হয়নি তা ফ্ল্যাগ থেকে বোঝা যায়।
|
LandCover ক্লাস টেবিল
| মান | রঙ | বিবরণ |
|---|---|---|
| 0 | #000000 | কোনো ডেটা নেই |
| 10 | #ffff64 | শস্যক্ষেত্র, বৃষ্টিপাত-নির্ভর |
| 20 | #aaf0f0 | শস্যক্ষেত্র, জলসেচযুক্ত বা বন্যা-পরবর্তী |
| ৩০ | #dcf064 | মোজাইক শস্যক্ষেত্র (>৫০%) / প্রাকৃতিক গাছপালা (গাছ, গুল্ম, ভেষজ কভার) (<৫০%) |
| 40 | #c8c864 | মোজাইক প্রাকৃতিক গাছপালা (গাছ, গুল্ম, ভেষজ কভার) (>৫০%) / ফসলি জমি (<৫০%) |
| 50 | #০০৬৪০০ | গাছের ছায়া, চওড়া পাতা, চিরহরিৎ, বন্ধ থেকে খোলা (>১৫%) |
| ৬০ | #00a000 | গাছের ছায়া, চওড়া পাতা, পর্ণমোচী, বন্ধ থেকে খোলা (>১৫%) |
| 70 | #003c00 | গাছের ছায়া, সূচালো পাতা, চিরহরিৎ, বন্ধ থেকে খোলা (>১৫%) |
| ৮০ | #২৮৫০০০ | গাছের ছায়া, সূচালো পাতা, পর্ণমোচী, বন্ধ থেকে খোলা (>১৫%) |
| ৯০ | #৭৮৮২০০ | গাছের ছায়া, মিশ্র পাতার ধরন (চওড়া পাতা ও সূঁচালো পাতা) |
| 100 | #8ca000 | মোজাইক গাছ ও ঝোপঝাড় (>৫০%) / তৃণজাতীয় গাছপালা (<৫০%) |
| 110 | #be9600 | মোজাইক তৃণভূমি কভার (>৫০%) / গাছ ও গুল্ম (<৫০%) |
| ১২০ | #৯৬৬৪০০ | Shrubland |
| 130 | #ffb432 | ঘাসজমি |
| 140 | #ffdcd2 | লাইকেন ও মস |
| ১৫০ | #ffebaf | বিরল গাছপালা (গাছ, গুল্ম, তৃণজাতীয় আচ্ছাদন) (<১৫%) |
| 170 | #009678 | গাছের ছায়া, বন্যা, লবণাক্ত জল |
| ১৮০ | #00dc82 | ঝোপঝাড় বা তৃণজাতীয় উদ্ভিদে ঢাকা, বন্যা কবলিত, মিষ্টি/লবণাক্ত/ঈষৎ লবণাক্ত জল |
ব্যবহারের শর্তাদি
ব্যবহারের শর্তাবলী
এই ডেটাসেটটি ফ্রি এবং নিম্নলিখিত নিয়ম ও শর্তাবলী মেনে যেকোনও উদ্দেশ্যে সব ব্যবহারকারীর জন্য উপলভ্য:
ডেটা ব্যবহারকারীদের ESA Climate Change Initiative এবং Fire CCI প্রোজেক্টের সাথে সাথে স্বতন্ত্র ডেটা প্রদানকারীদেরও স্বীকৃতি দিতে হবে, যদি ডেটা কোনও প্রেজেন্টেশন বা প্রকাশনায় ব্যবহার করা হয়। এছাড়াও, প্রাসঙ্গিক ডেটাসেট DOI উল্লেখ করুন।
CCI ডেটার মেধা সম্পত্তির অধিকার (IPR) গবেষক এবং ডেটা তৈরি করা সংস্থার কাছে থাকে।
দায়িত্ব: CCI ডেটার কোয়ালিটি বা নির্ভুলতা অথবা কোনও ব্যবহারের জন্য এর উপযোগিতার ব্যাপারে কোনও ওয়ারেন্টি দেওয়া হয় না। তথ্যের গুণমান বা উপযুক্ততা সম্পর্কিত সমস্ত অন্তর্নিহিত শর্তাবলী এবং তথ্য সরবরাহের ফলে উদ্ভূত সমস্ত দায় (অবহেলা থেকে উদ্ভূত যেকোনও দায় সহ) আইন দ্বারা অনুমোদিত সম্পূর্ণ পরিমাণে বাদ দেওয়া হয়েছে।
উদ্ধৃতি
Padilla Parellada, M. (২০১৮): ESA Fire Climate Change Initiative (Fire_cci): MODIS Fire_cci Burned Area Pixel product, ভার্সন ৫.১। Centre for Environmental Data Analysis, ০১ নভেম্বর ২০১৮। https://doi.org/10.5285/58f00d8814064b79a0c49662ad3af537.
সম্পর্কিত প্রকাশনা: Lizundia-Loiola, J., Otón, G., Ramo, R., Chuvieco, E. (২০২০): MODIS ডেটা থেকে ২৫০ মিটারে গ্লোবাল বার্নড এরিয়া ম্যাপিংয়ের জন্য স্প্যাটিও-টেম্পোরাল অ্যাক্টিভ-ফায়ার ক্লাস্টারিং অ্যাপ্রোচ। Remote Sensing of Environment, 236, 111493. https://doi.org/10.1016/j.rse.2019.111493
DOI
Earth Engine-এর সাহায্যে এক্সপ্লোর করুন
কোড এডিটর (জাভাস্ক্রিপ্ট)
// Visualize FireCCI51 for one year var dataset = ee.ImageCollection('ESA/CCI/FireCCI/5_1') .filterDate('2020-01-01', '2020-12-31'); var burnedArea = dataset.select('BurnDate'); // Use a circular palette to assign colors to date of first detection var baVis = { min: 1, max: 366, palette: [ 'ff0000', 'fd4100', 'fb8200', 'f9c400', 'f2ff00', 'b6ff05', '7aff0a', '3eff0f', '02ff15', '00ff55', '00ff99', '00ffdd', '00ddff', '0098ff', '0052ff', '0210ff', '3a0dfb', '7209f6', 'a905f1', 'e102ed', 'ff00cc', 'ff0089', 'ff0047', 'ff0004' ] }; var maxBA = burnedArea.max(); Map.setCenter(0, 18, 2.1); Map.addLayer(maxBA, baVis, 'Burned Area');
import ee import geemap.core as geemap
Colab (Python)
# Visualize FireCCI51 for one year dataset = ee.ImageCollection('ESA/CCI/FireCCI/5_1').filterDate( '2020-01-01', '2020-12-31' ) burned_area = dataset.select('BurnDate') max_ba = burned_area.max() # Use a circular palette to assign colors to date of first detection ba_vis = { 'min': 1, 'max': 366, 'palette': [ 'ff0000', 'fd4100', 'fb8200', 'f9c400', 'f2ff00', 'b6ff05', '7aff0a', '3eff0f', '02ff15', '00ff55', '00ff99', '00ffdd', '00ddff', '0098ff', '0052ff', '0210ff', '3a0dfb', '7209f6', 'a905f1', 'e102ed', 'ff00cc', 'ff0089', 'ff0047', 'ff0004' ], } m = geemap.Map() m.set_center(0, 18, 2.1) m.add_layer(max_ba, ba_vis, 'Burned Area') m