- ডেটাসেট উপলব্ধতা
- 1985-06-01T00:00:00Z–2020-09-30T00:00:00Z
- ডেটাসেট প্রদানকারী
- ইউএসডিএ ফরেস্ট সার্ভিস (ইউএসএফএস) জিওস্পেশিয়াল টেকনোলজি অ্যান্ড অ্যাপ্লিকেশন সেন্টার (জিটিএসি)
- ট্যাগ
- পরিবর্তন
বর্ণনা
এই পণ্যটি ল্যান্ডস্কেপ চেঞ্জ মনিটরিং সিস্টেম (LCMS) ডেটা স্যুটের অংশ। এটি প্রতি বছরের জন্য LCMS-মডেল করা পরিবর্তন, জমির কভার এবং/অথবা ভূমি ব্যবহারের ক্লাস দেখায়। এই LCMS সংস্করণটি বিচ্ছিন্ন মার্কিন যুক্তরাষ্ট্র (CONUS) এবং দক্ষিণ-পূর্ব আলাস্কা (SEAK) কভার করে।
LCMS হল একটি রিমোট সেন্সিং-ভিত্তিক সিস্টেম যা মার্কিন যুক্তরাষ্ট্র জুড়ে ল্যান্ডস্কেপ পরিবর্তনের ম্যাপিং এবং পর্যবেক্ষণের জন্য। এর উদ্দেশ্য হল ল্যান্ডস্কেপ পরিবর্তনের একটি "সর্বোত্তম উপলব্ধ" মানচিত্র তৈরি করতে পরিবর্তন সনাক্তকরণে সর্বশেষ প্রযুক্তি এবং অগ্রগতি ব্যবহার করে একটি সামঞ্জস্যপূর্ণ পদ্ধতির বিকাশ করা।
আউটপুট তিনটি বার্ষিক পণ্য অন্তর্ভুক্ত: পরিবর্তন, জমি আবরণ, এবং জমি ব্যবহার. পরিবর্তন বিশেষত গাছপালা আবরণের সাথে সম্পর্কিত এবং এতে ধীরগতির ক্ষতি, দ্রুত ক্ষয় (যার মধ্যে জলজগতের পরিবর্তন যেমন প্লাবন বা ডেসিকেশন অন্তর্ভুক্ত) এবং লাভ অন্তর্ভুক্ত থাকে। এই মানগুলি Landsat টাইম সিরিজের প্রতি বছরের জন্য ভবিষ্যদ্বাণী করা হয় এবং LCMS-এর জন্য মৌলিক পণ্য হিসাবে কাজ করে। ভূমি আচ্ছাদন এবং ভূমি ব্যবহার মানচিত্র প্রতিটি বছরের জন্য জীবন-ফর্ম স্তরের ভূমি আচ্ছাদন এবং বিস্তৃত-স্তরের ভূমি ব্যবহার চিত্রিত করে।
যেহেতু কোনো অ্যালগরিদমই সব পরিস্থিতিতে সেরা পারফর্ম করে না, LCMS ভবিষ্যদ্বাণীকারী হিসেবে মডেলের একটি সংকলন ব্যবহার করে, যা বাস্তুতন্ত্র এবং পরিবর্তন প্রক্রিয়াগুলির একটি পরিসরে মানচিত্রের নির্ভুলতা উন্নত করে (Healey et al., 2018)। এলসিএমএস পরিবর্তন, ভূমি আচ্ছাদন, এবং ভূমি ব্যবহারের মানচিত্রগুলির ফলস্বরূপ গত চার দশক ধরে মার্কিন যুক্তরাষ্ট্র জুড়ে ল্যান্ডস্কেপ পরিবর্তনের একটি সামগ্রিক চিত্রণ অফার করে।
LCMS মডেলের জন্য ভবিষ্যদ্বাণীকারী স্তরগুলির মধ্যে রয়েছে বার্ষিক Landsat এবং Sentinel 2 কম্পোজিট, LandTrendr এবং CCDC পরিবর্তন সনাক্তকরণ অ্যালগরিদম থেকে আউটপুট, এবং ভূখণ্ডের তথ্য। এই উপাদানগুলি সমস্ত Google আর্থ ইঞ্জিন (Gorelick et al., 2017) ব্যবহার করে অ্যাক্সেস এবং প্রক্রিয়া করা হয়৷
বার্ষিক কম্পোজিট তৈরি করতে, cFmask (Zhu and Woodcock 2012), CloudScore, এবং TDOM (Chastain et al., 2019) ক্লাউড এবং ক্লাউড শ্যাডো মাস্কিং পদ্ধতিগুলি Landsat Tier 1 এবং Sentinel 2a এবং 2b লেভেল-1C শীর্ষে বায়ুমণ্ডলের প্রতিফলন ডেটাতে প্রয়োগ করা হয়। বার্ষিক medoid তারপর প্রতি বছর একটি একক যৌগিক সারসংক্ষেপ গণনা করা হয়.
কম্পোজিট টাইম সিরিজটি অস্থায়ীভাবে LandTrendr ব্যবহার করে বিভক্ত করা হয়েছে (কেনেডি এট আল।, 2010; কেনেডি এট আল।, 2018; কোহেন এট আল।, 2018)।
CCDC অ্যালগরিদম (Zhu and Woodcock, 2014) ব্যবহার করে সমস্ত ক্লাউড এবং ক্লাউড শ্যাডো মুক্ত মানগুলিও অস্থায়ীভাবে ভাগ করা হয়েছে।
কাঁচা যৌগিক মান, LandTrendr লাগানো মান, জোড়া-ভিত্তিক পার্থক্য, সেগমেন্টের সময়কাল, পরিবর্তনের মাত্রা, এবং ঢাল, এবং CCDC সেপ্টেম্বর 1 সাইন এবং কোসাইন সহগ (প্রথম 3 হারমোনিক্স), লাগানো মান, এবং যুগলগত পার্থক্য সহ, উচ্চতা এবং ঢালের পরিদর্শন, সহ-পরিদর্শন, একটি পরিদর্শন ন্যাশনাল এলিভেশন ডেটাসেট (NED) থেকে অবস্থান সূচক (ওয়েইস, 2001), একটি র্যান্ডম ফরেস্ট (ব্রেইম্যান, 2001) মডেলে স্বাধীন ভবিষ্যদ্বাণীকারী ভেরিয়েবল হিসাবে ব্যবহৃত হয়।
টাইমসিঙ্ক ব্যবহার করে রেফারেন্স ডেটা সংগ্রহ করা হয়, একটি ওয়েব-ভিত্তিক টুল যা বিশ্লেষকদের 1984-বর্তমান থেকে ল্যান্ডস্যাট ডেটা রেকর্ডকে কল্পনা ও ব্যাখ্যা করতে সাহায্য করে (কোহেন এট আল।, 2010)।
অতিরিক্ত সম্পদ
LCMS ডেটা এক্সপ্লোরার হল একটি ওয়েব-ভিত্তিক অ্যাপ্লিকেশন যা ব্যবহারকারীদের LCMS ডেটা দেখতে, বিশ্লেষণ, সংক্ষিপ্তকরণ এবং ডাউনলোড করার ক্ষমতা প্রদান করে।
পদ্ধতি এবং নির্ভুলতা মূল্যায়ন সংক্রান্ত আরও বিস্তারিত তথ্যের জন্য অনুগ্রহ করে LCMS পদ্ধতির সংক্ষিপ্ত বিবরণ দেখুন, অথবা ডেটা ডাউনলোড, মেটাডেটা এবং সমর্থন নথিগুলির জন্য LCMS জিওডাটা ক্লিয়ারিংহাউস দেখুন ।
কোনো প্রশ্ন বা নির্দিষ্ট ডেটা অনুরোধের সাথে [sm.fs.lcms@usda.gov] এর সাথে যোগাযোগ করুন।
ব্রেইম্যান, এল., 2001. মেশিন লার্নিং। স্প্রিংগার , 45(3): 261-277 doi:10.1023/a:1017934522171
Chastain, R., Housman, I., Goldstein, J., Finco, M., and Tenneson, K., 2019. সেন্টিনেল-2A এবং 2B MSI, Landsat-8 OLI, এবং Landsat-7 ETM-এর বায়ুমণ্ডলের বর্ণালী বৈশিষ্ট্যের উপর পরীক্ষামূলক ক্রস সেন্সর তুলনা মার্কিন যুক্তরাষ্ট্রের উপরে। রিমোট সেন্সিং অফ এনভায়রনমেন্টে। সায়েন্স ডাইরেক্ট , 221: 274-285 doi:10.1016/j.rse.2018.11.012
Cohen, WB, Yang, Z., এবং Kennedy, R., 2010. বার্ষিক ল্যান্ডস্যাট টাইম সিরিজ ব্যবহার করে বনের ঝামেলা এবং পুনরুদ্ধারের প্রবণতা সনাক্ত করা: 2. TimeSync - ক্রমাঙ্কন এবং বৈধতার জন্য সরঞ্জাম। রিমোট সেন্সিং অফ এনভায়রনমেন্টে। সায়েন্স ডাইরেক্ট , 114(12): 2911-2924 doi:10.1016/j.rse.2010.07.010
Cohen, WB, Yang, Z., Healey, SP, Kennedy, RE, এবং Gorelick, N., 2018. বনের বিশৃঙ্খলা সনাক্তকরণের জন্য একটি LandTrendr মাল্টিস্পেকট্রাল ensemble। রিমোট সেন্সিং অফ এনভায়রনমেন্টে। সায়েন্স ডাইরেক্ট , 205: 131-140 doi:10.1016/j.rse.2017.11.015
Healey, SP, Cohen, WB, Yang, Z., Kenneth Brewer, C., Brooks, EB, Gorelick, N., Hernandez, AJ, Huang, C., Joseph Hughes, M., Kennedy, RE, Loveland, TR, Moisen, GG, Schroeder, TA, SE, SE, Vogelman, Woodco, JE, Stehman ইয়াং, এল., এবং ঝু, জেড., 2018. স্ট্যাকড সাধারণীকরণ ব্যবহার করে বনের পরিবর্তন ম্যাপিং: একটি এনসেম্বল পদ্ধতি। রিমোট সেন্সিং অফ এনভায়রনমেন্টে। সায়েন্স ডাইরেক্ট , 204: 717-728 doi:10.1016/j.rse.2017.09.029
Kennedy, RE, Yang, Z., এবং Cohen, WB, 2010. বার্ষিক ল্যান্ডস্যাট টাইম সিরিজ ব্যবহার করে বনের ঝামেলা এবং পুনরুদ্ধারের প্রবণতা সনাক্ত করা: 1. LandTrendr - টেম্পোরাল সেগমেন্টেশন অ্যালগরিদম। রিমোট সেন্সিং অফ এনভায়রনমেন্টে। সায়েন্স ডাইরেক্ট , 114(12): 2897-2910 doi:10.1016/j.rse.2010.07.008
Kennedy, R., Yang, Z., Gorelick, N., Braaten, J., Cavalcante, L., Cohen, W., and Healey, S., 2018. Google Earth ইঞ্জিনে LandTrendr অ্যালগরিদমের বাস্তবায়ন। রিমোট সেন্সিং-এ। MDPI , 10(5): 691 doi:10.3390/rs10050691
ওয়েইস, এডি, 2001। টপোগ্রাফিক পজিশন এবং ল্যান্ডফর্ম বিশ্লেষণ পোস্টার প্রেজেন্টেশন, ইএসআরআই ইউজারস কনফারেন্স, সান দিয়েগো, সিএজু, জেড। এবং উডকক, সিই (2012)। অবজেক্ট-ভিত্তিক ক্লাউড এবং ল্যান্ডস্যাট ছবিতে মেঘের ছায়া সনাক্তকরণ। রিমোট সেন্সিং অফ এনভায়রনমেন্টে। সায়েন্স ডাইরেক্ট , 118: 83-94 doi:10.1016/j.rse.2011.10.028
Zhu, Z., এবং Woodcock, CE, 2014. ক্রমাগত পরিবর্তন সনাক্তকরণ এবং সমস্ত উপলব্ধ Landsat ডেটা ব্যবহার করে ভূমি কভারের শ্রেণীবিভাগ। রিমোট সেন্সিং অফ এনভায়রনমেন্টে। সায়েন্স ডাইরেক্ট , 144: 152-171 doi:10.1016/j.rse.2014.01.011
ব্যান্ড
পিক্সেল সাইজ
30 মিটার
ব্যান্ড
| নাম | পিক্সেল সাইজ | বর্ণনা |
|---|---|---|
Change | মিটার | চূড়ান্ত থিম্যাটিক LCMS পরিবর্তন পণ্য। প্রতি বছরের জন্য মোট তিনটি পরিবর্তন ক্লাস (ধীরগতির ক্ষতি, দ্রুত ক্ষতি এবং লাভ) ম্যাপ করা হয়। প্রতিটি শ্রেণীর একটি পৃথক র্যান্ডম ফরেস্ট মডেল ব্যবহার করে ভবিষ্যদ্বাণী করা হয়, যা একটি সম্ভাব্যতা (র্যান্ডম ফরেস্ট মডেলের মধ্যে গাছের অনুপাত) যে পিক্সেলটি সেই শ্রেণীর অন্তর্গত তা আউটপুট করে। এই কারণে, প্রতিটি পিক্সেলের প্রতি বছরের জন্য তিনটি ভিন্ন মডেলের আউটপুট রয়েছে। চূড়ান্ত শ্রেণীগুলি পরিবর্তন শ্রেণীতে বরাদ্দ করা হয় সর্বোচ্চ সম্ভাবনার সাথে যা একটি নির্দিষ্ট থ্রেশহোল্ডের উপরেও। যে কোনো পিক্সেল যার প্রতিটি ক্লাসের নিজ নিজ থ্রেশহোল্ডের উপরে কোনো মান নেই তা Stable ক্লাসে বরাদ্দ করা হয়। |
Land_Cover | মিটার | চূড়ান্ত থিম্যাটিক LCMS ল্যান্ড কভার পণ্য। TimeSync রেফারেন্স ডেটা এবং Landsat চিত্র থেকে প্রাপ্ত বর্ণালী তথ্য ব্যবহার করে বার্ষিক ভিত্তিতে মোট 14টি ল্যান্ড কভার ক্লাস ম্যাপ করা হয়। প্রতিটি শ্রেণীর একটি পৃথক র্যান্ডম ফরেস্ট মডেল ব্যবহার করে ভবিষ্যদ্বাণী করা হয়, যা একটি সম্ভাব্যতা (র্যান্ডম ফরেস্ট মডেলের মধ্যে গাছের অনুপাত) যে পিক্সেলটি সেই শ্রেণীর অন্তর্গত তা আউটপুট করে। এই কারণে, স্বতন্ত্র পিক্সেলের প্রতি বছরের জন্য 14টি ভিন্ন মডেলের আউটপুট থাকে এবং সর্বোচ্চ সম্ভাব্যতার সাথে ল্যান্ড কভারে চূড়ান্ত ক্লাস নির্ধারিত হয়। 14টি ল্যান্ড কভার ক্লাসের মধ্যে সাতটি একটি একক ল্যান্ড কভার নির্দেশ করে, যেখানে সেই ল্যান্ড কভার টাইপটি পিক্সেলের বেশিরভাগ এলাকা কভার করে এবং অন্য কোন ক্লাস পিক্সেলের 10% এর বেশি কভার করে না। সাতটি মিশ্র শ্রেণীও রয়েছে। এগুলি এমন পিক্সেলগুলিকে প্রতিনিধিত্ব করে যেখানে একটি অতিরিক্ত ল্যান্ড কভার ক্লাস পিক্সেলের কমপক্ষে 10% কভার করে। |
Land_Use | মিটার | চূড়ান্ত থিম্যাটিক LCMS ভূমি ব্যবহার পণ্য। TimeSync রেফারেন্স ডেটা এবং Landsat চিত্র থেকে প্রাপ্ত বর্ণালী তথ্য ব্যবহার করে বার্ষিক ভিত্তিতে মোট 6টি ভূমি ব্যবহারের ক্লাস ম্যাপ করা হয়। প্রতিটি শ্রেণীর একটি পৃথক র্যান্ডম ফরেস্ট মডেল ব্যবহার করে ভবিষ্যদ্বাণী করা হয়, যা একটি সম্ভাব্যতা (র্যান্ডম ফরেস্ট মডেলের মধ্যে গাছের অনুপাত) যে পিক্সেলটি সেই শ্রেণীর অন্তর্গত তা আউটপুট করে। এই কারণে, পৃথক পিক্সেলগুলিতে প্রতি বছরের জন্য 6টি ভিন্ন মডেলের আউটপুট থাকে এবং সর্বোচ্চ সম্ভাব্যতার সাথে ভূমি ব্যবহারের জন্য চূড়ান্ত ক্লাস নির্ধারিত হয়। |
Change_Raw_Probability_Slow_Loss | মিটার | কাঁচা LCMS মডেলড স্লো লস সম্ভাবনা। এইভাবে সংজ্ঞায়িত: ধীরগতির ক্ষতির মধ্যে টাইমসিঙ্ক পরিবর্তন প্রক্রিয়া ব্যাখ্যা থেকে নিম্নলিখিত ক্লাসগুলি অন্তর্ভুক্ত রয়েছে-
|
Change_Raw_Probability_Fast_Loss | মিটার | Raw LCMS মডেল করা দ্রুত ক্ষতির সম্ভাবনা। এইভাবে সংজ্ঞায়িত: দ্রুত ক্ষতির মধ্যে টাইমসিঙ্ক পরিবর্তন প্রক্রিয়া ব্যাখ্যা থেকে নিম্নলিখিত ক্লাসগুলি অন্তর্ভুক্ত রয়েছে-
|
Change_Raw_Probability_Gain | মিটার | Raw LCMS মডেলকৃত লাভের সম্ভাবনা। এইভাবে সংজ্ঞায়িত করা হয়েছে: এক বা একাধিক বছর ধরে বৃদ্ধি এবং উত্তরাধিকারের কারণে গাছপালা আচ্ছাদনের বৃদ্ধি প্রদর্শন করে এমন জমি। গাছপালা পুনঃবৃদ্ধির সাথে যুক্ত বর্ণালী পরিবর্তনকে প্রকাশ করতে পারে এমন যে কোনো এলাকায় প্রযোজ্য। উন্নত এলাকায়, পরিপক্ক গাছপালা এবং/অথবা নতুন ইনস্টল করা লন এবং ল্যান্ডস্কেপিংয়ের ফলে বৃদ্ধি হতে পারে। বনাঞ্চলে, বৃদ্ধির মধ্যে রয়েছে খালি মাটি থেকে গাছপালা বৃদ্ধি, সেইসাথে মধ্যবর্তী এবং সহ-আধিপত্য গাছ এবং/অথবা নীচের ঘাস এবং গুল্মগুলির উপরিভাগ। বন ফসলের পরে রেকর্ডকৃত বৃদ্ধি/পুনরুদ্ধার অংশগুলি বনের পুনরুত্থানের সাথে সাথে বিভিন্ন ভূমি আচ্ছাদন শ্রেণীর মাধ্যমে স্থানান্তরিত হবে। এই পরিবর্তনগুলিকে বৃদ্ধি/পুনরুদ্ধার হিসাবে বিবেচনা করার জন্য, বর্ণালী মানগুলি ক্রমবর্ধমান প্রবণতা লাইনের সাথে ঘনিষ্ঠভাবে মেনে চলতে হবে (যেমন একটি ইতিবাচক ঢাল যা ~20 বছর পর্যন্ত প্রসারিত হলে, NDVI-এর .10 ইউনিটের ক্রম অনুসারে হবে) যা বেশ কয়েক বছর ধরে চলতে থাকে। |
Land_Cover_Raw_Probability_Trees | মিটার | গাছের কাঁচা LCMS মডেলের সম্ভাবনা। এইভাবে সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ জীবন্ত বা স্থায়ী মৃত গাছ নিয়ে গঠিত। |
Land_Cover_Raw_Probability_Tall-Shrubs-and-Trees-Mix | মিটার | লম্বা ঝোপঝাড় এবং গাছের মিশ্রণের কাঁচা LCMS মডেলের সম্ভাবনা (শুধুমাত্র SEAK)। এইভাবে সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ 1 মিটারের বেশি উচ্চতার ঝোপঝাড় নিয়ে গঠিত এবং কমপক্ষে 10% জীবিত বা দাঁড়িয়ে থাকা মৃত গাছের সমন্বয়ে গঠিত। |
Land_Cover_Raw_Probability_Shrubs-and-Trees-Mix | মিটার | ঝোপ এবং গাছের মিশ্রণের কাঁচা LCMS মডেলের সম্ভাবনা। এইভাবে সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ ঝোপঝাড়ের সমন্বয়ে গঠিত এবং এতে কমপক্ষে 10% জীবিত বা দাঁড়িয়ে থাকা মৃত গাছও রয়েছে। |
Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Trees-Mix | মিটার | ঘাস/ফর্ব/ভেষজ এবং গাছের মিশ্রণের কাঁচা এলসিএমএস মডেলের সম্ভাবনা। এইভাবে সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ বহুবর্ষজীবী ঘাস, ফরবস বা ভেষজ উদ্ভিদের অন্যান্য রূপের সমন্বয়ে গঠিত এবং কমপক্ষে 10% জীবিত বা স্থায়ী মৃত গাছের সমন্বয়ে গঠিত। |
Land_Cover_Raw_Probability_Barren-and-Trees-Mix | মিটার | অনুর্বর এবং গাছের মিশ্রণের কাঁচা LCMS মডেলযুক্ত সম্ভাবনা। এইভাবে সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশির ভাগই অশান্তির দ্বারা উদ্ভাসিত খালি মাটি (যেমন, যান্ত্রিক ক্লিয়ারিং বা বন ফসলের দ্বারা উন্মোচিত মাটি) এবং সেইসাথে বহুবর্ষজীবী অনুর্বর অঞ্চল যেমন মরুভূমি, প্লেয়াস, শিলা ফসল (খনিজ এবং অন্যান্য ভূতাত্ত্বিক উপাদান সহ, পৃষ্ঠতলের নুনের দ্বারা উন্মুক্ত হওয়া, সমতল ক্রিয়াকলাপ দ্বারা উদ্ভাসিত)। ময়লা এবং নুড়ি দিয়ে তৈরি রাস্তাগুলিকেও অনুর্বর হিসাবে বিবেচনা করা হয় এবং কমপক্ষে 10% জীবিত বা দাঁড়িয়ে থাকা মৃত গাছের সমন্বয়ে গঠিত। |
Land_Cover_Raw_Probability_Tall-Shrubs | মিটার | লম্বা ঝোপঝাড়ের কাঁচা LCMS মডেলের সম্ভাবনা (শুধুমাত্র SEAK)। এইভাবে সংজ্ঞায়িত: পিক্সেলের বেশিরভাগ অংশ 1 মিটারের বেশি উচ্চতার ঝোপের সমন্বয়ে গঠিত। |
Land_Cover_Raw_Probability_Shrubs | মিটার | ঝোপঝাড়ের কাঁচা LCMS মডেলের সম্ভাবনা। সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশই ঝোপঝাড়ের সমন্বয়ে গঠিত। |
Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Shrubs-Mix | মিটার | কাঁচা LCMS ঘাস/ফর্ব/ভেষজ এবং গুল্ম মিশ্রণের মডেলযুক্ত সম্ভাবনা। এইভাবে সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ বহুবর্ষজীবী ঘাস, ফরবস বা ভেষজ উদ্ভিদের অন্যান্য রূপ নিয়ে গঠিত এবং কমপক্ষে 10% গুল্ম নিয়ে গঠিত। |
Land_Cover_Raw_Probability_Barren-and-Shrubs-Mix | মিটার | অনুর্বর এবং ঝোপের মিশ্রণের কাঁচা LCMS মডেলযুক্ত সম্ভাবনা। এইভাবে সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশির ভাগই অশান্তির দ্বারা উদ্ভাসিত খালি মাটি (যেমন, যান্ত্রিক ক্লিয়ারিং বা বন ফসলের দ্বারা উন্মোচিত মাটি) এবং সেইসাথে বহুবর্ষজীবী অনুর্বর অঞ্চল যেমন মরুভূমি, প্লেয়াস, শিলা ফসল (খনিজ এবং অন্যান্য ভূতাত্ত্বিক উপাদান সহ, পৃষ্ঠতলের নুনের দ্বারা উন্মুক্ত হওয়া, সমতল ক্রিয়াকলাপ দ্বারা উদ্ভাসিত)। ময়লা এবং নুড়ি দিয়ে তৈরি রাস্তাগুলিকে অনুর্বর হিসাবে বিবেচনা করা হয় এবং কমপক্ষে 10% ঝোপঝাড়ের সমন্বয়ে গঠিত। |
Land_Cover_Raw_Probability_Grass-Forb-Herb | মিটার | ঘাস/ফর্ব/ভেষজ-এর কাঁচা LCMS মডেলযুক্ত সম্ভাবনা। এইভাবে সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ বহুবর্ষজীবী ঘাস, ফরবস, বা ভেষজ উদ্ভিদের অন্যান্য রূপ নিয়ে গঠিত। |
Land_Cover_Raw_Probability_Barren-and-Grass-Forb-Herb-Mix | মিটার | অনুর্বর এবং ঘাস/ফরব/হার্ব মিশ্রণের কাঁচা LCMS মডেলযুক্ত সম্ভাবনা। এইভাবে সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশির ভাগই অশান্তির দ্বারা উদ্ভাসিত খালি মাটি (যেমন, যান্ত্রিক ক্লিয়ারিং বা বন ফসলের দ্বারা উন্মোচিত মাটি) এবং সেইসাথে বহুবর্ষজীবী অনুর্বর অঞ্চল যেমন মরুভূমি, প্লেয়াস, শিলা ফসল (খনিজ এবং অন্যান্য ভূতাত্ত্বিক উপাদান সহ, পৃষ্ঠতলের নুনের দ্বারা উন্মুক্ত হওয়া, সমতল ক্রিয়াকলাপ দ্বারা উদ্ভাসিত)। ময়লা এবং নুড়ি দিয়ে তৈরি রাস্তাগুলিকেও অনুর্বর হিসাবে বিবেচনা করা হয় এবং এতে কমপক্ষে 10% বহুবর্ষজীবী ঘাস, ফরবস বা অন্যান্য ধরণের ভেষজ উদ্ভিদ রয়েছে। |
Land_Cover_Raw_Probability_Barren-or-Impervious | মিটার | Raw LCMS ব্যারেন বা Impervious এর মডেলড সম্ভাব্যতা। এইভাবে সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ 1) অস্থিরতার দ্বারা উদ্ভাসিত খালি মাটি (যেমন, যান্ত্রিক ক্লিয়ারিং বা বন ফসলের দ্বারা উন্মোচিত মাটি), সেইসাথে বহুবর্ষজীবী অনুর্বর অঞ্চল যেমন মরুভূমি, প্লেয়াস, শিলা ফসল (খনিজ এবং অন্যান্য ভূতাত্ত্বিক দ্রব্য সহ), সমতল পৃষ্ঠ এবং লবণাক্ত ক্রিয়াকলাপ দ্বারা উন্মুক্ত মাটি দ্বারা গঠিত। সৈকত ময়লা এবং নুড়ি দিয়ে তৈরি রাস্তাগুলিকেও অনুর্বর হিসাবে বিবেচনা করা হয় বা 2) মনুষ্যসৃষ্ট সামগ্রী যা জল প্রবেশ করতে পারে না, যেমন পাকা রাস্তা, ছাদ এবং পার্কিং লট। |
Land_Cover_Raw_Probability_Snow-or-Ice | মিটার | তুষার বা বরফের কাঁচা LCMS মডেলের সম্ভাবনা। এইভাবে সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ তুষার বা বরফ দ্বারা গঠিত। |
Land_Cover_Raw_Probability_Water | মিটার | কাঁচা LCMS জলের সম্ভাব্যতা মডেল। হিসাবে সংজ্ঞায়িত: পিক্সেল অধিকাংশ জল গঠিত. |
Land_Use_Raw_Probability_Agriculture | মিটার | কাঁচা এলসিএমএস মডেলের কৃষি সম্ভাবনা। সংজ্ঞায়িত করা হয়েছে: খাদ্য, আঁশ এবং জ্বালানী উৎপাদনের জন্য ব্যবহৃত জমি যা হয় উদ্ভিজ্জ বা অ-ভেজিটেড অবস্থায় থাকে। এর মধ্যে রয়েছে কিন্তু চাষকৃত এবং অচাষিত ফসলের জমি, খড়ের জমি, বাগান, আঙ্গুরের ক্ষেত, সীমাবদ্ধ পশুপালন কার্যক্রম এবং ফল, বাদাম বা বেরি উৎপাদনের জন্য রোপণ করা এলাকাগুলির মধ্যেই সীমাবদ্ধ নয়। প্রাথমিকভাবে কৃষি ব্যবহারের জন্য ব্যবহৃত রাস্তাগুলি (অর্থাৎ শহর থেকে শহরে পাবলিক ট্রান্সপোর্টের জন্য ব্যবহার করা হয় না) কৃষি জমির ব্যবহার হিসাবে বিবেচিত হয়। |
Land_Use_Raw_Probability_Developed | মিটার | Raw LCMS মডেলের সম্ভাবনার বিকাশ। এইভাবে সংজ্ঞায়িত করা হয়েছে: মনুষ্যসৃষ্ট কাঠামো (যেমন উচ্চ ঘনত্বের আবাসিক, বাণিজ্যিক, শিল্প, খনির বা পরিবহন), বা গাছপালা (গাছ সহ) এবং কাঠামো উভয়ের মিশ্রণ (যেমন, কম ঘনত্বের আবাসিক, লন, বিনোদনমূলক সুবিধা, কবরস্থান, পরিবহন এবং ইউটিলিটি ইত্যাদি) দ্বারা আচ্ছাদিত জমি, যে কোনো করিডোর সহ মানুষের ক্রিয়াকলাপ। |
Land_Use_Raw_Probability_Forest | মিটার | কাঁচা LCMS বনের সম্ভাব্যতা মডেল করা। এইভাবে সংজ্ঞায়িত করা হয়েছে: যে জমিতে রোপণ করা হয় বা প্রাকৃতিকভাবে গাছপালা হয় এবং যেটিতে 10% বা তার বেশি বৃক্ষের আবরণ থাকে (বা থাকতে পারে) কাছাকাছি-মেয়াদী ধারাবাহিক ক্রমানুসারে। এর মধ্যে পর্ণমোচী, চিরসবুজ এবং/অথবা প্রাকৃতিক বনের মিশ্র শ্রেণী, বনভূমি, এবং কাঠের জলাভূমি অন্তর্ভুক্ত থাকতে পারে। |
Land_Use_Raw_Probability_Non-Forest-Wetland | মিটার | কাঁচা LCMS নন-ফরেস্ট ওয়েটল্যান্ডের সম্ভাব্যতা মডেল করেছে। এইভাবে সংজ্ঞায়িত করা হয়েছে: একটি দৃশ্যমান জল টেবিলের সংলগ্ন বা এর মধ্যে (স্থায়ীভাবে বা ঋতুগতভাবে স্যাচুরেটেড) ঝোপঝাড় বা ক্রমাগত উদ্ভূত জমি। এই জলাভূমিগুলি হ্রদ, নদী নালা বা মোহনার তীরে অবস্থিত হতে পারে; নদীর প্লাবনভূমিতে; বিচ্ছিন্ন জলাশয়ে; বা ঢালে। এগুলি কৃষি ল্যান্ডস্কেপে প্রেইরি গর্ত, ড্রেনেজ ডিচ এবং স্টক পুকুর হিসাবেও ঘটতে পারে এবং হ্রদ বা নদীর মাঝখানে দ্বীপ হিসাবেও উপস্থিত হতে পারে। অন্যান্য উদাহরণের মধ্যে রয়েছে জলাভূমি, জলাভূমি, জলাভূমি, জলাভূমি, মাস্কেগস, স্লফস, ফেনস এবং বেউস। |
Land_Use_Raw_Probability_Other | মিটার | Raw LCMS মডেলড সম্ভাব্যতা অন্যান্য। এইভাবে সংজ্ঞায়িত করা হয়েছে: ভূমি (ব্যবহার নির্বিশেষে) যেখানে বর্ণালী প্রবণতা বা অন্যান্য সমর্থনকারী প্রমাণগুলি নির্দেশ করে যে কোনও ঝামেলা বা পরিবর্তনের ঘটনা ঘটেছে কিন্তু নির্দিষ্ট কারণ নির্ধারণ করা যায় না বা পরিবর্তনের ধরন উপরে সংজ্ঞায়িত পরিবর্তন প্রক্রিয়া বিভাগগুলির মধ্যে কোনোটি পূরণ করতে ব্যর্থ হয়। |
Land_Use_Raw_Probability_Rangeland-or-Pasture | মিটার | রেঞ্জল্যান্ড বা চারণভূমির কাঁচা LCMS মডেলযুক্ত সম্ভাবনা। এই শ্রেণীতে সংজ্ঞায়িত করা হয়েছে: এই শ্রেণীতে যেকোন এলাকা অন্তর্ভুক্ত হয় যেটি হয় ক.) রেঞ্জল্যান্ড, যেখানে গাছপালা স্থানীয় ঘাস, গুল্ম, ফরব এবং ঘাসের মতো উদ্ভিদের মিশ্রণ যা মূলত প্রাকৃতিক কারণ এবং প্রক্রিয়া যেমন বৃষ্টিপাত, তাপমাত্রা, উচ্চতা এবং আগুন থেকে উদ্ভূত হয়, যদিও সীমিত ব্যবস্থাপনায় নির্ধারিত পোড়ানোর পাশাপাশি গৃহপালিত পশুচারণ অন্তর্ভুক্ত থাকতে পারে; বা খ.) চারণভূমি, যেখানে গাছপালা মিশ্র, বৃহৎ প্রাকৃতিক ঘাস, ফরবস এবং ভেষজ থেকে শুরু করে ঘাসের প্রজাতির দ্বারা আধিপত্য করা আরও পরিচালিত গাছপালা পর্যন্ত হতে পারে যেগুলি বীজ বপন করা হয়েছে এবং মনোকালচারের কাছাকাছি বজায় রাখতে পরিচালিত হয়েছে। |
ক্লাস টেবিল পরিবর্তন করুন
| মান | রঙ | বর্ণনা |
|---|---|---|
| 1 | #3d4551 | স্থিতিশীল |
| 2 | #f39268 | ধীরগতির ক্ষতি |
| 3 | #d54309 | দ্রুত ক্ষতি |
| 4 | #00a398 | লাভ |
| 5 | #1b1716 | নন-প্রসেসিং এরিয়া মাস্ক |
ল্যান্ড_কভার ক্লাস টেবিল
| মান | রঙ | বর্ণনা |
|---|---|---|
| 1 | #005e00 | গাছ |
| 2 | #008000 | লম্বা ঝোপ এবং গাছের মিশ্রণ (শুধুমাত্র SEAK) |
| 3 | #00cc00 | গুল্ম এবং গাছের মিশ্রণ |
| 4 | #b3ff1a | ঘাস/ফরব/ভেষজ এবং গাছের মিশ্রণ |
| 5 | #99ff99 | অনুর্বর এবং গাছের মিশ্রণ |
| 6 | #b30088 | লম্বা ঝোপ (শুধুমাত্র SEAK) |
| 7 | #e68a00 | ঝোপঝাড় |
| 8 | #ffad33 | ঘাস/ফরব/ভেষজ এবং গুল্ম মিক্স |
| 9 | #ffe0b3 | অনুর্বর এবং গুল্ম মিক্স |
| 10 | #ffff00 | ঘাস/ফরব/ভেষজ |
| 11 | #aa7700 | অনুর্বর এবং ঘাস/ফর্ব/ভেষজ মিশ্রণ |
| 12 | #d3bf9b | অনুর্বর বা অভেদ্য |
| 13 | #ffffff | তুষার বা বরফ |
| 14 | #4780f3 | জল |
| 15 | #1b1716 | নন-প্রসেসিং এরিয়া মাস্ক |
Land_Use ক্লাস টেবিল
| মান | রঙ | বর্ণনা |
|---|---|---|
| 1 | #efff6b | কৃষি |
| 2 | #ff2ff8 | বিকশিত |
| 3 | #1b9d0c | বন |
| 4 | #97ffff | অ-বন জলাভূমি |
| 5 | #a1a1a1 | অন্যান্য |
| 6 | #c2b34a | রেঞ্জল্যান্ড বা চারণভূমি |
| 7 | #1b1716 | নন-প্রসেসিং এরিয়া মাস্ক |
ইমেজ বৈশিষ্ট্য
ইমেজ বৈশিষ্ট্য
| নাম | টাইপ | বর্ণনা |
|---|---|---|
| অধ্যয়ন_ক্ষেত্র | STRING | LCMS বর্তমানে CONUS এবং দক্ষিণ-পূর্ব আলাস্কা কভার করে। এটি অদূর ভবিষ্যতে সমস্ত মার্কিন রাজ্য এবং অঞ্চলগুলিকে অন্তর্ভুক্ত করতে প্রসারিত হবে৷ সম্ভাব্য মান: 'SEAK' বা 'CONUS' |
ব্যবহারের শর্তাবলী
ব্যবহারের শর্তাবলী
USDA ফরেস্ট সার্ভিস কোনো ওয়ারেন্টি দেয় না, প্রকাশ বা উহ্য করে, যার মধ্যে কোনো নির্দিষ্ট উদ্দেশ্যের জন্য ব্যবসায়িকতা এবং ফিটনেসের ওয়ারেন্টি সহ, বা এই ভূ-স্থানিক ডেটার নির্ভুলতা, নির্ভরযোগ্যতা, সম্পূর্ণতা বা উপযোগিতার জন্য বা এই ভূ-স্থানিক ডেটার অনুপযুক্ত বা ভুল ব্যবহারের জন্য কোনো আইনি দায় বা দায়িত্ব গ্রহণ করে না। এই ভূ-স্থানিক ডেটা এবং সম্পর্কিত মানচিত্র বা গ্রাফিক্স আইনী নথি নয় এবং এগুলি ব্যবহার করার উদ্দেশ্যে নয়। উপাত্ত এবং মানচিত্র শিরোনাম, মালিকানা, আইনি বিবরণ বা সীমানা, আইনি এখতিয়ার, বা সরকারী বা ব্যক্তিগত জমিতে যে বিধিনিষেধ রয়েছে তা নির্ধারণ করতে ব্যবহার করা যাবে না। প্রাকৃতিক বিপদগুলি ডেটা এবং মানচিত্রে চিত্রিত হতে পারে বা নাও হতে পারে এবং ভূমি ব্যবহারকারীদের যথাযথ সতর্কতা অবলম্বন করা উচিত। ডেটা গতিশীল এবং সময়ের সাথে পরিবর্তিত হতে পারে। ভূ-স্থানিক ডেটার সীমাবদ্ধতা যাচাই করার এবং সেই অনুযায়ী ডেটা ব্যবহার করার দায়িত্ব ব্যবহারকারীর।
এই তথ্যগুলি মার্কিন সরকারের কাছ থেকে তহবিল ব্যবহার করে সংগ্রহ করা হয়েছিল এবং অতিরিক্ত অনুমতি বা ফি ছাড়াই ব্যবহার করা যেতে পারে। আপনি যদি এই ডেটাগুলি কোনও প্রকাশনা, উপস্থাপনা বা অন্যান্য গবেষণা পণ্যে ব্যবহার করেন তবে অনুগ্রহ করে নিম্নলিখিত উদ্ধৃতিটি ব্যবহার করুন:
ইউএসডিএ বন পরিষেবা। 2021. USFS ল্যান্ডস্কেপ পরিবর্তন মনিটরিং সিস্টেম সংস্করণ 2020.5। সল্ট লেক সিটি, উটাহ।
উদ্ধৃতি
ইউএসডিএ বন পরিষেবা। 2021. USFS ল্যান্ডস্কেপ পরিবর্তন মনিটরিং সিস্টেম সংস্করণ 2020.5। সল্ট লেক সিটি, উটাহ।
আর্থ ইঞ্জিন দিয়ে অন্বেষণ করুন
কোড এডিটর (জাভাস্ক্রিপ্ট)
var dataset = ee.ImageCollection('USFS/GTAC/LCMS/v2020-5'); var lcms = dataset.filterDate('2020', '2021') // range: [1985, 2020] .filter('study_area == "CONUS"') // or "SEAK" .first(); Map.addLayer(lcms.select('Land_Cover'), {}, 'Land Cover'); Map.addLayer(lcms.select('Land_Use'), {}, 'Land Use'); Map.addLayer(lcms.select('Change'), {}, 'Vegetation Change', false); Map.setCenter(-98.58, 38.14, 4);