- ডেটাসেটের উপলভ্যতা
- 1985-06-01T00:00:00Z–2020-09-30T00:00:00Z
- ডেটাসেট প্রদানকারী
- ইউএসডিএ ফরেস্ট সার্ভিস (ইউএসএফএস) জিওস্পেশিয়াল টেকনোলজি অ্যান্ড অ্যাপ্লিকেশন সেন্টার (জিটিএসি)
- ট্যাগ
- পরিবর্তন
বিবরণ
এই পণ্যটি ল্যান্ডস্কেপ চেঞ্জ মনিটরিং সিস্টেম (LCMS) ডেটা স্যুটের অংশ। এটি প্রতি বছরের জন্য LCMS-মডেলযুক্ত পরিবর্তন, ভূমি আচ্ছাদন এবং/অথবা ভূমি ব্যবহারের ক্লাস দেখায়। এই LCMS সংস্করণটি মার্কিন যুক্তরাষ্ট্র (CONUS) এবং দক্ষিণ-পূর্ব আলাস্কা (SEAK) কে কভার করে।
LCMS হল মার্কিন যুক্তরাষ্ট্র জুড়ে ভূদৃশ্য পরিবর্তনের ম্যাপিং এবং পর্যবেক্ষণের জন্য একটি রিমোট সেন্সিং-ভিত্তিক সিস্টেম। এর উদ্দেশ্য হল ভূদৃশ্য পরিবর্তনের একটি "সর্বোত্তম উপলব্ধ" মানচিত্র তৈরি করার জন্য সর্বশেষ প্রযুক্তি এবং পরিবর্তন সনাক্তকরণের অগ্রগতি ব্যবহার করে একটি সামঞ্জস্যপূর্ণ পদ্ধতি বিকাশ করা।
আউটপুটগুলির মধ্যে তিনটি বার্ষিক পণ্য অন্তর্ভুক্ত রয়েছে: পরিবর্তন, ভূমি আচ্ছাদন এবং ভূমি ব্যবহার। পরিবর্তন বিশেষভাবে উদ্ভিদ আচ্ছাদনের সাথে সম্পর্কিত এবং ধীর ক্ষয়, দ্রুত ক্ষয় (যার মধ্যে জলবিদ্যুৎ পরিবর্তন যেমন প্লাবন বা শুষ্ককরণও অন্তর্ভুক্ত) এবং লাভ অন্তর্ভুক্ত। এই মানগুলি ল্যান্ডস্যাট সময় সিরিজের প্রতিটি বছরের জন্য পূর্বাভাসিত এবং LCMS-এর জন্য ভিত্তি পণ্য হিসাবে কাজ করে। ভূমি আচ্ছাদন এবং ভূমি ব্যবহারের মানচিত্রগুলি প্রতি বছরের জন্য জীবন-রূপ স্তরের ভূমি আচ্ছাদন এবং বিস্তৃত-স্তরের ভূমি ব্যবহার চিত্রিত করে।
যেহেতু কোনও অ্যালগরিদমই সকল পরিস্থিতিতে সেরা কাজ করে না, তাই LCMS ভবিষ্যদ্বাণীকারী হিসেবে মডেলের একটি সমষ্টি ব্যবহার করে, যা বিভিন্ন বাস্তুতন্ত্র এবং পরিবর্তন প্রক্রিয়া জুড়ে মানচিত্রের নির্ভুলতা উন্নত করে (Healey et al., 2018)। LCMS পরিবর্তন, ভূমি আচ্ছাদন এবং ভূমি ব্যবহারের মানচিত্রের ফলে সৃষ্ট স্যুট গত চার দশক ধরে মার্কিন যুক্তরাষ্ট্র জুড়ে ভূদৃশ্য পরিবর্তনের একটি সামগ্রিক চিত্র তুলে ধরে।
LCMS মডেলের জন্য ভবিষ্যদ্বাণীকারী স্তরগুলির মধ্যে রয়েছে বার্ষিক ল্যান্ডস্যাট এবং সেন্টিনেল 2 কম্পোজিট, ল্যান্ডট্রেন্ডার এবং CCDC পরিবর্তন সনাক্তকরণ অ্যালগরিদম থেকে আউটপুট এবং ভূখণ্ডের তথ্য। এই উপাদানগুলি সমস্ত অ্যাক্সেস এবং প্রক্রিয়াজাত করা হয় Google Earth Engine ব্যবহার করে (Gorelick et al., 2017)।
বার্ষিক কম্পোজিট তৈরির জন্য, cFmask (Zhu and Woodcock 2012), cloudScore, এবং TDOM (Chastain et al., 2019) ক্লাউড এবং ক্লাউড শ্যাডো মাস্কিং পদ্ধতিগুলি ল্যান্ডস্যাট টিয়ার 1 এবং সেন্টিনেল 2a এবং 2b লেভেল-1C বায়ুমণ্ডল প্রতিফলন ডেটার শীর্ষে প্রয়োগ করা হয়। বার্ষিক মেডয়েডটি তারপর প্রতি বছর একটি একক কম্পোজিট তৈরি করার জন্য গণনা করা হয়।
LandTrendr ব্যবহার করে যৌগিক সময় সিরিজটি অস্থায়ীভাবে ভাগ করা হয়েছে (Kennedy et al., 2010; Kennedy et al., 2018; Cohen et al., 2018)।
সমস্ত ক্লাউড এবং ক্লাউড ছায়ামুক্ত মানগুলিও CCDC অ্যালগরিদম ব্যবহার করে অস্থায়ীভাবে ভাগ করা হয়েছে (ঝু এবং উডকক, ২০১৪)।
ন্যাশনাল এলিভেশন ডেটাসেট (NED) থেকে প্রাপ্ত কাঁচা যৌগিক মান, LandTrendr ফিট করা মান, জোড়া-ভিত্তিক পার্থক্য, সেগমেন্টের সময়কাল, পরিবর্তনের মাত্রা এবং ঢাল, এবং CCDC সেপ্টেম্বর 1 সাইন এবং কোসাইন সহগ (প্রথম 3টি সুরেলা), ফিট করা মান এবং জোড়া-ভিত্তিক পার্থক্য, উচ্চতা, ঢাল, দিকের সাইন, দিকের কোসাইন এবং টপোগ্রাফিক অবস্থান সূচক (Weiss, 2001) সহ, একটি র্যান্ডম ফরেস্ট (Breiman, 2001) মডেলে স্বাধীন ভবিষ্যদ্বাণীকারী চলক হিসাবে ব্যবহৃত হয়।
রেফারেন্স ডেটা সংগ্রহ করা হয় টাইমসিঙ্ক ব্যবহার করে, একটি ওয়েব-ভিত্তিক টুল যা বিশ্লেষকদের ১৯৮৪-বর্তমান ল্যান্ডস্যাট ডেটা রেকর্ড কল্পনা এবং ব্যাখ্যা করতে সাহায্য করে (কোহেন এট আল., ২০১০)।
অতিরিক্ত সম্পদ
LCMS ডেটা এক্সপ্লোরার হল একটি ওয়েব-ভিত্তিক অ্যাপ্লিকেশন যা ব্যবহারকারীদের LCMS ডেটা দেখার, বিশ্লেষণ করার, সারসংক্ষেপ করার এবং ডাউনলোড করার ক্ষমতা প্রদান করে।
পদ্ধতি এবং নির্ভুলতা মূল্যায়ন সম্পর্কিত আরও বিস্তারিত তথ্যের জন্য অনুগ্রহ করে LCMS পদ্ধতি সংক্ষিপ্ত বিবরণ দেখুন, অথবা ডেটা ডাউনলোড, মেটাডেটা এবং সহায়তা নথির জন্য LCMS জিওডেটা ক্লিয়ারিংহাউস দেখুন ।
যেকোনো প্রশ্ন বা নির্দিষ্ট তথ্যের অনুরোধের জন্য [sm.fs.lcms@usda.gov] এ যোগাযোগ করুন।
ব্রেইম্যান, এল., ২০০১। মেশিন লার্নিং। স্প্রিংগার , ৪৫(৩): ২৬১-২৭৭ doi:১০.১০২৩/a:১০১৭৯৩৪৫২২১৭১
চ্যাস্টেইন, আর., হাউসম্যান, আই., গোল্ডস্টেইন, জে., ফিনকো, এম., এবং টেনেসন, কে., ২০১৯। সেন্টিনেল-২এ এবং ২বি এমএসআই, ল্যান্ডস্যাট-৮ ওএলআই, এবং ল্যান্ডস্যাট-৭ ইটিএম এর সমসাময়িক মার্কিন যুক্তরাষ্ট্রের বায়ুমণ্ডলের বর্ণালী বৈশিষ্ট্যের শীর্ষের অভিজ্ঞতামূলক ক্রস সেন্সর তুলনা। পরিবেশের দূরবর্তী সংবেদনে। বিজ্ঞান সরাসরি , ২২১: ২৭৪-২৮৫ doi:১০.১০১৬/j.rse.২০১৮.১১.০১২
কোহেন, ডব্লিউবি, ইয়াং, জেড., এবং কেনেডি, আর., ২০১০। বার্ষিক ল্যান্ডস্যাট টাইম সিরিজ ব্যবহার করে বন বিপর্যয় এবং পুনরুদ্ধারের প্রবণতা সনাক্তকরণ: ২. টাইমসিঙ্ক - ক্রমাঙ্কন এবং বৈধকরণের জন্য সরঞ্জাম। পরিবেশের দূরবর্তী সংবেদনে। সায়েন্স ডাইরেক্ট , ১১৪(১২): ২৯১১-২৯২৪ doi:১০.১০১৬/j.rse.২০১০.০৭.০১০
কোহেন, ডব্লিউবি, ইয়াং, জেড., হিলি, এসপি, কেনেডি, আরই, এবং গোরেলিক, এন., ২০১৮। বনের ঝামেলা সনাক্তকরণের জন্য একটি ল্যান্ডট্রেন্ডার মাল্টিস্পেকট্রাল এনসেম্বল। পরিবেশের দূরবর্তী সংবেদনে। সায়েন্স ডাইরেক্ট , ২০৫: ১৩১-১৪০ doi:১০.১০১৬/j.rse.২০১৭.১১.০১৫
হিলি, এসপি, কোহেন, ডব্লিউবি, ইয়াং, জেড., কেনেথ ব্রুয়ার, সি., ব্রুকস, ইবি, গোরেলিক, এন., হার্নান্দেজ, এজে, হুয়াং, সি., জোসেফ হিউজেস, এম., কেনেডি, আরই, লাভল্যান্ড, টিআর, মইসেন, জিজি, শ্রোডার, টিএ, স্টেহম্যান, এসভি, ভোগেলম্যান, জেই, উডকক, সিই, ইয়াং, এল., এবং ঝু, জেড., ২০১৮। স্ট্যাকড জেনারেলাইজেশন ব্যবহার করে বন পরিবর্তনের ম্যাপিং: একটি সমষ্টিগত পদ্ধতি। পরিবেশের দূরবর্তী সংবেদনে। সায়েন্স ডাইরেক্ট , ২০৪: ৭১৭-৭২৮ doi:১০.১০১৬/j.rse.২০১৭.০৯.০২৯
কেনেডি, আরই, ইয়াং, জেড., এবং কোহেন, ডব্লিউবি, ২০১০। বার্ষিক ল্যান্ডস্যাট টাইম সিরিজ ব্যবহার করে বন বিপর্যয় এবং পুনরুদ্ধারের প্রবণতা সনাক্তকরণ: ১. ল্যান্ডট্রেন্ডার - টেম্পোরাল সেগমেন্টেশন অ্যালগরিদম। পরিবেশের দূরবর্তী সংবেদনে। সায়েন্স ডাইরেক্ট , ১১৪(১২): ২৮৯৭-২৯১০ doi:১০.১০১৬/j.rse.২০১০.০৭.০০৮
কেনেডি, আর., ইয়াং, জে., গোরেলিক, এন., ব্রাটেন, জে., ক্যাভালক্যান্টে, এল., কোহেন, ডব্লিউ., এবং হিলি, এস., ২০১৮। গুগল আর্থ ইঞ্জিনে ল্যান্ডট্রেন্ডার অ্যালগরিদমের বাস্তবায়ন। রিমোট সেন্সিংয়ে। MDPI , 10(5): 691 doi:10.3390/rs10050691
ওয়েইস, এডি, ২০০১। ভূ-প্রকৃতির অবস্থান এবং ভূমিরূপ বিশ্লেষণ পোস্টার উপস্থাপনা, ইএসআরআই ব্যবহারকারী সম্মেলন, সান দিয়েগো, সিএ।
ঝু, জেড., এবং উডকক, সিই (২০১২)। ল্যান্ডস্যাট চিত্রকল্পে বস্তু-ভিত্তিক মেঘ এবং মেঘের ছায়া সনাক্তকরণ। পরিবেশের দূরবর্তী সংবেদনে। বিজ্ঞান সরাসরি , ১১৮: ৮৩-৯৪ doi:১০.১০১৬/j.rse.২০১১.১০.০২৮
ঝু, জেড., এবং উডকক, সিই, ২০১৪। সমস্ত উপলব্ধ ল্যান্ডস্যাট ডেটা ব্যবহার করে ভূমি আচ্ছাদনের ক্রমাগত পরিবর্তন সনাক্তকরণ এবং শ্রেণীবিভাগ। পরিবেশের দূরবর্তী অনুধাবনে। বিজ্ঞান সরাসরি , ১৪৪: ১৫২-১৭১ doi:১০.১০১৬/j.rse.২০১৪.০১.০১১
ব্যান্ড
পিক্সেল আকার
৩০ মিটার
ব্যান্ড
| নাম | পিক্সেল আকার | বিবরণ |
|---|---|---|
Change | মিটার | চূড়ান্ত থিম্যাটিক LCMS পরিবর্তন পণ্য। প্রতি বছরের জন্য মোট তিনটি পরিবর্তন শ্রেণী (ধীর ক্ষতি, দ্রুত ক্ষতি এবং লাভ) ম্যাপ করা হয়। প্রতিটি শ্রেণীর জন্য একটি পৃথক র্যান্ডম ফরেস্ট মডেল ব্যবহার করে পূর্বাভাস দেওয়া হয়, যা একটি সম্ভাব্যতা (র্যান্ডম ফরেস্ট মডেলের মধ্যে গাছের অনুপাত) আউটপুট দেয় যে পিক্সেলটি সেই শ্রেণীর অন্তর্গত। এই কারণে, প্রতিটি পিক্সেলের প্রতি বছরের জন্য তিনটি ভিন্ন মডেল আউটপুট থাকে। চূড়ান্ত শ্রেণীগুলি পরিবর্তন শ্রেণীতে বরাদ্দ করা হয় যার সর্বোচ্চ সম্ভাবনা থাকে যা একটি নির্দিষ্ট থ্রেশহোল্ডের উপরেও থাকে। যে কোনও পিক্সেলের প্রতিটি শ্রেণীর সংশ্লিষ্ট থ্রেশহোল্ডের উপরে কোনও মান নেই তা স্থিতিশীল শ্রেণীতে বরাদ্দ করা হয়। |
Land_Cover | মিটার | চূড়ান্ত থিম্যাটিক LCMS ভূমি আচ্ছাদন পণ্য। TimeSync রেফারেন্স ডেটা এবং Landsat চিত্র থেকে প্রাপ্ত বর্ণালী তথ্য ব্যবহার করে বার্ষিক ভিত্তিতে মোট ১৪টি ভূমি আচ্ছাদন শ্রেণী ম্যাপ করা হয়। প্রতিটি শ্রেণীর একটি পৃথক র্যান্ডম ফরেস্ট মডেল ব্যবহার করে ভবিষ্যদ্বাণী করা হয়, যা একটি সম্ভাব্যতা (র্যান্ডম ফরেস্ট মডেলের মধ্যে গাছের অনুপাত) আউটপুট করে যে পিক্সেলটি সেই শ্রেণীর অন্তর্গত। এই কারণে, প্রতিটি পিক্সেলের প্রতি বছরের জন্য ১৪টি ভিন্ন মডেল আউটপুট থাকে এবং চূড়ান্ত শ্রেণীগুলি সর্বোচ্চ সম্ভাব্যতা সহ ভূমি আচ্ছাদনের জন্য নির্ধারিত হয়। ১৪টি ভূমি আচ্ছাদন শ্রেণীর মধ্যে সাতটি একটি একক ভূমি আচ্ছাদন নির্দেশ করে, যেখানে সেই ভূমি আচ্ছাদন প্রকারটি পিক্সেলের বেশিরভাগ এলাকা জুড়ে থাকে এবং অন্য কোনও শ্রেণী পিক্সেলের ১০% এর বেশি জুড়ে না। আরও সাতটি মিশ্র শ্রেণী রয়েছে। এগুলি এমন পিক্সেলগুলিকে প্রতিনিধিত্ব করে যেখানে একটি অতিরিক্ত ভূমি আচ্ছাদন শ্রেণী পিক্সেলের কমপক্ষে ১০% জুড়ে থাকে। |
Land_Use | মিটার | চূড়ান্ত বিষয়ভিত্তিক LCMS ভূমি ব্যবহারের পণ্য। TimeSync রেফারেন্স ডেটা এবং Landsat চিত্র থেকে প্রাপ্ত বর্ণালী তথ্য ব্যবহার করে বার্ষিক ভিত্তিতে মোট 6টি ভূমি ব্যবহারের শ্রেণী ম্যাপ করা হয়। প্রতিটি শ্রেণীর একটি পৃথক র্যান্ডম ফরেস্ট মডেল ব্যবহার করে পূর্বাভাস দেওয়া হয়, যা একটি সম্ভাব্যতা (র্যান্ডম ফরেস্ট মডেলের মধ্যে গাছের অনুপাত) আউটপুট দেয় যে পিক্সেলটি সেই শ্রেণীর অন্তর্গত। এই কারণে, প্রতিটি পিক্সেলের প্রতি বছরের জন্য 6টি ভিন্ন মডেল আউটপুট থাকে এবং চূড়ান্ত শ্রেণীগুলি সর্বোচ্চ সম্ভাব্যতা সহ ভূমি ব্যবহারের জন্য নির্ধারিত হয়। |
Change_Raw_Probability_Slow_Loss | মিটার | Raw LCMS মডেলে স্লো লস এর সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: স্লো লস টাইমসিঙ্ক পরিবর্তন প্রক্রিয়া ব্যাখ্যা থেকে নিম্নলিখিত ক্লাসগুলি অন্তর্ভুক্ত করে-
|
Change_Raw_Probability_Fast_Loss | মিটার | Raw LCMS মডেলে ফাস্ট লস এর সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: ফাস্ট লস টাইমসিঙ্ক পরিবর্তন প্রক্রিয়া ব্যাখ্যা থেকে নিম্নলিখিত ক্লাসগুলি অন্তর্ভুক্ত করে-
|
Change_Raw_Probability_Gain | মিটার | কাঁচা এলসিএমএস মডেলে লাভের সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: এক বা একাধিক বছর ধরে বৃদ্ধি এবং ধারাবাহিকতার কারণে গাছপালা আচ্ছাদনের বৃদ্ধি প্রদর্শনকারী জমি। গাছপালা পুনরুত্থানের সাথে সম্পর্কিত বর্ণালী পরিবর্তন প্রকাশ করতে পারে এমন যেকোনো এলাকার জন্য প্রযোজ্য। উন্নত অঞ্চলে, পরিপক্ক গাছপালা এবং/অথবা নতুন স্থাপিত লন এবং ল্যান্ডস্কেপিংয়ের ফলে বৃদ্ধি পেতে পারে। বনে, বৃদ্ধির মধ্যে খালি মাটি থেকে গাছপালা বৃদ্ধি, সেইসাথে মধ্যবর্তী এবং সহ-প্রধান গাছ এবং/অথবা নিম্ন-ঘাস এবং গুল্মগুলির ওভারটপিং অন্তর্ভুক্ত থাকে। বন কাটার পরে রেকর্ড করা বৃদ্ধি/পুনরুদ্ধার অংশগুলি সম্ভবত বন পুনরুত্পাদন হওয়ার সাথে সাথে বিভিন্ন ভূমি আচ্ছাদন শ্রেণীর মধ্য দিয়ে স্থানান্তরিত হবে। এই পরিবর্তনগুলিকে বৃদ্ধি/পুনরুদ্ধার হিসাবে বিবেচনা করার জন্য, বর্ণালী মানগুলিকে একটি ক্রমবর্ধমান প্রবণতা রেখার সাথে ঘনিষ্ঠভাবে মেনে চলতে হবে (যেমন একটি ইতিবাচক ঢাল যা ~20 বছর পর্যন্ত বাড়ানো হলে, NDVI এর .10 ইউনিটের ক্রমানুসারে হবে) যা বেশ কয়েক বছর ধরে স্থায়ী হয়। |
Land_Cover_Raw_Probability_Trees | মিটার | কাঁচা এলসিএমএস মডেলে গাছের সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ জীবিত বা স্থায়ী মৃত গাছ দ্বারা গঠিত। |
Land_Cover_Raw_Probability_Tall-Shrubs-and-Trees-Mix | মিটার | কাঁচা LCMS মডেলে লম্বা গুল্ম এবং গাছের মিশ্রণের সম্ভাব্যতা (শুধুমাত্র SEAK)। সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ ১ মিটারের বেশি উচ্চতার গুল্ম দ্বারা গঠিত এবং কমপক্ষে ১০% জীবিত বা স্থায়ী মৃত গাছও রয়েছে। |
Land_Cover_Raw_Probability_Shrubs-and-Trees-Mix | মিটার | কাঁচা LCMS মডেলে ঝোপঝাড় এবং গাছের মিশ্রণের সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ ঝোপঝাড় দ্বারা গঠিত এবং কমপক্ষে 10% জীবিত বা স্থায়ী মৃত গাছ দ্বারা গঠিত। |
Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Trees-Mix | মিটার | কাঁচা এলসিএমএস মডেলে ঘাস/জঙ্গল/গুল্ম এবং গাছের মিশ্রণের সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ বহুবর্ষজীবী ঘাস, জঙ্গল, অথবা অন্যান্য ধরণের ভেষজ উদ্ভিদ দ্বারা গঠিত এবং কমপক্ষে ১০% জীবিত বা স্থায়ী মৃত গাছও রয়েছে। |
Land_Cover_Raw_Probability_Barren-and-Trees-Mix | মিটার | কাঁচা এলসিএমএস মডেলে অনুর্বর এবং গাছের মিশ্রণের সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশই বিশৃঙ্খলার কারণে উন্মুক্ত খালি মাটি (যেমন, যান্ত্রিক পরিষ্কার বা বন কাটার ফলে উন্মুক্ত মাটি), সেইসাথে মরুভূমি, প্লেয়া, শিলা আউটক্রপিং (পৃষ্ঠ খনির কার্যকলাপের ফলে উন্মুক্ত খনিজ এবং অন্যান্য ভূতাত্ত্বিক উপকরণ সহ), বালির টিলা, লবণাক্ত সমতল এবং সৈকতের মতো বহুবর্ষজীবী অনুর্বর এলাকা দ্বারা গঠিত। ময়লা এবং নুড়ি দিয়ে তৈরি রাস্তাগুলিকেও অনুর্বর বলে মনে করা হয় এবং কমপক্ষে 10% জীবিত বা দাঁড়িয়ে থাকা মৃত গাছ দ্বারা গঠিত। |
Land_Cover_Raw_Probability_Tall-Shrubs | মিটার | কাঁচা LCMS মডেলে লম্বা গুল্মের সম্ভাব্যতা (শুধুমাত্র SEAK)। সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ ১ মিটারের বেশি উচ্চতার গুল্ম দ্বারা গঠিত। |
Land_Cover_Raw_Probability_Shrubs | মিটার | কাঁচা এলসিএমএস মডেলে গুল্মের সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ গুল্ম দ্বারা গঠিত। |
Land_Cover_Raw_Probability_Grass-Forb-Herb-and-Shrubs-Mix | মিটার | কাঁচা এলসিএমএস মডেলে ঘাস/ফর্ব/ভেষজ এবং গুল্ম মিশ্রণের সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ বহুবর্ষজীবী ঘাস, ফর্বস, অথবা অন্যান্য ধরণের ভেষজ উদ্ভিদ দ্বারা গঠিত এবং কমপক্ষে ১০% গুল্ম দ্বারাও গঠিত। |
Land_Cover_Raw_Probability_Barren-and-Shrubs-Mix | মিটার | কাঁচা এলসিএমএস মডেলে অনুর্বর এবং গুল্ম মিশ্রণের সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশই বিশৃঙ্খলার কারণে উন্মুক্ত খালি মাটি (যেমন, যান্ত্রিক পরিষ্কার বা বন ফসল কাটার ফলে উন্মুক্ত মাটি), পাশাপাশি মরুভূমি, প্লেয়া, শিলা আউটক্রপিং (পৃষ্ঠ খনির কার্যকলাপের ফলে উন্মুক্ত খনিজ এবং অন্যান্য ভূতাত্ত্বিক উপকরণ সহ), বালির টিলা, লবণাক্ত সমতল এবং সৈকতের মতো বহুবর্ষজীবী অনুর্বর এলাকা দ্বারা গঠিত। মাটি এবং নুড়ি দিয়ে তৈরি রাস্তাগুলিকেও অনুর্বর বলে মনে করা হয় এবং কমপক্ষে 10% গুল্মও রয়েছে। |
Land_Cover_Raw_Probability_Grass-Forb-Herb | মিটার | কাঁচা এলসিএমএস মডেলে ঘাস/জঙ্গল/জঙ্গলের সম্ভাব্যতা সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ বহুবর্ষজীবী ঘাস, জঙ্গল, অথবা অন্যান্য ধরণের ভেষজ উদ্ভিদ দ্বারা গঠিত। |
Land_Cover_Raw_Probability_Barren-and-Grass-Forb-Herb-Mix | মিটার | কাঁচা এলসিএমএস মডেলে অনুর্বর এবং ঘাস/জঙ্গল/ভেষজ মিশ্রণের সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশই বিশৃঙ্খলার কারণে উন্মুক্ত খালি মাটি (যেমন, যান্ত্রিক পরিষ্কার বা বন ফসলের ফলে উন্মুক্ত মাটি), সেইসাথে মরুভূমি, প্লেয়া, শিলা আউটক্রপিং (পৃষ্ঠ খনির কার্যকলাপের ফলে উন্মুক্ত খনিজ এবং অন্যান্য ভূতাত্ত্বিক উপকরণ সহ), বালির টিলা, লবণাক্ত সমতল এবং সৈকতের মতো বহুবর্ষজীবী অনুর্বর এলাকা দ্বারা গঠিত। ময়লা এবং নুড়ি দিয়ে তৈরি রাস্তাগুলিকেও অনুর্বর বলে মনে করা হয় এবং কমপক্ষে 10% বহুবর্ষজীবী ঘাস, জঙ্গল, বা অন্যান্য ধরণের ভেষজ উদ্ভিদ দ্বারা গঠিত। |
Land_Cover_Raw_Probability_Barren-or-Impervious | মিটার | কাঁচা এলসিএমএস মডেল অনুর্বর বা অপ্রতিরোধ্যের সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশে রয়েছে ১) বিশৃঙ্খলার ফলে উন্মুক্ত খালি মাটি (যেমন, যান্ত্রিক পরিষ্কার বা বন কাটার ফলে উন্মুক্ত মাটি), সেইসাথে মরুভূমি, প্লেয়া, শিলা আউটক্রপিং (পৃষ্ঠ খনির কার্যকলাপের ফলে উন্মুক্ত খনিজ এবং অন্যান্য ভূতাত্ত্বিক উপকরণ সহ), বালির টিলা, লবণাক্ত সমতল এবং সৈকতের মতো বহুবর্ষজীবী অনুর্বর এলাকা। ময়লা এবং নুড়ি দিয়ে তৈরি রাস্তাগুলিকেও অনুর্বর বলে মনে করা হয় অথবা ২) মানুষের তৈরি উপকরণ যা পানি প্রবেশ করতে পারে না, যেমন পাকা রাস্তা, ছাদ এবং পার্কিং লট। |
Land_Cover_Raw_Probability_Snow-or-Ice | মিটার | কাঁচা এলসিএমএস মডেলে তুষার বা বরফের সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশ তুষার বা বরফ দিয়ে তৈরি। |
Land_Cover_Raw_Probability_Water | মিটার | কাঁচা এলসিএমএস মডেলে পানির সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: পিক্সেলের বেশিরভাগ অংশই জল দিয়ে গঠিত। |
Land_Use_Raw_Probability_Agriculture | মিটার | কাঁচা এলসিএমএস মডেলে কৃষির সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: খাদ্য, আঁশ এবং জ্বালানি উৎপাদনের জন্য ব্যবহৃত জমি যা হয় উদ্ভিদযুক্ত বা অ-উদ্ভিদযুক্ত অবস্থায় থাকে। এর মধ্যে রয়েছে চাষাবাদকৃত এবং অকর্ষিত ফসলি জমি, খড়ের জমি, বাগান, দ্রাক্ষাক্ষেত্র, সীমিত পশুপালন কার্যক্রম এবং ফল, বাদাম বা বেরি উৎপাদনের জন্য রোপিত এলাকা। মূলত কৃষি ব্যবহারের জন্য ব্যবহৃত রাস্তা (অর্থাৎ শহর থেকে শহরে গণপরিবহনের জন্য ব্যবহৃত হয় না) কৃষি জমির ব্যবহার হিসাবে বিবেচিত হয়। |
Land_Use_Raw_Probability_Developed | মিটার | কাঁচা এলসিএমএস মডেলে বিকশিত সম্ভাব্যতাকে এভাবে সংজ্ঞায়িত করা হয়েছে: মানুষের তৈরি কাঠামো (যেমন উচ্চ ঘনত্বের আবাসিক, বাণিজ্যিক, শিল্প, খনি বা পরিবহন), অথবা গাছপালা (গাছ সহ) এবং কাঠামো (যেমন, কম ঘনত্বের আবাসিক, লন, বিনোদনমূলক সুবিধা, কবরস্থান, পরিবহন এবং ইউটিলিটি করিডোর, ইত্যাদি) উভয়ের মিশ্রণ, যার মধ্যে মানব কার্যকলাপ দ্বারা কার্যকরীভাবে পরিবর্তিত যেকোনো জমি অন্তর্ভুক্ত। |
Land_Use_Raw_Probability_Forest | মিটার | কাঁচা এলসিএমএস মডেলে বনের সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: এমন জমি যা রোপণ করা হয় বা প্রাকৃতিকভাবে গাছপালাযুক্ত এবং যেখানে নিকট-মেয়াদী ধারাবাহিক ক্রম অনুসারে কোনও সময়ে ১০% বা তার বেশি বৃক্ষরোপণ থাকে (অথবা ধারণ করার সম্ভাবনা থাকে)। এর মধ্যে পর্ণমোচী, চিরসবুজ এবং/অথবা মিশ্র প্রাকৃতিক বন, বন রোপণ এবং কাঠের জলাভূমি অন্তর্ভুক্ত থাকতে পারে। |
Land_Use_Raw_Probability_Non-Forest-Wetland | মিটার | অ-বনজ জলাভূমির সম্ভাব্যতা কাঁচা এলসিএমএস মডেল অনুসারে। সংজ্ঞায়িত করা হয়েছে: দৃশ্যমান জলস্তরের সংলগ্ন বা এর মধ্যে (স্থায়ীভাবে বা ঋতুগতভাবে পরিপূর্ণ) যেখানে ঝোপঝাড় বা স্থায়ী উদীয়মান উদ্ভিদের আধিপত্য রয়েছে। এই জলাভূমিগুলি হ্রদ, নদীনালা বা মোহনার তীরে অবস্থিত হতে পারে; নদীর প্লাবনভূমিতে; বিচ্ছিন্ন জলাভূমিতে; অথবা ঢালে। এগুলি কৃষিক্ষেত্রে প্রেইরি গর্ত, নিষ্কাশন খাদ এবং মজুদ পুকুর হিসাবেও দেখা দিতে পারে এবং হ্রদ বা নদীর মাঝখানে দ্বীপ হিসাবেও দেখা দিতে পারে। অন্যান্য উদাহরণগুলির মধ্যে রয়েছে জলাভূমি, জলাভূমি, জলাভূমি, জলাভূমি, মাস্কেগ, স্লো, বেড়া এবং বেউস। |
Land_Use_Raw_Probability_Other | মিটার | কাঁচা এলসিএমএস মডেলের সম্ভাব্যতা অন্যান্য। সংজ্ঞায়িত করা হয়েছে: জমি (ব্যবহার নির্বিশেষে) যেখানে বর্ণালী প্রবণতা বা অন্যান্য সহায়ক প্রমাণ ইঙ্গিত দেয় যে কোনও ব্যাঘাত বা পরিবর্তনের ঘটনা ঘটেছে কিন্তু নির্দিষ্ট কারণ নির্ধারণ করা যায় না বা পরিবর্তনের ধরণ উপরে সংজ্ঞায়িত কোনও পরিবর্তন প্রক্রিয়া বিভাগ পূরণ করতে ব্যর্থ হয়। |
Land_Use_Raw_Probability_Rangeland-or-Pasture | মিটার | কাঁচা এলসিএমএস মডেলে রঞ্জল্যান্ড বা চারণভূমির সম্ভাব্যতা। সংজ্ঞায়িত করা হয়েছে: এই শ্রেণীতে এমন যেকোনো এলাকা অন্তর্ভুক্ত যা হয় a.) রেঞ্জল্যান্ড, যেখানে গাছপালা হল স্থানীয় ঘাস, গুল্ম, জঙ্গল এবং ঘাসের মতো উদ্ভিদের মিশ্রণ যা মূলত বৃষ্টিপাত, তাপমাত্রা, উচ্চতা এবং আগুনের মতো প্রাকৃতিক কারণ এবং প্রক্রিয়া থেকে উদ্ভূত হয়, যদিও সীমিত ব্যবস্থাপনায় গৃহপালিত এবং বন্য তৃণভোজীদের দ্বারা নির্ধারিত পোড়ানো এবং চারণ অন্তর্ভুক্ত থাকতে পারে; অথবা b.) চারণভূমি, যেখানে গাছপালা মিশ্র, মূলত প্রাকৃতিক ঘাস, জঙ্গল এবং ভেষজ থেকে শুরু করে আরও পরিচালিত উদ্ভিদ পর্যন্ত হতে পারে যা ঘাসের প্রজাতির দ্বারা প্রভাবিত যা বীজ বপন করা হয়েছে এবং কাছাকাছি এক-চাষ বজায় রাখার জন্য পরিচালিত হয়েছে। |
ক্লাস টেবিল পরিবর্তন করুন
| মূল্য | রঙ | বিবরণ |
|---|---|---|
| ১ | #3d4551 | স্থিতিশীল |
| ২ | #f39268 এর বিবরণ | ধীর ক্ষতি |
| ৩ | #d54309 সম্পর্কে | দ্রুত ক্ষতি |
| ৪ | #০০এ৩৯৮ | লাভ |
| ৫ | #১বি১৭১৬ | নন-প্রসেসিং এরিয়া মাস্ক |
ল্যান্ড_কভার ক্লাস টেবিল
| মূল্য | রঙ | বিবরণ |
|---|---|---|
| ১ | #০০৫ই০০ | গাছ |
| ২ | #০০৮০০০ | লম্বা গুল্ম এবং গাছের মিশ্রণ (শুধুমাত্র সমুদ্রপৃষ্ঠের জন্য) |
| ৩ | #০০সিসি০০ | গুল্ম ও গাছের মিশ্রণ |
| ৪ | #b3ff1a সম্পর্কে | ঘাস/কাঁঠাল/ভেষজ ও গাছের মিশ্রণ |
| ৫ | #৯৯এফ৯৯ | অনুর্বর ও গাছের মিশ্রণ |
| ৬ | #b30088 সম্পর্কে | লম্বা গুল্ম (শুধুমাত্র সমুদ্রতীরবর্তী) |
| ৭ | #e68a00 | গুল্ম |
| ৮ | #ফাড৩৩ | ঘাস/কাঁঠাল/ভেষজ ও গুল্মের মিশ্রণ |
| ৯ | #ফে0বি৩ | অনুর্বর ও ঝোপঝাড়ের মিশ্রণ |
| ১০ | #ffff00 | ঘাস/কাঁঠাল/ভেষজ |
| ১১ | #aa7700 এর বিবরণ | অনুর্বর ও ঘাস/ফর্ব/ভেষজ মিশ্রণ |
| ১২ | #d3bf9b এর বিবরণ | অনুর্বর বা অভেদ্য |
| ১৩ | #ফফফফ | তুষার অথবা বরফ |
| ১৪ | #৪৭৮০এফ৩ | জল |
| ১৫ | #১বি১৭১৬ | নন-প্রসেসিং এরিয়া মাস্ক |
ভূমি ব্যবহারের ক্লাস টেবিল
| মূল্য | রঙ | বিবরণ |
|---|---|---|
| ১ | #efff6b সম্পর্কে | কৃষি |
| ২ | #ff2ff8 এর বিবরণ | উন্নত |
| ৩ | #১বি৯ডি০সি | বন। |
| ৪ | #৯৭ফফফ | অ-বন জলাভূমি |
| ৫ | #a1a1a1 | অন্যান্য |
| ৬ | #c2b34a সম্পর্কে | রেঞ্জল্যান্ড বা চারণভূমি |
| ৭ | #১বি১৭১৬ | নন-প্রসেসিং এরিয়া মাস্ক |
ছবির বৈশিষ্ট্য
ছবির বৈশিষ্ট্য
| নাম | আদর্শ | বিবরণ |
|---|---|---|
| অধ্যয়নের_ক্ষেত্র | স্ট্রিং | LCMS বর্তমানে CONUS এবং দক্ষিণ-পূর্ব আলাস্কাকে অন্তর্ভুক্ত করে। অদূর ভবিষ্যতে এটি সমস্ত মার্কিন রাজ্য এবং অঞ্চলগুলিকে অন্তর্ভুক্ত করার জন্য প্রসারিত হবে। সম্ভাব্য মান: 'SEAK' অথবা 'CONUS' |
ব্যবহারের শর্তাবলী
ব্যবহারের শর্তাবলী
ইউএসডিএ ফরেস্ট সার্ভিস কোনও নির্দিষ্ট উদ্দেশ্যে ব্যবসায়িকতা এবং উপযুক্ততার ওয়ারেন্টি সহ কোনও প্রকাশ্য বা অন্তর্নিহিত ওয়ারেন্টি দেয় না, অথবা এই ভূ-স্থানিক তথ্যের নির্ভুলতা, নির্ভরযোগ্যতা, সম্পূর্ণতা বা উপযোগিতা, অথবা এই ভূ-স্থানিক তথ্যের অনুপযুক্ত বা ভুল ব্যবহারের জন্য কোনও আইনি দায় বা দায়িত্ব গ্রহণ করে না। এই ভূ-স্থানিক তথ্য এবং সম্পর্কিত মানচিত্র বা গ্রাফিক্স আইনি নথি নয় এবং সেভাবে ব্যবহারের উদ্দেশ্যে নয়। তথ্য এবং মানচিত্রগুলি মালিকানা, মালিকানা, আইনি বর্ণনা বা সীমানা, আইনি এখতিয়ার, বা সরকারী বা ব্যক্তিগত জমিতে প্রযোজ্য বিধিনিষেধ নির্ধারণ করতে ব্যবহার করা যাবে না। প্রাকৃতিক বিপদগুলি তথ্য এবং মানচিত্রে চিত্রিত হতে পারে বা নাও হতে পারে এবং ভূমি ব্যবহারকারীদের যথাযথ সতর্কতা অবলম্বন করা উচিত। তথ্যগুলি গতিশীল এবং সময়ের সাথে সাথে পরিবর্তিত হতে পারে। ব্যবহারকারীর দায়িত্ব ভূ-স্থানিক তথ্যের সীমাবদ্ধতা যাচাই করা এবং সেই অনুযায়ী তথ্য ব্যবহার করা।
এই তথ্যগুলি মার্কিন সরকারের তহবিল ব্যবহার করে সংগ্রহ করা হয়েছে এবং অতিরিক্ত অনুমতি বা ফি ছাড়াই ব্যবহার করা যেতে পারে। আপনি যদি এই তথ্যগুলি কোনও প্রকাশনা, উপস্থাপনা বা অন্যান্য গবেষণা পণ্যে ব্যবহার করেন তবে দয়া করে নিম্নলিখিত উদ্ধৃতি ব্যবহার করুন:
USDA ফরেস্ট সার্ভিস। ২০২১। USFS ল্যান্ডস্কেপ চেঞ্জ মনিটরিং সিস্টেম সংস্করণ ২০২০.৫। সল্ট লেক সিটি, উটাহ।
উদ্ধৃতি
USDA ফরেস্ট সার্ভিস। ২০২১। USFS ল্যান্ডস্কেপ চেঞ্জ মনিটরিং সিস্টেম সংস্করণ ২০২০.৫। সল্ট লেক সিটি, উটাহ।
আর্থ ইঞ্জিনের সাহায্যে ঘুরে দেখুন
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);