- ডেটাসেটের উপলভ্যতা
- 1999-06-30T00:00:00Z–2002-09-04T00:00:00Z
- ডেটাসেট প্রোডিউসার
- USGS
- ট্যাগ
বিবরণ
Landsat Image Mosaic of Antarctica (LIMA) হল একটি নিরবচ্ছিন্ন এবং কার্যত মেঘহীন মোজাইক যা প্রসেস করা Landsat 7 ETM+ দৃশ্য থেকে তৈরি করা হয়েছে।
প্রসেস করা ল্যান্ডস্যাট দৃশ্য (১৬ বিট) হল লেভেল 1Gt NLAPS দৃশ্য যা ১৬ বিটে কনভার্ট করা হয়েছে, সূর্যের কোণ সংশোধনের মাধ্যমে প্রসেস করা হয়েছে এবং রিফ্লেক্ট্যান্স ভ্যালুতে কনভার্ট করা হয়েছে (Bindschadler 2008)।
প্রতিটি Landsat দৃশ্য উচ্চতা ডেটা এবং সূর্য-কোণ সংশোধনের সাথে প্রসেস করা হয় যাতে পৃষ্ঠের বৈশিষ্ট্যগুলি সঠিকভাবে উপস্থাপন করা হয়। অ্যান্টার্কটিকায় সূর্যের কোণ সূর্যাস্তের মতো দেখায়। সূর্যের কোণ কম হওয়ার কারণে, ল্যান্ডস্যাট অ্যান্টার্কটিকার উপর দিয়ে যাওয়ার সময়, মহাদেশের বাইরের প্রান্তগুলি দক্ষিণ মেরুর কাছাকাছি এলাকার চেয়ে বেশি উজ্জ্বল দেখায়, তাই দৃশ্যে উজ্জ্বল এবং অন্ধকার এলাকা থাকে। এইসব দৃশ্যের জন্য সূর্যের কোণ ও ছায়া সংশোধন করা হয়েছে। এই প্রসেস না থাকলে, মোজাইকিংয়ের ফলে দৃশ্যগুলি প্যাচওয়ার্কের মতো দেখাবে, কারণ প্রতিটি দৃশ্যের একটি উজ্জ্বল এবং একটি অন্ধকার দিক থাকবে।
এটি একটি টেবিল যাতে Image Collection USGS/LIMA/SR-এর মেটাডেটা আছে
টেবিল স্কিমা
টেবিল স্কিমা
| নাম | ধরন | বিবরণ |
|---|---|---|
| ACQ_DATE | STRING | YYYY-MM-DD ফর্ম্যাটে অধিগ্রহণের তারিখ |
| PATH | INT | WRS পাথ |
| POLY_ID | INT | বহুভুজের জন্য অ্যাসাইন করা অনন্য আইডি |
| ROW | INT | WRS রো |
| SCENE_ID | STRING | সিন আইডি |
| সেন্সর | STRING | সেন্সর |
| ব্যবধান | STRING | ডেটা সংগ্রহ করার জন্য ব্যবহৃত স্যাটেলাইটের নাম |
ব্যবহারের শর্তাদি
ব্যবহারের শর্তাবলী
এইসব ছবি পাবলিক ডোমেনে রয়েছে এবং কোনও স্বীকৃতি ছাড়াই ফ্রিতে ব্যবহার করা যাবে। তবে, Landsat Image Mosaic of Antarctica (LIMA) প্রোজেক্টকে ক্রেডিট দিলে আমরা কৃতজ্ঞ থাকব।
উদ্ধৃতি
Bindschadler, R., Vornberger, P., Fleming, A., Fox, A., Mullins, J., Binnie, D., Paulson, S., Granneman, B., and Gorodetzky, D., ২০০৮, The Landsat Image Mosaic of Antarctica, Remote Sensing of Environment, ১১২, পৃষ্ঠা ৪২১৪-৪২২৬। PDF
Earth Engine-এর সাহায্যে এক্সপ্লোর করুন
কোড এডিটর (জাভাস্ক্রিপ্ট)
var dataset = ee.FeatureCollection('USGS/LIMA/SR_METADATA'); // Calculate the age of each feature by subtracting // the acquisition date from "today". var feature_ages = dataset.map( function(feature) { var today = ee.Date.fromYMD(2024, 1, 12); var acq_date = ee.Date.parse( 'yyyy-MM-dd', feature.get('ACQ_DATE')); var diff = today.difference(acq_date, 'day'); return feature.set({'ACQ_AGE': diff}); } ); // Reduce by calculating the smallest ACQ_AGE, // which gives the most recent acquisition date for // that area. var reduced_ages = feature_ages.reduceToImage({ properties: ['ACQ_AGE'], reducer: ee.Reducer.min() }); var reduced_ages_vis = { min: 6000, max: 9000, palette: ['00ff00', 'ff0000'], }; var lon = -43.6; var lat = -74.2; var gray = 150; var background = ee.Image.rgb(gray, gray, gray).visualize({min: 0, max: 255}); Map.setCenter(lon, lat, 2); Map.addLayer( reduced_ages, reduced_ages_vis, 'Acquisition Age');