NLCD 2019: USGS National Land Cover Database, 2019 release

USGS/NLCD_RELEASES/2019_REL/NLCD
ডেটাসেটের উপলভ্যতা
2001-01-01T00:00:00Z–2019-01-01T00:00:00Z
ডেটাসেট প্রোডিউসার
Earth Engine স্নিপেট
ee.ImageCollection("USGS/NLCD_RELEASES/2019_REL/NLCD")
ট্যাগ
blm landcover landuse-landcover mrlc nlcd usgs

বিবরণ

NLCD (ন্যাশনাল ল্যান্ড কভার ডেটাবেস) হল ৩০-মিটার ল্যান্ডস্যাট-ভিত্তিক ল্যান্ড কভার ডেটাবেস যা ৮টি যুগ (২০০১, ২০০৪, ২০০৬, ২০০৮, ২০১১, ২০১৩, ২০১৬ এবং ২০১৯) জুড়ে বিস্তৃত। ২০২১-এর জন্য নবম যুগও এখানে উপলভ্য। ছবিগুলি শহুরে ক্লাসের জন্য অভেদ্য ডেটা লেয়ারের উপর এবং বাকিদের জন্য সিদ্ধান্ত-বৃক্ষ শ্রেণীবিন্যাসের উপর নির্ভর করে।

এই ডেটাসেটে প্রতিটি যুগের জন্য মার্কিন যুক্তরাষ্ট্রের মহাদেশীয় অঞ্চলের একটি করে ছবি আছে। আলাস্কা, হাওয়াই ও পুয়ের্তো রিকোর ডেটা আগের ২০১৬ NLCD রিলিজে পাওয়া যাবে।

NLCD প্রোডাক্ট মাল্টি-রেজোলিউশন ল্যান্ড ক্যারেক্টারিস্টিকস (MRLC) কনসোর্টিয়ামের মাধ্যমে তৈরি করা হয়। এটি হল মার্কিন যুক্তরাষ্ট্রের জিওলজিক্যাল সার্ভের নেতৃত্বে ফেডারেল এজেন্সির একটি পার্টনারশিপ।

ব্যান্ড

ব্যান্ড

পিক্সেল সাইজ: ৩০ মিটার (সব ব্যান্ড)

নাম একক ন্যূনতম সর্বাধিক পিক্সেলের সাইজ বিবরণ
landcover 11 ৯৫ ৩০ মিটার

সব ছবিতে প্রোডাক্ট লেজেন্ড-এ বর্ণিত ল্যান্ডকভার ক্লাসিফিকেশন স্কিম অন্তর্ভুক্ত থাকে। প্রতিটি ছবিতে মেটাডেটা হিসেবেও লেজেন্ড উপলভ্য। প্রোডাক্টের লেজেন্ডে থাকা ক্লাসগুলি নিচে দেওয়া হল।

impervious % 0 100 ৩০ মিটার

উন্নত অভেদ্য সারফেস দ্বারা কভার করা পিক্সেলের শতাংশ।

impervious_descriptor 1 12 ৩০ মিটার

কোন কোন অভেদ্য লেয়ার পিক্সেল রাস্তা তা নির্ধারণ করে এবং রাস্তা নয় এমন অভেদ্য পিক্সেলের জন্য সবচেয়ে উপযুক্ত বিবরণ প্রদান করে।

ল্যান্ডকভার ক্লাস টেবিল

মান রঙ বিবরণ
11 #466b9f

খোলা জলাশয়: খোলা জলাশয়ের এলাকা, সাধারণত ২৫%-এর কম গাছপালা বা মাটি দিয়ে ঢাকা থাকে।

12 #d1def8

বারোমাসি বরফ/তুষার: বারোমাসি বরফ এবং/অথবা তুষার দ্বারা চিহ্নিত এলাকা, সাধারণত মোট কভারের ২৫% এর বেশি।

21 #dec5c5

উন্নত, খোলা জায়গা: কিছু নির্মাণ সামগ্রীর মিশ্রণ সহ এলাকা, তবে বেশিরভাগই লনের ঘাসের আকারে গাছপালা। মোট কভারের ২০%-এর কম অংশ জুড়ে জল অভেদ্য সারফেস রয়েছে। এইসব এলাকার মধ্যে সাধারণত বড় প্লটের সিঙ্গল-ফ্যামিলি হাউজিং ইউনিট, পার্ক, গল্ফ কোর্স এবং বিনোদন, ভূমিক্ষয় নিয়ন্ত্রণ বা নান্দনিক উদ্দেশ্যে উন্নত সেটিংসে লাগানো গাছপালা অন্তর্ভুক্ত থাকে।

22 #d99282

উন্নত, কম ঘনত্ব: নির্মাণ সামগ্রী এবং গাছপালা মিশ্রিত এলাকা। মোট কভারের ২০% থেকে ৪৯% হল অভেদ্য সারফেস। এইসব এলাকায় সাধারণত সিঙ্গেল-ফ্যামিলি হাউজিং ইউনিট থাকে।

23 #eb0000

উন্নত, মাঝারি তীব্রতা: নির্মাণ সামগ্রী এবং গাছপালা মিশ্রিত এলাকা। মোট কভারের ৫০% থেকে ৭৯% হল অভেদ্য সারফেস। এইসব এলাকায় সাধারণত সিঙ্গেল-ফ্যামিলি হাউজিং ইউনিট থাকে।

24 #ab০০০০

উন্নত হাই ইনটেনসিটি: অত্যন্ত উন্নত এলাকা যেখানে অনেক মানুষ বসবাস করেন বা কাজ করেন। উদাহরণ হিসেবে অ্যাপার্টমেন্ট কমপ্লেক্স, রো হাউস এবং বাণিজ্যিক/শিল্প সংক্রান্ত বিল্ডিংয়ের কথা বলা যায়। মোট কভারের ৮০% থেকে ১০০% হল অভেদ্য সারফেস।

৩১ #b3ac9f

অনাবাদী জমি (পাথর/বালি/কাদা): বেডরক, মরুভূমির ফুটপাথ, স্কার্প, ট্যালাস, স্লাইড, আগ্নেয়গিরির উপাদান, হিমবাহের ধ্বংসাবশেষ, বালির টিলা, স্ট্রিপ মাইন, নুড়ি গর্ত এবং মাটির উপাদানের অন্যান্য সঞ্চয়। সাধারণত, মোট কভারের ১৫%-এর কম অংশ গাছপালা দ্বারা আবৃত থাকে।

৪১ #68ab5f

পর্ণমোচী বন: এমন এলাকা যেখানে সাধারণত ৫ মিটারের বেশি লম্বা গাছ বেশি থাকে এবং মোট উদ্ভিজ্জ কভারের ২০%-এর বেশি থাকে। ঋতু পরিবর্তনের কারণে ৭৫%-এর বেশি প্রজাতির গাছের পাতা একই সাথে ঝরে যায়।

42 #1c5f2c

চিরহরিৎ বন: সাধারণত ৫ মিটারের বেশি লম্বা গাছ এবং মোট গাছপালার ২০%-এর বেশি এলাকা জুড়ে থাকা অঞ্চল। ৭৫%-এর বেশি প্রজাতির গাছের পাতা সারা বছরই থাকে। ক্যানোপি কখনও সবুজ পাতা ছাড়া হয় না।

৪৩ #b5c58f

মিশ্র বন: সাধারণত ৫ মিটারের বেশি লম্বা গাছ এবং মোট গাছপালার ২০%-এর বেশি কভার করা এলাকা। পর্ণমোচী বা চিরহরিৎ প্রজাতির কোনওটিই মোট গাছের ছায়ার ৭৫%-এর বেশি নয়।

৫১ #af963c

বামন ঝোপ: আলাস্কার শুধুমাত্র সেইসব এলাকা যেখানে ২০ সেন্টিমিটারের কম উচ্চতার ঝোপঝাড়ের আধিপত্য রয়েছে এবং ঝোপঝাড়ের ক্যানোপি সাধারণত মোট গাছপালার ২০% এর বেশি। এই ধরনের গাছপালা প্রায়ই ঘাস, সেজ, ভেষজ এবং সংবহনতন্ত্র ছাড়া উদ্ভিদের সাথে একসাথে জন্মায়।

52 #ccb879
71 #dfdfc2
৭২ #d1d182
৭৩ #a3cc51
74 #82ba9e

শ্যাওলা: আলাস্কার শুধুমাত্র সেইসব এলাকা যেখানে শ্যাওলার আধিক্য রয়েছে, সাধারণত মোট উদ্ভিদের ৮০%-এর বেশি।

81 #dcd939
৮২ #ab6c28

চাষ করা ফসল: ভুট্টা, সয়াবিন, শাকসবজি, তামাক এবং তুলার মতো বার্ষিক ফসল উৎপাদনের জন্য ব্যবহৃত এলাকা এবং ফলবাগান এবং দ্রাক্ষাক্ষেত্রের মতো বহুবর্ষজীবী কাঠের ফসল। মোট গাছপালার ২০%-এর বেশি হল শস্যের গাছপালা। এই ক্লাসে সেইসব জমি অন্তর্ভুক্ত করা হয় যেগুলিতে চাষ করা হচ্ছে।

৯০ #b8d9eb

কাষ্ঠল জলাভূমি: এমন এলাকা যেখানে বন বা ঝোপঝাড়ের গাছপালা ২০%-এর বেশি গাছপালা কভার করে এবং মাটি বা সাবস্ট্রেট পর্যায়ক্রমে জল দিয়ে স্যাচুরেটেড বা ঢাকা থাকে।

৯৫ #6c9fb8

উদ্ভূত তৃণভূমি জলাভূমি: এমন এলাকা যেখানে বহুবর্ষজীবী তৃণভূমি গাছপালা ৮০% এর বেশি গাছপালা কভার করে এবং মাটি বা সাবস্ট্রেট পর্যায়ক্রমে জল দিয়ে স্যাচুরেট বা আবৃত থাকে।

impervious_descriptor Class Table

মান রঙ বিবরণ
0 #000000

শ্রেণীভুক্ত নয়।

20 #ff0000

প্রধান রাস্তা। ইন্টারস্টেট ও অন্যান্য প্রধান রাস্তা। ২০১৮ NavStreets Street ডেটা থেকে পিক্সেল নেওয়া হয়েছে।

21 #ffff00

বিকল্প রাস্তা। আন্তঃরাজ্য নয় এমন হাইওয়ে। ২০১৮ NavStreets Street ডেটা থেকে পিক্সেল নেওয়া হয়েছে।

22 #0000ff

টার্শিয়ারি রাস্তা। যেকোনও দুই লেনের রাস্তা। ২০১৮ NavStreets Street ডেটা থেকে পিক্সেল নেওয়া হয়েছে।

23 #ffffff

সরু রাস্তা। ছোট ছোট টারশিয়ারি রাস্তা যেগুলি সাধারণত পাকা নয় এবং ল্যান্ডকভার থেকে সরিয়ে দেওয়া হয়েছে কিন্তু ইমপারভিয়াস সারফেস প্রোডাক্টের অংশ হিসেবে থেকে গেছে। ২০১৮ NavStreets Street ডেটা থেকে পিক্সেল নেওয়া হয়েছে।

24 #ffc0c5

রাস্তা বা এনার্জি নয় এমন অভেদ্য। উন্নত এলাকা যা সাধারণত রাস্তা বা শক্তি উৎপাদন কেন্দ্র নয়; এর মধ্যে আবাসিক/বাণিজ্যিক/শিল্প এলাকা, পার্ক এবং গল্ফ কোর্স অন্তর্ভুক্ত।

25 #eb82eb

Microsoft-এর বিল্ডিং। NLCD ইমপারভিয়াস প্রসেসে ক্যাপচার করা হয়নি এবং নন-রোড ইমপারভিয়াস সারফেস ক্লাসে অন্তর্ভুক্ত করা হয়নি এমন বিল্ডিং। Microsoft US Building Footprints ডেটাসেট থেকে পিক্সেল নেওয়া হয়েছে।

26 #9f1feb

LCMAP অভেদ্য। NLCD-এর আগের ভার্সন থেকে রাস্তা আপডেট করার সময় যে ফাঁকা জায়গা থেকে গিয়েছিল তা পূরণ করতে LCMAP থেকে ইমপারভিয়াস পিক্সেল ব্যবহার করা হয়েছে।

২৭ #40dfd0

উইন্ড টারবাইন। মার্কিন যুক্তরাষ্ট্রের উইন্ড টার্বাইন ডেটাসেট থেকে পিক্সেল নেওয়া হয়েছে, ১/৯/২০২০ তারিখে অ্যাক্সেস করা হয়েছে।

২৮ #79ff00

ওয়েল প্যাড। ওক রিজ ন্যাশনাল ল্যাবরেটরির ২০১৯ তেল ও প্রাকৃতিক গ্যাস কূপ ডেটা সেট থেকে পিক্সেল নেওয়া হয়েছে।

২৯ #০০৫f০০

অন্যান্য শক্তি উৎপাদন। আগে চিহ্নিত করা এলাকা যেমন ওয়েল প্যাড এবং উইন্ড টারবাইন এবং ল্যান্ডফায়ার প্রোজেক্টের সাথে সমন্বয় করে শ্রেণীবদ্ধ করা হয়েছে।

ছবির প্রপার্টি

ছবির প্রপার্টি

নাম ধরন বিবরণ
landcover_class_names ডবল সাইজ

ল্যান্ডকভার ক্লাসের নাম

landcover_class_palette ডবল সাইজ

ল্যান্ডকভার ক্লাস প্যালেট

landcover_class_values ডবল সাইজ

ল্যান্ডকভার ক্লাস ভ্যালু

impervious_descriptor_class_names ডবল সাইজ

ইমপারভিয়াস ডেসক্রিপ্টর ক্লাস নাম

impervious_descriptor_class_palette ডবল সাইজ

ইমপারভিয়াস ডেসক্রিপ্টর ক্লাস প্যালেট

impervious_descriptor_class_values ডবল সাইজ

ইমপারভিয়াস ডেসক্রিপ্টর ক্লাস ভ্যালু

ব্যবহারের শর্তাদি

ব্যবহারের শর্তাবলী

মার্কিন যুক্তরাষ্ট্রের বেশিরভাগ ভূতাত্ত্বিক সমীক্ষা (USGS) সংক্রান্ত তথ্য ফেডারেলভাবে তৈরি করা ডেটা এবং তাই পাবলিক ডোমেনে থাকে এবং কপিরাইট সংক্রান্ত বিধিনিষেধ ছাড়াই ব্যবহার, ট্রান্সফার বা পুনরুৎপাদন করা যেতে পারে। তথ্যের সোর্স হিসেবে USGS-কে স্বীকৃতি বা ক্রেডিট দেওয়া সংক্রান্ত অতিরিক্ত তথ্য উপলভ্য।

উদ্ধৃতি

উদ্ধৃতি:
  • Dewitz, J., and U.S. Geological Survey, 2021, National Land Cover Database (NLCD) 2019 Products (ver. 2.0, June 2021): U.S. Geological Survey data release, doi:10.5066/P9KZCM54

DOI

Earth Engine-এর সাহায্যে এক্সপ্লোর করুন

কোড এডিটর (জাভাস্ক্রিপ্ট)

// Import the NLCD collection.
var dataset = ee.ImageCollection('USGS/NLCD_RELEASES/2019_REL/NLCD');

// The collection contains images for multiple years and regions in the USA.
print('Products:', dataset.aggregate_array('system:index'));

// Filter the collection to the 2016 product.
var nlcd2016 = dataset.filter(ee.Filter.eq('system:index', '2016')).first();

// Each product has multiple bands for describing aspects of land cover.
print('Bands:', nlcd2016.bandNames());

// Select the land cover band.
var landcover = nlcd2016.select('landcover');

// Display land cover on the map.
Map.setCenter(-95, 38, 5);
Map.addLayer(landcover, null, 'Landcover');

Python সেট-আপ

Python API সম্পর্কে তথ্য এবং ইন্টার‍্যাক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার ব্যাপারে জানতে Python এনভায়রনমেন্ট পৃষ্ঠা দেখুন।

import ee
import geemap.core as geemap

Colab (Python)

# Import the NLCD collection.
dataset = ee.ImageCollection('USGS/NLCD_RELEASES/2019_REL/NLCD')

# The collection contains images for multiple years and regions in the USA.
display('Products:', dataset.aggregate_array('system:index'))

# Filter the collection to the 2016 product.
nlcd_2016 = dataset.filter(ee.Filter.eq('system:index', '2016')).first()

# Each product has multiple bands for describing aspects of land cover.
display('Bands:', nlcd_2016.bandNames())

# Select the land cover band.
landcover = nlcd_2016.select('landcover')

# Display land cover on the map.
m = geemap.Map()
m.set_center(-95, 38, 5)
m.add_layer(landcover, None, 'Landcover')
m
কোড এডিটরে খুলুন