- ডেটাসেটের প্রাপ্যতা
- 2008-06-01T00:00:00Z–2021-09-30T00:00:00Z
- ডেটাসেট প্রযোজক
- ইউএসডিএ ফরেস্ট সার্ভিস (ইউএসএফএস) ভূ-স্থানিক প্রযুক্তি ও প্রয়োগ কেন্দ্র (জিটিএসি)
- ট্যাগ
- বন।
বর্ণনা
এই পণ্যটি বৃক্ষ আচ্ছাদন (TCC) ডেটা স্যুটের একটি অংশ। এতে প্রতিটি বছরের জন্য মডেলকৃত TCC, স্ট্যান্ডার্ড এরর (SE), এবং ন্যাশনাল ল্যান্ড কভার ডেটাবেস (NLCD)-এর TCC ডেটা অন্তর্ভুক্ত রয়েছে। মার্কিন যুক্তরাষ্ট্রের কৃষি বিভাগ, বন পরিষেবা (USFS) দ্বারা উৎপাদিত TCC ডেটা মাল্টি-রেজোলিউশন ল্যান্ড ক্যারেক্টারিস্টিকস (MRLC) কনসোর্টিয়ামে অন্তর্ভুক্ত, যা মার্কিন যুক্তরাষ্ট্রের (US) ভূতাত্ত্বিক জরিপ (USGS) দ্বারা পরিচালিত ন্যাশনাল ল্যান্ড কভার ডেটাবেস (NLCD) প্রকল্পের একটি অংশ।
সায়েন্স টিসিসি প্রোডাক্ট এবং এনএলসিডি টিসিসি হলো ইউএসএফএস দ্বারা উৎপাদিত রিমোট সেন্সিং-ভিত্তিক মানচিত্র। টিসিসি সায়েন্স এবং এনএলসিডি টিসিসি-এর উদ্দেশ্য হলো টিসিসি ম্যাপিং-এর সর্বশেষ প্রযুক্তি এবং অগ্রগতি ব্যবহার করে একটি সামঞ্জস্যপূর্ণ পদ্ধতি তৈরি করা, যাতে সংলগ্ন মার্কিন যুক্তরাষ্ট্র (CONUS) এবং দক্ষিণ-পূর্ব আলাস্কা, হাওয়াই ও পুয়ের্তো রিকো-ইউএস ভার্জিন দ্বীপপুঞ্জ (OCONUS) জুড়ে টিসিসি-র একটি "সর্বোত্তম উপলব্ধ" মানচিত্র তৈরি করা যায়।
মডেলের আউটপুটগুলোর মধ্যে রয়েছে সায়েন্স টিসিসি, সায়েন্স এসই এবং এনএলসিডি টিসিসি। সায়েন্স টিসিসি এবং এসই-তে ২০০৮ থেকে ২০২১ সাল পর্যন্ত সময়ের ডেটা অন্তর্ভুক্ত রয়েছে। এনএলসিডি টিসিসি-তে ২০১১ থেকে ২০২১ সাল পর্যন্ত সময়ের ডেটা অন্তর্ভুক্ত রয়েছে, তবে ২০০৮, ২০০৯ এবং ২০১০ সালের ডেটা সম্পূর্ণরূপে মাস্ক করা হয়েছে।
সায়েন্স টিসিসি হলো মডেলের সরাসরি আউটপুট।
*সায়েন্স এসই (Science SE) হলো সমস্ত রিগ্রেশন ট্রি থেকে প্রাপ্ত পূর্বাভাসিত মানগুলোর মডেল স্ট্যান্ডার্ড ডেভিয়েশন। *এনএলসিডি টিসিসি (NLCD TCC) প্রোডাক্টটি বার্ষিক সায়েন্স টিসিসি ইমেজগুলোর উপর আরও পোস্ট-প্রসেসিং প্রয়োগের মধ্য দিয়ে যায়, যার মধ্যে বিভিন্ন মাস্কিং (জল ও বৃক্ষ-বহির্ভূত কৃষি), ফিল্টারিং এবং মিনিমাম-ম্যাপিং ইউনিট (MMU) রুটিন অন্তর্ভুক্ত। এছাড়াও এতে এমন কিছু প্রক্রিয়া রয়েছে যা আন্তঃবার্ষিক নয়েজ হ্রাস করে এবং দীর্ঘস্থায়ী প্রবণতা ফিরিয়ে আনে।
প্রতিটি ছবিতে একটি ডেটা মাস্ক ব্যান্ড অন্তর্ভুক্ত থাকে যার তিনটি মান রয়েছে যা ডেটাবিহীন এলাকা (0), ম্যাপ করা গাছের ছাউনি (1), এবং প্রক্রিয়াকরণ-বহির্ভূত এলাকা (2) প্রতিনিধিত্ব করে। প্রক্রিয়াকরণ-বহির্ভূত এলাকাগুলি হল অধ্যয়ন এলাকার সেই পিক্সেল যেখানে কোনও মেঘ নেই বা মেঘের ছায়ামুক্ত ডেটা রয়েছে। TCC এবং SE ছবিতে ডেটাবিহীন এবং প্রক্রিয়াকরণ-বহির্ভূত এলাকার পিক্সেলগুলি মাস্ক করা হয়।
CONUS-এর বিশাল আকার এবং ইকোটোনের ব্যাপক বৈচিত্র্যের কারণে, CONUS মডেলিংকে ৫৪টি ৪৮০x৪৮০ কিমি টাইলে বিভক্ত করা হয়েছিল। প্রতিটি টাইলের জন্য, ২০১১ সালের ফিটেড ল্যান্ডট্রেন্ডার, ২০১১ সালের সিডিএল এবং ভূখণ্ডের ডেটা ব্যবহার করে একটি স্বতন্ত্র র্যান্ডম ফরেস্ট মডেল তৈরি করা হয়েছিল। মডেল ক্যালিব্রেশনের জন্য উপলব্ধ ৭০% রেফারেন্স ডেটার মধ্যে যেগুলি কেন্দ্রীয় টাইলের চারপাশে একটি ৫x৫ উইন্ডোর মধ্যে থাকা টাইলগুলিকে ছেদ করেছিল, সেই সমস্ত ডেটা র্যান্ডম ফরেস্ট মডেলটিকে প্রশিক্ষণের জন্য ব্যবহার করা হয়েছিল। এরপর সেই মডেলটি কেন্দ্রীয় টাইলে প্রয়োগ করা হয়েছিল। OCONUS-এর ক্ষেত্রে, প্রতিটি অধ্যয়ন এলাকায় একটি করে মডেল প্রয়োগ করা হয়েছিল এবং কোনো টাইল ব্যবহার করা হয়নি।
TCC মডেলের প্রেডিক্টর লেয়ারগুলোতে LandTrendr-এর আউটপুট এবং ভূখণ্ডের তথ্য অন্তর্ভুক্ত থাকে। এই সমস্ত উপাদান Google Earth Engine (Gorelick et al., 2017) ব্যবহার করে অ্যাক্সেস ও প্রসেস করা হয়।
LandTrendr-এর জন্য বার্ষিক কম্পোজিট তৈরি করতে, USGS কালেকশন ২ ল্যান্ডস্যাট টিয়ার ১ এবং সেন্টিনেল ২এ, ২বি লেভেল-১সি টপ অফ অ্যাটমোস্ফিয়ার রিফ্লেক্টেন্স ডেটা ব্যবহার করা হয়েছে। মেঘ মাস্ক করার জন্য cFmask ক্লাউড মাস্কিং অ্যালগরিদম (Foga et al., 2017), যা Fmask 2.0 (Zhu and Woodcock, 2012)-এর একটি ইমপ্লিমেন্টেশন (শুধুমাত্র ল্যান্ডস্যাটের জন্য), cloudScore (Chastain et al., 2019) (শুধুমাত্র ল্যান্ডস্যাটের জন্য), এবং s2cloudless (Sentinel-Hub, 2021) (শুধুমাত্র সেন্টিনেল ২-এর জন্য) ব্যবহার করা হয়, অন্যদিকে মেঘের ছায়া মাস্ক করার জন্য TDOM (Chastain et al., 2019) ব্যবহার করা হয় (ল্যান্ডস্যাট এবং সেন্টিনেল ২-এর জন্য)। এরপর LandTrendr-এর জন্য, প্রতিটি বছরের মেঘ এবং মেঘের ছায়ামুক্ত মানগুলোকে একটি একক কম্পোজিটে সংক্ষিপ্ত করতে বার্ষিক মেডয়েড গণনা করা হয়।
ল্যান্ডট্রেন্ডার (কেনেডি ও অন্যান্য, ২০১০; কেনেডি ও অন্যান্য, ২০১৮; কোহেন ও অন্যান্য, ২০১৮) ব্যবহার করে যৌগিক সময় সিরিজটিকে সাময়িকভাবে বিভক্ত করা হয়েছে।
ইউএস জিওলজিক্যাল সার্ভে (২০১৯)-এর ১০ মিটার ইউএসজিএস ৩ডি. এলিভেশন প্রোগ্রাম (৩ডিইপি) ডেটা থেকে প্রাপ্ত কাঁচা কম্পোজিট মান, ল্যান্ডট্রেন্ডার ফিটেড মান, জোড়া-জোড়া পার্থক্য, সেগমেন্টের সময়কাল, পরিবর্তনের মাত্রা এবং ঢাল, সেইসাথে উচ্চতা, ঢাল, অ্যাস্পেক্টের সাইন এবং অ্যাস্পেক্টের কোসাইন-কে একটি র্যান্ডম ফরেস্ট (ব্রেইম্যান, ২০০১) মডেলে স্বাধীন ভবিষ্যদ্বাণীকারী চলক হিসেবে ব্যবহার করা হয়েছে।
ইউএসএফএস ফরেস্ট ইনভেন্টরি অ্যান্ড অ্যানালাইসিস (এফআইএ)-এর ফটো-ব্যাখ্যাত টিসিসি ডেটা থেকে রেফারেন্স ডেটা সংগ্রহ করা হয় এবং পিক্সেল-ভিত্তিক দেয়াল থেকে দেয়াল পর্যন্ত টিসিসি পূর্বাভাস দেওয়ার জন্য এটি ব্যবহার করা হয়।
অতিরিক্ত সম্পদ
পদ্ধতি এবং নির্ভুলতা মূল্যায়ন সম্পর্কিত আরও বিস্তারিত তথ্যের জন্য অনুগ্রহ করে টিসিসি মেথডস ব্রিফ দেখুন, অথবা ডেটা ডাউনলোড, মেটাডেটা এবং সহায়ক নথিপত্রের জন্য টিসিসি জিওডেটা ক্লিয়ারিংহাউস দেখুন ।
যেকোনো প্রশ্ন বা নির্দিষ্ট তথ্যের অনুরোধের জন্য sm.fs.tcc@usda.gov- এ যোগাযোগ করুন।
ব্রেইম্যান, এল., ২০০১। র্যান্ডম ফরেস্ট। মেশিন লার্নিং-এ। স্প্রিংগার , ৪৫: ৫-৩২ doi:10.1023/A:1010933404324
চ্যাস্টেইন, আর., হাউসম্যান, আই., গোল্ডস্টেইন, জে., ফিনকো, এম., এবং টেনেসন, কে., ২০১৯। মার্কিন যুক্তরাষ্ট্রের সংলগ্ন অঞ্চলের উপর সেন্টিনেল-২এ ও ২বি এমএসআই, ল্যান্ডস্যাট-৮ ওএলআই, এবং ল্যান্ডস্যাট-৭ ইটিএম-এর বায়ুমণ্ডলের শীর্ষভাগের বর্ণালীগত বৈশিষ্ট্যের প্রায়োগিক আন্তঃসেন্সর তুলনা। রিমোট সেন্সিং অফ এনভায়রনমেন্ট-এ। সায়েন্স ডাইরেক্ট , ২২১: ২৭৪-২৮৫ doi:10.1016/j.rse.2018.11.012
কোহেন, ডব্লিউবি, ইয়াং, জেড., হিলি, এসপি, কেনেডি, আরই, এবং গোরলিক, এন., ২০১৮। বনভূমির বিপর্যয় শনাক্তকরণের জন্য একটি ল্যান্ডট্রেন্ডার মাল্টিস্পেকট্রাল এনসেম্বল। রিমোট সেন্সিং অফ এনভায়রনমেন্ট-এ। সায়েন্স ডাইরেক্ট , ২০৫: ১৩১-১৪০ doi:10.1016/j.rse.2017.11.015
ফোগা, এস., স্কারামুজা, পিএল, গুও, এস., ঝু, জেড., ডিলে, আরডি, বেকম্যান, টি., শ্মিট, জিএল, ডায়ার, জেএল, হিউজেস, এমজে, লাউ, বি., ২০১৭। অপারেশনাল ল্যান্ডস্যাট ডেটা প্রোডাক্টের জন্য মেঘ শনাক্তকরণ অ্যালগরিদমের তুলনা ও বৈধতা। রিমোট সেন্সিং অফ এনভায়রনমেন্ট-এ। সায়েন্স ডাইরেক্ট , ১৯৪: ৩৭৯-৩৯০ doi:10.1016/j.rse.2017.03.026
ইউএস জিওলজিক্যাল সার্ভে, ২০১৯। ইউএসজিএস ৩ডি এলিভেশন প্রোগ্রাম ডিজিটাল এলিভেশন মডেল, আগস্ট ২০২২-এ https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m থেকে সংগৃহীত।
কেনেডি, আর.ই., ইয়াং, জেড., এবং কোহেন, ডব্লিউ.বি., ২০১০। বার্ষিক ল্যান্ডস্যাট টাইম সিরিজ ব্যবহার করে বনভূমির ব্যাঘাত এবং পুনরুদ্ধারের প্রবণতা সনাক্তকরণ: ১. ল্যান্ডট্রেন্ডার - টেম্পোরাল সেগমেন্টেশন অ্যালগরিদম। রিমোট সেন্সিং অফ এনভায়রনমেন্ট-এ। সায়েন্স ডাইরেক্ট , ১১৪(১২): ২৮৯৭-২৯১০ doi:10.1016/j.rse.2010.07.008
কেনেডি, আর., ইয়াং, জেড., গোরলিক, এন., ব্রাটেন, জে., ক্যাভালকান্তে, এল., কোহেন, ডব্লিউ., এবং হিলি, এস., 2018। গুগল আর্থ ইঞ্জিনে ল্যান্ডট্রেন্ডার অ্যালগরিদমের বাস্তবায়ন। রিমোট সেন্সিং-এ। এমডিপিআই , 10(5): 691 doi:10.3390/rs10050691
সেন্টিনেল-হাব, ২০২১। সেন্টিনেল ২ ক্লাউড ডিটেক্টর। [অনলাইন]। এখানে উপলব্ধ: https://github.com/sentinel-hub/sentinel2-cloud-detector
ঝু, জেড., এবং উডকক, সিই, ২০১২। ল্যান্ডস্যাট চিত্রে বস্তু-ভিত্তিক মেঘ এবং মেঘের ছায়া শনাক্তকরণ। রিমোট সেন্সিং অফ এনভায়রনমেন্ট-এ। সায়েন্স ডাইরেক্ট , ১১৮: ৮৩-৯৪ doi:10.1016/j.rse.2011.10.028
ব্যান্ড
ব্যান্ড
পিক্সেল সাইজ: ৩০ মিটার (সকল ব্যান্ড)
| নাম | ইউনিট | পিক্সেল আকার | বর্ণনা | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Science_Percent_Tree_Canopy_Cover | % | ৩০ মিটার | মডেলের সরাসরি প্রাপ্ত ফলাফল। প্রতিটি পিক্সেলের জন্য প্রতি বছরের গড় পূর্বাভাসিত বৃক্ষ আচ্ছাদন মান রয়েছে। | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Science_Percent_Tree_Canopy_Cover_Standard_Error | % | ৩০ মিটার | সমস্ত রিগ্রেশন ট্রি থেকে প্রাপ্ত পূর্বাভাসিত মানগুলির স্ট্যান্ডার্ড ডেভিয়েশনকে আমরা স্ট্যান্ডার্ড এরর বলি। প্রতিটি পিক্সেলের জন্য প্রতি বছর একটি স্ট্যান্ডার্ড এরর থাকে। | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
NLCD_Percent_Tree_Canopy_Cover | % | ৩০ মিটার | NLCD বৃক্ষ আচ্ছাদন তৈরি করতে, সরাসরি মডেল আউটপুটের উপর একটি পোস্ট-প্রসেসিং ওয়ার্কফ্লো প্রয়োগ করা হয়, যা বৃক্ষবিহীন পিক্সেল মানগুলিকে শনাক্ত করে এবং সেগুলির বৃক্ষ আচ্ছাদন শূন্য শতাংশে সেট করে। ২০০৮, ২০০৯ এবং ২০১০ সালে NLCD বৃক্ষ আচ্ছাদন ডেটা সম্পূর্ণরূপে মাস্ক করা হয়েছে। | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
data_mask | ৩০ মিটার | তিনটি মান যথাক্রমে ডেটাবিহীন এলাকা, ম্যাপ করা বৃক্ষ আচ্ছাদন এবং অপ্রক্রিয়াকরণ এলাকাকে নির্দেশ করে। অপ্রক্রিয়াকরণ এলাকা হলো অধ্যয়ন এলাকার সেইসব পিক্সেলের অবস্থান, যেখানে আউটপুট তৈরির জন্য কোনো মেঘ বা মেঘ-ছায়ামুক্ত ডেটা উপলব্ধ নেই। | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
ছবির বৈশিষ্ট্য
ছবির বৈশিষ্ট্য
| নাম | প্রকার | বর্ণনা |
|---|---|---|
| অধ্যয়ন_এলাকা | স্ট্রিং | TCC বর্তমানে CONUS, দক্ষিণ-পূর্ব আলাস্কা, পুয়ের্তো রিকো-ইউএস ভার্জিন দ্বীপপুঞ্জ এবং হাওয়াইকে অন্তর্ভুক্ত করে। এই সংস্করণে সমস্ত অধ্যয়ন এলাকা রয়েছে। সম্ভাব্য মান: 'CONUS, SEAK, PRUSVI, HI' |
| সংস্করণ | স্ট্রিং | এটি এমআরএলসি কনসোর্টিয়ামে প্রকাশিত টিসিসি পণ্যের চতুর্থ সংস্করণ, যা ন্যাশনাল ল্যান্ড কভার ডেটাবেস (এনএলসিডি)-এর একটি অংশ। |
| শুরুর বছর | INT | পণ্যের শুরুর বছর |
| বছরের শেষ | INT | পণ্যের শেষ বছর |
| বছর | INT | পণ্যের বছর |
ব্যবহারের শর্তাবলী
ব্যবহারের শর্তাবলী
ইউএসডিএ ফরেস্ট সার্ভিস এই ভূ-স্থানিক ডেটার নির্ভুলতা, নির্ভরযোগ্যতা, সম্পূর্ণতা বা উপযোগিতার জন্য, অথবা এই ভূ-স্থানিক ডেটার অনুপযুক্ত বা ভুল ব্যবহারের জন্য কোনো সুস্পষ্ট বা উহ্য ওয়ারেন্টি, যার মধ্যে বাণিজ্যিক উপযোগিতা এবং কোনো নির্দিষ্ট উদ্দেশ্যে উপযুক্ততার ওয়ারেন্টিও অন্তর্ভুক্ত, প্রদান করে না এবং কোনো আইনি দায় বা দায়িত্বও গ্রহণ করে না। এই ভূ-স্থানিক ডেটা এবং সম্পর্কিত মানচিত্র বা গ্রাফিক্স কোনো আইনি দলিল নয় এবং সেভাবে ব্যবহারের জন্য উদ্দিষ্ট নয়। এই ডেটা এবং মানচিত্র সরকারি বা ব্যক্তিগত জমিতে স্বত্ব, মালিকানা, আইনি বিবরণ বা সীমানা, আইনি এখতিয়ার, বা প্রযোজ্য বিধিনিষেধ নির্ধারণের জন্য ব্যবহার করা যাবে না। প্রাকৃতিক বিপদসমূহ ডেটা এবং মানচিত্রে চিত্রিত থাকতেও পারে বা নাও থাকতে পারে, এবং ভূমি ব্যবহারকারীদের যথাযথ সতর্কতা অবলম্বন করা উচিত। ডেটা গতিশীল এবং সময়ের সাথে সাথে পরিবর্তিত হতে পারে। ভূ-স্থানিক ডেটার সীমাবদ্ধতা যাচাই করা এবং সেই অনুযায়ী ডেটা ব্যবহার করার দায়িত্ব ব্যবহারকারীর।
এই তথ্যগুলো মার্কিন সরকারের অর্থায়নে সংগ্রহ করা হয়েছে এবং কোনো অতিরিক্ত অনুমতি বা ফি ছাড়াই ব্যবহার করা যাবে। যদি আপনি কোনো প্রকাশনা, উপস্থাপনা বা অন্য কোনো গবেষণামূলক কাজে এই তথ্যগুলো ব্যবহার করেন, তবে অনুগ্রহ করে নিম্নলিখিত উদ্ধৃতিটি ব্যবহার করুন:
ইউএসডিএ ফরেস্ট সার্ভিস। ২০২৩। ইউএসএফএস বৃক্ষ আচ্ছাদন সংস্করণ ২০২১.৪ (সংলগ্ন মার্কিন যুক্তরাষ্ট্র এবং দক্ষিণ-পূর্ব আলাস্কা)। সল্ট লেক সিটি, ইউটা।
উদ্ধৃতি
ইউএসডিএ ফরেস্ট সার্ভিস। ২০২৩। ইউএসএফএস বৃক্ষ আচ্ছাদন সংস্করণ ২০২১.৪ (সংলগ্ন মার্কিন যুক্তরাষ্ট্র এবং দক্ষিণ-পূর্ব আলাস্কা)। সল্ট লেক সিটি, ইউটা।
আর্থ ইঞ্জিন দিয়ে অন্বেষণ করুন
কোড এডিটর (জাভাস্ক্রিপ্ট)
// Import the tree canopy cover collection var dataset = ee.ImageCollection('USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4'); //Filter collection to 2021 and CONUS study area var tcc = dataset.filter(ee.Filter.calendarRange(2021, 2021,'year')) // range: [2008, 2021] .filter('study_area == "CONUS"') // or "AK", "PRUSVI", "HAWAII" .first(); // TCC palette var tcc_palette = [ 'CDA066', 'D7C29E', 'C2D096', 'B7D692', 'ADDD8E', '78C679', '5CB86B', '41AB5D', '39A156', '329750', '238443', '11763D', '006837', '004529' ] // SE palette var se_palette = [ '000000', 'FFFFFF', ] // Display images on map Map.addLayer(tcc.select('data_mask'), {min:0,max:2}, 'Data Mask',false); Map.addLayer(tcc.select('Science_Percent_Tree_Canopy_Cover'), {min:0,max:60,palette:tcc_palette}, 'Science Percent Tree Canopy Cover'); Map.addLayer(tcc.select('Science_Percent_Tree_Canopy_Cover_Standard_Error'), {min:0,max:4000,palette:se_palette}, 'Science Percent Tree Canopy Cover Standard Error'); Map.addLayer(tcc.select('NLCD_Percent_Tree_Canopy_Cover'), {min:0,max:60,palette:tcc_palette}, 'NLCD Percent Tree Canopy Cover'); Map.setCenter(-98.58, 38.14, 4);