USFS Tree Canopy Cover v2021-4 (CONUS and OCONUS) [deprecated]

USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4
ডেটাসেটের উপলভ্যতা
2008-06-01T00:00:00Z–2021-09-30T00:00:00Z
ডেটাসেট প্রোডিউসার
Earth Engine স্নিপেট
ee.ImageCollection("USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4")
ট্যাগ
ফরেস্ট
বন-জৈববস্তু
gtac
ল্যান্ডস্যাট-প্রাপ্ত
redcastle-resources
usda
usfs
usgs

বিবরণ

এই প্রোডাক্টটি ট্রি ক্যানোপি কভার (TCC) ডেটা স্যুটের অংশ। এতে মডেল করা TCC, স্ট্যান্ডার্ড এরর (SE) এবং প্রতি বছরের জন্য ন্যাশনাল ল্যান্ড কভার ডেটাবেসের (NLCD) TCC ডেটা অন্তর্ভুক্ত থাকে। মার্কিন যুক্তরাষ্ট্রের কৃষি বিভাগ, বন পরিষেবা (USFS) দ্বারা তৈরি করা TCC ডেটা মাল্টি-রেজোলিউশন ল্যান্ড ক্যারেক্টারিস্টিকস (MRLC) কনসোর্টিয়ামে অন্তর্ভুক্ত করা হয়েছে যা মার্কিন যুক্তরাষ্ট্রের (US) জিওলজিক্যাল সার্ভে (USGS) দ্বারা পরিচালিত ন্যাশনাল ল্যান্ড কভার ডেটাবেস (NLCD) প্রোজেক্টের অংশ।

Science TCC প্রোডাক্ট এবং NLCD TCC হল USFS-এর তৈরি রিমোট সেন্সিং-ভিত্তিক ম্যাপ আউটপুট। TCC Science ও NLCD TCC-এর উদ্দেশ্য হল, TCC ম্যাপিংয়ের ক্ষেত্রে লেটেস্ট প্রযুক্তি ও অগ্রগতি ব্যবহার করে একটি সামঞ্জস্যপূর্ণ পদ্ধতি তৈরি করা যাতে কন্টারমিনাস মার্কিন যুক্তরাষ্ট্র (CONUS) এবং দক্ষিণ-পূর্ব আলাস্কা, হাওয়াই ও পুয়ের্তো রিকো-মার্কিন ভার্জিন দ্বীপপুঞ্জ (OCONUS) জুড়ে TCC-এর "সবচেয়ে ভাল উপলভ্য" ম্যাপ তৈরি করা যায়।

মডেল আউটপুটে Science TCC, Science SE ও NLCD TCC অন্তর্ভুক্ত। Science TCC এবং SE-তে ২০০৮ থেকে ২০২১ পর্যন্ত ডেটা অন্তর্ভুক্ত রয়েছে। NLCD TCC-তে ২০১১ থেকে ২০২১ পর্যন্ত ডেটা অন্তর্ভুক্ত রয়েছে, ২০০৮, ২০০৯ এবং ২০১০-এর ডেটা সম্পূর্ণভাবে মাস্ক করা হয়েছে।

*Science TCC হল র ডাইরেক্ট মডেল আউটপুট।

*Science SE হল সব রিগ্রেশন ট্রি থেকে পাওয়া পূর্বাভাসের ভ্যালুর মডেল স্ট্যান্ডার্ড ডেভিয়েশন। *NLCD TCC প্রোডাক্টের ক্ষেত্রে বার্ষিক সায়েন্স TCC ছবিতে আরও পোস্ট প্রসেসিং করা হয়, যার মধ্যে রয়েছে বিভিন্ন মাস্কিং (জল ও গাছপালা ছাড়া চাষবাস), ফিল্টারিং ও মিনিমাম-ম্যাপিং ইউনিট (MMU) রুটিন, এর পাশাপাশি এমন প্রসেস যা বার্ষিক নয়েজ কমায় এবং দীর্ঘমেয়াদী ট্রেন্ড দেখায়।

প্রতিটি ছবিতে একটি ডেটা মাস্ক ব্যান্ড থাকে যার তিনটি মান থাকে যা কোনও ডেটা নেই (0), ম্যাপ করা গাছে ঢাকা এলাকার কভারেজ(1) এবং নন-প্রসেসিং এলাকা (2) উপস্থাপন করে। নন-প্রসেসিং এরিয়া হল স্টাডি এরিয়ার পিক্সেল যেখানে কোনও ক্লাউড বা ক্লাউড শ্যাডো-ফ্রি ডেটা নেই। TCC এবং SE ছবিতে ডেটা নেই এবং নন-প্রসেসিং এরিয়া পিক্সেল মাস্ক করা আছে।

CONUS-এর সাইজ এবং বিভিন্ন ধরনের ইকোটোনের কারণে, CONUS মডেলিং ৫৪টি ৪৮০x৪৮০ কিমি টাইলসে বিভক্ত করা হয়েছে। প্রতিটি টাইলসের জন্য, ২০১১ ফিট করা LandTrendr, ২০১১ CDL এবং ভূখণ্ড ডেটা ব্যবহার করে একটি অনন্য র্যান্ডম ফরেস্ট মডেল তৈরি করা হয়েছে। মডেল ক্যালিব্রেশনের জন্য উপলভ্য 70% ডেটার অংশ ছিল এমন সব রেফারেন্স ডেটা, যা কেন্দ্রস্থলের টাইলকে ঘিরে 5x5 উইন্ডোর মধ্যে টাইলকে ইন্টারসেক্ট করেছে, সেগুলি র‍্যান্ডম ফরেস্ট মডেলকে ট্রেনিং দেওয়ার জন্য ব্যবহার করা হয়েছে। তারপর সেই মডেলটি মাঝের টাইলটিতে প্রয়োগ করা হয়েছিল। OCONUS-এর জন্য, প্রতিটি স্টাডি এরিয়াতে একটি মডেল প্রয়োগ করা হয়েছিল এবং কোনও টাইল ব্যবহার করা হয়নি।

TCC মডেলের প্রেডিক্টর লেয়ারে LandTrendr ও ভূখণ্ড সংক্রান্ত তথ্য থেকে পাওয়া আউটপুট অন্তর্ভুক্ত থাকে। এইসব কম্পোনেন্ট Google Earth Engine (Gorelick et al., ২০১৭)।

LandTrendr-এর জন্য বার্ষিক কম্পোজিট তৈরি করতে, USGS Collection 2 Landsat Tier 1 এবং Sentinel 2A, 2B Level-1C টপ অফ অ্যাটমোস্ফিয়ার রিফ্লেক্ট্যান্স ডেটা ব্যবহার করা হয়েছে। cFmask ক্লাউড মাস্কিং অ্যালগরিদম (Foga et al., 2017), যা Fmask 2.0 (Zhu and Woodcock, 2012) (Landsat-only), cloudScore (Chastain et al., 2019) (শুধুমাত্র Landsat) এবং s2cloudless (Sentinel-Hub, 2021) (শুধুমাত্র Sentinel 2) ব্যবহার করা হয়, যেখানে TDOM (Chastain et al., 2019) ব্যবহার করা হয়। LandTrendr-এর জন্য, বার্ষিক মেডয়েড গণনা করা হয় যাতে প্রতিটি বছরের মেঘ এবং মেঘের ছায়া-মুক্ত মানগুলিকে একটি একক কম্পোজিটে সংক্ষিপ্ত করা যায়।

LandTrendr ব্যবহার করে কম্পোজিট টাইম সিরিজ সাময়িকভাবে বিভক্ত করা হয় (Kennedy et al., 2010; Kennedy et al., 2018; Cohen et al., 2018).

র কম্পোজিট ভ্যালু, LandTrendr ফিট করা ভ্যালু, পেয়ার-ওয়াইজ পার্থক্য, সেগমেন্টের সময়সীমা, পরিবর্তনের মাত্রা ও স্লোপ, এর সাথে উচ্চতা, স্লোপ, অ্যাসপেক্টের সাইন ও অ্যাসপেক্টের কোসাইন, ১০ মি USGS 3D থেকে। এলিভেশন প্রোগ্রাম (3DEP) ডেটা (U.S. Geological Survey, ২০১৯), র‍্যান্ডম ফরেস্ট (Breiman, ২০০১) মডেলে স্বাধীন প্রেডিক্টর ভেরিয়েবেল হিসেবে ব্যবহার করা হয়।

রেফারেন্স ডেটা USFS Forest Inventory and Analysis (FIA) ফটো-ইন্টারপ্রেটেড TCC ডেটা থেকে সংগ্রহ করা হয় এবং পিক্সেল-ওয়াইজ ভিত্তিতে ওয়াল-টু-ওয়াল TCC পূর্বাভাস করতে ব্যবহার করা হয়।

অতিরিক্ত রিসোর্স

পদ্ধতি এবং নির্ভুলতা মূল্যায়ন সংক্রান্ত আরও বিস্তারিত তথ্যের জন্য TCC পদ্ধতির সংক্ষিপ্ত বিবরণ দেখুন অথবা ডেটা ডাউনলোড, মেটাডেটা এবং সহায়তা ডকুমেন্টের জন্য TCC জিওডেটা ক্লিয়ারিংহাউস দেখুন।

কোনও প্রশ্ন বা নির্দিষ্ট ডেটার অনুরোধের জন্য sm.fs.tcc@usda.gov-এ যোগাযোগ করুন।

  • Breiman, L., ২০০১। র‍্যান্ডম ফরেস্ট। মেশিন লার্নিংয়ে। Springer, 45: 5-32 doi:10.1023/A:1010933404324

  • Chastain, R., Housman, I., Goldstein, J., Finco, M., and Tenneson, K., ২০১৯। মার্কিন যুক্তরাষ্ট্রের সংলগ্ন অঞ্চলে Sentinel-2A এবং 2B MSI, Landsat-8 OLI এবং Landsat-7 ETM-এর বায়ুমণ্ডলের উপরের স্তরের স্পেকট্রাল বৈশিষ্ট্যের এমপিরিক্যাল ক্রস সেন্সর তুলনা। In Remote Sensing of Environment. Science Direct, ২২১: ২৭৪-২৮৫ doi:১০.১০১৬/j.rse.২০১৮.১১.০১২

  • Cohen, W. B., Yang, Z., Healey, S. P., Kennedy, R. E., এবং Gorelick, N., ২০১৮. A LandTrendr multispectral ensemble for forest disturbance detection. In Remote Sensing of Environment. Science Direct, 205: 131-140 doi:10.1016/j.rse.2017.11.015

  • Foga, S., Scaramuzza, P.L., Guo, S., Zhu, Z., Dilley, R.D., Beckmann, T., Schmidt, G.L., Dwyer, J.L., Hughes, M.J., Laue, B., ২০১৭। অপারেশনাল Landsat ডেটা প্রোডাক্টের জন্য ক্লাউড শনাক্তকরণ অ্যালগরিদম তুলনা ও যাচাইকরণ। In Remote Sensing of Environment. Science Direct, 194: 379-390 doi:10.1016/j.rse.2017.03.026

  • U.S. Geological Survey, 2019. USGS 3D এলিভেশন প্রোগ্রাম ডিজিটাল এলিভেশন মডেল, আগস্ট ২০২২-এ https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m থেকে অ্যাক্সেস করা হয়েছে

  • কেনেডি, আর. E., Yang, Z., and Cohen, W. B., ২০১০। বার্ষিক ল্যান্ডস্যাট টাইম সিরিজ ব্যবহার করে বনের ক্ষতি এবং পুনরুদ্ধারের প্রবণতা শনাক্ত করা: ১. LandTrendr - টেম্পোরাল সেগমেন্টেশন অ্যালগরিদম। In Remote Sensing of Environment. Science Direct, 114(12): 2897-2910 doi:10.1016/j.rse.2010.07.008

  • কেনেডি, আর., Yang, Z., Gorelick, N., Braaten, J., Cavalcante, L., Cohen, W., and Healey, S., ২০১৮. Google Earth Engine-এ LandTrendr অ্যালগরিদম প্রয়োগ করা। রিমোট সেন্সিংয়ে। MDPI, 10(5): 691 doi:10.3390/rs10050691

  • Sentinel-Hub, 2021. Sentinel 2 Cloud Detector. [অনলাইন]। এখানে উপলভ্য: https://github.com/sentinel-hub/sentinel2-cloud-detector

  • Zhu, Z., and Woodcock, C. E., ২০১২।। Landsat ইমেজারিতে অবজেক্ট-ভিত্তিক ক্লাউড ও ক্লাউড শ্যাডো শনাক্তকরণ। In Remote Sensing of Environment. Science Direct, 118: 83-94 doi:10.1016/j.rse.2011.10.028

ব্যান্ড

ব্যান্ড

পিক্সেল সাইজ: ৩০ মিটার (সব ব্যান্ড)

নাম একক পিক্সেলের সাইজ বিবরণ
Science_Percent_Tree_Canopy_Cover % ৩০ মিটার

র ডাইরেক্ট মডেল আউটপুট। প্রতিটি পিক্সেলের জন্য প্রতি বছর গাছে ঢাকা এলাকার গড় কভার ভ্যালু থাকে।

Science_Percent_Tree_Canopy_Cover_Standard_Error % ৩০ মিটার

সমস্ত রিগ্রেশন ট্রি থেকে পাওয়া পূর্বাভাসের স্ট্যান্ডার্ড ডিভিয়েশনকে আমরা স্ট্যান্ডার্ড এরর হিসেবে উল্লেখ করি। প্রতিটি পিক্সেলের জন্য প্রতি বছরে একটি স্ট্যান্ডার্ড এরর থাকে।

NLCD_Percent_Tree_Canopy_Cover % ৩০ মিটার

NLCD ট্রি ক্যানোপি কভার তৈরি করতে, সরাসরি মডেল আউটপুটে একটি পোস্ট-প্রসেসিং ওয়ার্কফ্লো প্রয়োগ করা হয় যা গাছ নেই এমন পিক্সেল মান শনাক্ত করে এবং শূন্য শতাংশ ট্রি ক্যানোপি কভারে সেট করে। NLCD ট্রি ক্যানোপি কভার ডেটা ২০০৮, ২০০৯ এবং ২০১০ সালে সম্পূর্ণভাবে মাস্ক করা হয়েছে।

data_mask ৩০ মিটার

তিনটি মান যা ডেটা নেই, ম্যাপ করা ট্রি ক্যানোপি কভার এবং নন-প্রসেসিং এরিয়াকে উপস্থাপন করে। নন-প্রসেসিং এরিয়া হল এমন একটি জায়গা যেখানে স্টাডি এরিয়ার মধ্যে থাকা পিক্সেলে কোনও ক্লাউড বা ক্লাউড শ্যাডো-ফ্রি ডেটা উপলভ্য নেই যা থেকে আউটপুট তৈরি করা যায়।

ছবির প্রপার্টি

ছবির প্রপার্টি

নাম ধরন বিবরণ
study_area STRING

TCC বর্তমানে CONUS, দক্ষিণ-পূর্ব আলাস্কা, পুয়ের্তো রিকো-মার্কিন ভার্জিন দ্বীপপুঞ্জ এবং হাওয়াই কভার করে। এই ভার্সনে সব স্টাডি এরিয়া আছে। সম্ভাব্য ভ্যালু: 'CONUS, SEAK, PRUSVI, HI'

ভার্সন STRING

এটি MRLC কনসোর্টিয়ামে প্রকাশিত TCC প্রোডাক্টের চতুর্থ সংস্করণ যা ন্যাশনাল ল্যান্ড কভার ডেটাবেসের (NLCD) অংশ'

startYear INT

'প্রোডাক্টের শুরুর বছর'

endYear INT

'প্রোডাক্টের শেষ বছর'

বছর INT

'প্রোডাক্টের বছর'

ব্যবহারের শর্তাদি

ব্যবহারের শর্তাবলী

USDA Forest Service কোনও ওয়ারেন্টি দেয় না, তা ব্যক্ত বা উহ্য যাই হোক না কেন, যার মধ্যে কোনও নির্দিষ্ট উদ্দেশ্যে উপযোগিতা ও উপযুক্ততার ওয়ারেন্টিও অন্তর্ভুক্ত, এবং এই জিওস্পেশিয়াল ডেটার নির্ভুলতা, নির্ভরযোগ্যতা, সম্পূর্ণতা বা উপযোগিতা অথবা এই জিওস্পেশিয়াল ডেটার অনুপযুক্ত বা ভুল ব্যবহারের জন্য কোনও আইনি দায় বা দায়িত্ব গ্রহণ করে না। এই জিওস্পেশিয়াল ডেটা এবং সম্পর্কিত ম্যাপ বা গ্রাফিক্স কোনও আইনি ডকুমেন্ট নয় এবং সেইভাবে ব্যবহার করার জন্য তৈরি করা হয়নি। ডেটা এবং ম্যাপগুলি শিরোনাম, মালিকানা, আইনি বিবরণ বা সীমানা, আইনি এখতিয়ার বা সর্বজনীন বা ব্যক্তিগত জমিতে প্রযোজ্য হতে পারে এমন বিধিনিষেধ নির্ধারণ করতে ব্যবহার করা যাবে না। প্রাকৃতিক বিপদ ডেটা এবং ম্যাপে দেখানো হতে পারে বা নাও হতে পারে এবং জমি ব্যবহারকারীদের যথাযথ সতর্কতা অবলম্বন করা উচিত। ডেটা ডাইনামিক এবং সময়ের সাথে সাথে পরিবর্তিত হতে পারে। জিওস্পেশিয়াল ডেটার সীমাবদ্ধতা যাচাই করা এবং সেই অনুযায়ী ডেটা ব্যবহার করার দায়িত্ব ব্যবহারকারীর।

মার্কিন যুক্তরাষ্ট্রের সরকারের থেকে পাওয়া ফান্ড ব্যবহার করে এই ডেটা সংগ্রহ করা হয়েছে এবং অতিরিক্ত অনুমতি বা ফি ছাড়াই এটি ব্যবহার করা যাবে। আপনি যদি কোনও প্রকাশনা, প্রেজেন্টেশন বা অন্য কোনও রিসার্চ প্রোডাক্টে এই ডেটা ব্যবহার করেন, তাহলে নিম্নলিখিত উদ্ধৃতি ব্যবহার করুন:

USDA Forest Service. ২০২৩. USFS ট্রি ক্যানোপি কভার v2021.4 (কন্টারমিনাস মার্কিন যুক্তরাষ্ট্র এবং দক্ষিণ-পূর্ব আলাস্কা)। সল্ট লেক সিটি, উটাহ।

উদ্ধৃতি

উদ্ধৃতি:
  • USDA Forest Service. ২০২৩. USFS ট্রি ক্যানোপি কভার v2021.4 (কন্টারমিনাস মার্কিন যুক্তরাষ্ট্র এবং দক্ষিণ-পূর্ব আলাস্কা)। সল্ট লেক সিটি, উটাহ।

Earth Engine-এর সাহায্যে এক্সপ্লোর 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);
কোড এডিটরে খুলুন