- ডেটাসেট উপলব্ধতা
- 1985-06-01T00:00:00Z–2023-09-30T00:00:00Z
- ডেটাসেট প্রদানকারী
- ইউএসডিএ ফরেস্ট সার্ভিস (ইউএসএফএস) ফিল্ড সার্ভিস অ্যান্ড ইনোভেশন সেন্টার জিওস্প্যাশিয়াল অফিস (এফএসআইসি-জিও)
- ট্যাগ
বর্ণনা
এই পণ্যটি ট্রি ক্যানোপি কভার (টিসিসি) ডেটা স্যুটের অংশ। এতে প্রতি বছরের জন্য মডেল করা TCC, স্ট্যান্ডার্ড এরর (SE), এবং ন্যাশনাল ল্যান্ড কভার ডাটাবেসের (NLCD) TCC ডেটা অন্তর্ভুক্ত রয়েছে। ইউনাইটেড স্টেটস ডিপার্টমেন্ট অফ এগ্রিকালচার, ফরেস্ট সার্ভিস (USFS) দ্বারা উত্পাদিত TCC ডেটা মাল্টি-রেজোলিউশন ল্যান্ড ক্যারেক্টিস্টিকস (MRLC) কনসোর্টিয়ামে অন্তর্ভুক্ত করা হয়েছে যা মার্কিন যুক্তরাষ্ট্র (US) জিওলজিক্যাল সার্ভে (USGS) দ্বারা পরিচালিত ন্যাশনাল ল্যান্ড কভার ডেটাবেস (NLCD) প্রকল্পের অংশ।
বিজ্ঞান TCC পণ্য এবং NLCD TCC হল রিমোট সেন্সিং-ভিত্তিক মানচিত্র আউটপুট যা USFS দ্বারা উত্পাদিত হয়। TCC বিজ্ঞান এবং NLCD TCC-এর উদ্দেশ্য হল কনটার্মিনাস ইউনাইটেড স্টেটস (CONUS) এবং দক্ষিণ-পূর্ব আলাস্কা, হাওয়াই এবং পুয়ের্তো রিকো-ইউএস ভার্জিন দ্বীপপুঞ্জ (OCONUS) জুড়ে TCC-এর একটি "সেরা উপলব্ধ" মানচিত্র তৈরি করার জন্য সর্বশেষ প্রযুক্তি এবং TCC ম্যাপিংয়ের অগ্রগতি ব্যবহার করে একটি সামঞ্জস্যপূর্ণ পদ্ধতির বিকাশ করা। OCONUS v2023.5 ডেটা 2025 সালের গ্রীষ্মের শেষের দিকে প্রকাশিত হবে৷ আপাতত v2021.4 OCONUS TCC ডেটা ব্যবহার করা যেতে পারে (USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4)৷
মডেল আউটপুটগুলির মধ্যে 1985 থেকে 2023 সাল পর্যন্ত সায়েন্স TCC, Science SE এবং NLCD TCC অন্তর্ভুক্ত।
*সায়েন্স টিসিসি হল কাঁচা সরাসরি মডেল আউটপুট।
*সায়েন্স এসই হল সমস্ত রিগ্রেশন ট্রি থেকে ভবিষ্যদ্বাণী করা মানগুলির মডেল স্ট্যান্ডার্ড বিচ্যুতি।
*NLCD TCC পণ্যটি বার্ষিক সায়েন্স TCC ইমেজগুলিতে প্রয়োগ করা আরও পোস্ট প্রসেসিংয়ের মধ্য দিয়ে যায়, যার মধ্যে রয়েছে বেশ কয়েকটি মাস্কিং (জল এবং অ-বৃক্ষ কৃষি), সেইসাথে এমন প্রক্রিয়া যা আন্তঃবার্ষিক শব্দ কমায় এবং দীর্ঘ সময়ের প্রবণতা ফিরিয়ে আনে।
প্রতিটি ছবিতে একটি ডেটা মাস্ক ব্যান্ড রয়েছে যার তিনটি মান রয়েছে যা কোন ডেটা নেই এমন ক্ষেত্রগুলিকে প্রতিনিধিত্ব করে (0), ম্যাপ করা ট্রি ক্যানোপি কভার (1), এবং নন-প্রসেসিং এরিয়া (2)। নন-প্রসেসিং ক্ষেত্রগুলি অধ্যয়ন এলাকায় পিক্সেলগুলির মধ্যে কোনও ক্লাউড বা মেঘের ছায়া-মুক্ত ডেটা নেই৷ TCC এবং SE চিত্রগুলিতে কোনও ডেটা এবং নন-প্রসেসিং এরিয়া পিক্সেলগুলি মুখোশযুক্ত নয়৷
CONUS আকার এবং ইকোটোনের বিস্তৃত বৈচিত্র্যের কারণে, CONUS মডেলিং 54 480x480 কিমি টাইলগুলিতে বিভক্ত হয়েছিল। প্রতিটি টাইলের জন্য, 2011 লাগানো LandTrendr, 2011 CDL, এবং ভূখণ্ড ডেটা ব্যবহার করে একটি অনন্য এলোমেলো বন মডেল তৈরি করা হয়েছিল৷ সমস্ত রেফারেন্স ডেটা যা মডেল ক্রমাঙ্কনের জন্য উপলব্ধ 70% এর অংশ ছিল যা কেন্দ্রের টাইলের চারপাশে একটি 5x5 উইন্ডোর মধ্যে টাইলগুলিকে ছেদ করে র্যান্ডম ফরেস্ট মডেলকে প্রশিক্ষণ দিতে ব্যবহৃত হয়েছিল৷ সেই মডেলটি তখন কেন্দ্রের টালিতে প্রয়োগ করা হয়েছিল। OCONUS-এর জন্য, প্রতিটি অধ্যয়নের ক্ষেত্রে একটি মডেল প্রয়োগ করা হয়েছিল, এবং কোন টাইলস ব্যবহার করা হয়নি।
TCC মডেলের ভবিষ্যদ্বাণীকারী স্তরগুলির মধ্যে LandTrendr এবং ভূখণ্ডের তথ্য থেকে আউটপুট অন্তর্ভুক্ত রয়েছে। এই উপাদানগুলি সমস্ত Google আর্থ ইঞ্জিন (Gorelick et al., 2017) ব্যবহার করে অ্যাক্সেস এবং প্রক্রিয়া করা হয়৷
LandTrendr-এর জন্য বার্ষিক কম্পোজিট তৈরি করতে, USGS কালেকশন 2 Landsat Tier 1 এবং Sentinel 2A, 2B লেভেল-1C টপ অ্যাটম্যামের প্রতিফলন ডেটা ব্যবহার করা হয়েছিল। cFmask ক্লাউড মাস্কিং অ্যালগরিদম (Foga et al., 2017), যা Fmask 2.0 (Zhu and Woodcock, 2012) (শুধুমাত্র ল্যান্ডস্যাট), ক্লাউডস্কোর (Chasttain et al., 2019) (Landsat-only), এবং subent2-2012-এর বাস্তবায়ন। (শুধুমাত্র সেন্টিনেল 2) ক্লাউড মাস্ক করতে ব্যবহৃত হয়, যখন TDOM (Chastain et al., 2019) ব্যবহার করা হয় মেঘের ছায়া (ল্যান্ডস্যাট এবং সেন্টিনেল 2) মাস্ক করতে। LandTrendr-এর জন্য, বার্ষিক medoid তারপর প্রতি বছর থেকে ক্লাউড এবং ক্লাউড ছায়া-মুক্ত মানগুলিকে একটি একক কম্পোজিটে সংক্ষিপ্ত করার জন্য গণনা করা হয়।
কম্পোজিট টাইম সিরিজটি অস্থায়ীভাবে LandTrendr ব্যবহার করে বিভক্ত করা হয়েছে (কেনেডি এট আল।, 2010; কেনেডি এট আল।, 2018; কোহেন এট আল।, 2018)।
কাঁচা যৌগিক মান, LandTrendr লাগানো মান, জোড়া-ভিত্তিক পার্থক্য, সেগমেন্টের সময়কাল, পরিবর্তনের মাত্রা এবং ঢাল, পাশাপাশি 10 মিটার USGS 3D থেকে উচ্চতা, ঢাল, সাইন অফ অ্যাসপেক্ট এবং কোসাইন অফ অ্যাস্পেক্ট। এলিভেশন প্রোগ্রাম (3DEP) ডেটা (ইউএস জিওলজিক্যাল সার্ভে, 2019), একটি র্যান্ডম ফরেস্ট (ব্রেইম্যান, 2001) মডেলে স্বাধীন ভবিষ্যদ্বাণীকারী ভেরিয়েবল হিসাবে ব্যবহৃত হয়।
রেফারেন্স ডেটা USFS ফরেস্ট ইনভেন্টরি অ্যান্ড অ্যানালাইসিস (FIA) ফটো-ব্যাখ্যাকৃত TCC ডেটা থেকে সংগ্রহ করা হয় এবং পিক্সেল-ভিত্তিক ভিত্তিতে প্রাচীর-থেকে দেওয়ালে TCC পূর্বাভাস তৈরি করতে ব্যবহৃত হয়।
অতিরিক্ত সম্পদ
পদ্ধতি এবং নির্ভুলতা মূল্যায়ন সম্পর্কিত আরও বিশদ তথ্যের জন্য অনুগ্রহ করে TCC পদ্ধতির সংক্ষিপ্ত বিবরণ দেখুন, বা ডেটা ডাউনলোড, মেটাডেটা এবং সমর্থন নথিগুলির জন্য TCC জিওডাটা ক্লিয়ারিংহাউস ।
AK, PRUSVI, এবং HI ডেটা 2025 সালের গ্রীষ্মের শেষের দিকে প্রকাশিত হবে৷ পূর্বে প্রকাশিত v2021.4 AK, PRUSVI, এবং HI TCC ডেটা উপলব্ধ রয়েছে (USGS/NLCD_RELEASES/2021_REL/TCC/v2021-4)
কোনো প্রশ্ন বা নির্দিষ্ট ডেটা অনুরোধের জন্য sm.fs.tcc@usda.gov-এ যোগাযোগ করুন।
ব্যান্ড
পিক্সেল সাইজ
30 মিটার
ব্যান্ড
| নাম | ইউনিট | পিক্সেল সাইজ | বর্ণনা | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Science_Percent_Tree_Canopy_Cover | % | মিটার | কাঁচা সরাসরি মডেল আউটপুট. প্রতিটি পিক্সেল প্রতি বছরের জন্য একটি গড় ভবিষ্যদ্বাণী করা ট্রি ক্যানোপি কভার মান আছে। | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Science_Percent_Tree_Canopy_Cover_Standard_Error | % | মিটার | সমস্ত রিগ্রেশন ট্রি থেকে ভবিষ্যদ্বাণী করা মানগুলির আদর্শ বিচ্যুতিকে আমরা স্ট্যান্ডার্ড ত্রুটি হিসাবে উল্লেখ করি। প্রতিটি পিক্সেল প্রতি বছরের জন্য একটি আদর্শ ত্রুটি আছে. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
NLCD_Percent_Tree_Canopy_Cover | % | মিটার | এনএলসিডি ট্রি ক্যানোপি কভার তৈরি করতে, একটি পোস্ট-প্রসেসিং ওয়ার্কফ্লো সরাসরি মডেল আউটপুটে প্রয়োগ করা হয় যা শূন্য শতাংশ ট্রি ক্যানোপি কভারে নন-ট্রিড পিক্সেল মান সনাক্ত করে এবং সেট করে। | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
data_mask | মিটার | তিনটি মান যে ডেটা নেই এমন এলাকা, ম্যাপ করা ট্রি ক্যানোপি কভার এবং অ-প্রসেসিং এলাকা। নন-প্রসেসিং এলাকা হল যেখানে অধ্যয়ন এলাকার মধ্যে পিক্সেলগুলিতে আউটপুট তৈরি করার জন্য কোনও ক্লাউড বা ক্লাউড ছায়া-মুক্ত ডেটা উপলব্ধ নেই। | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
ইমেজ বৈশিষ্ট্য
ইমেজ বৈশিষ্ট্য
| নাম | টাইপ | বর্ণনা |
|---|---|---|
| অধ্যয়ন_ক্ষেত্র | STRING | TCC বর্তমানে CONUS, দক্ষিণ-পূর্ব আলাস্কা, পুয়ের্তো রিকো-ইউএস ভার্জিন দ্বীপপুঞ্জ এবং হাওয়াই কভার করে। এই সংস্করণে CONUS রয়েছে। SEAK, PRUSVI, এবং HI-এর ডেটা 2025 সালের গ্রীষ্মের শেষের দিকে প্রকাশিত হবে। সম্ভাব্য মান: 'CONUS' |
| সংস্করণ | STRING | এটি এমআরএলসি কনসোর্টিয়ামে প্রকাশিত টিসিসি পণ্যের পঞ্চম সংস্করণ যা ন্যাশনাল ল্যান্ড কভার ডাটাবেসের (এনএলসিডি) অংশ' |
| শুরুর বছর | আইএনটি | 'পণ্যের শুরুর বছর' |
| শেষ বছর | আইএনটি | 'পণ্যের শেষ বছর' |
| বছর | আইএনটি | 'পণ্যের বছর' |
ব্যবহারের শর্তাবলী
ব্যবহারের শর্তাবলী
USDA ফরেস্ট সার্ভিস কোনো ওয়ারেন্টি দেয় না, প্রকাশ বা উহ্য করে, যার মধ্যে কোনো নির্দিষ্ট উদ্দেশ্যের জন্য ব্যবসায়িকতা এবং ফিটনেসের ওয়ারেন্টি সহ, বা এই ভূ-স্থানিক ডেটার নির্ভুলতা, নির্ভরযোগ্যতা, সম্পূর্ণতা বা উপযোগিতার জন্য বা এই ভূ-স্থানিক ডেটার অনুপযুক্ত বা ভুল ব্যবহারের জন্য কোনো আইনি দায় বা দায়িত্ব গ্রহণ করে না। এই ভূ-স্থানিক ডেটা এবং সম্পর্কিত মানচিত্র বা গ্রাফিক্স আইনী নথি নয় এবং এগুলি ব্যবহার করার উদ্দেশ্যে নয়। উপাত্ত এবং মানচিত্র শিরোনাম, মালিকানা, আইনি বিবরণ বা সীমানা, আইনি এখতিয়ার, বা সরকারী বা ব্যক্তিগত জমিতে যে বিধিনিষেধ রয়েছে তা নির্ধারণ করতে ব্যবহার করা যাবে না। প্রাকৃতিক বিপদগুলি ডেটা এবং মানচিত্রে চিত্রিত হতে পারে বা নাও হতে পারে এবং ভূমি ব্যবহারকারীদের যথাযথ সতর্কতা অবলম্বন করা উচিত। ডেটা গতিশীল এবং সময়ের সাথে পরিবর্তিত হতে পারে। ভূ-স্থানিক ডেটার সীমাবদ্ধতা যাচাই করার এবং সেই অনুযায়ী ডেটা ব্যবহার করার দায়িত্ব ব্যবহারকারীর।
এই তথ্যগুলি মার্কিন সরকারের কাছ থেকে তহবিল ব্যবহার করে সংগ্রহ করা হয়েছিল এবং অতিরিক্ত অনুমতি বা ফি ছাড়াই ব্যবহার করা যেতে পারে। আপনি যদি এই ডেটাগুলি কোনও প্রকাশনা, উপস্থাপনা বা অন্যান্য গবেষণা পণ্যে ব্যবহার করেন তবে অনুগ্রহ করে নিম্নলিখিত উদ্ধৃতিটি ব্যবহার করুন:
ইউএসডিএ বন পরিষেবা। 2025. USFS Tree Canopy Cover v2023.5 (Conterminous United States and Outer Conterminous United States)। সল্ট লেক সিটি, উটাহ।
উদ্ধৃতি
ইউএসডিএ বন পরিষেবা। 2025. USFS Tree Canopy Cover v2023.5 (Conterminous United States and Outer Conterminous United States)। সল্ট লেক সিটি, উটাহ।
ব্রেইম্যান, এল., 2001. এলোমেলো বন। মেশিন লার্নিং এ। স্প্রিংগার, 45: 5-32 doi:10.1023/A:1010933404324
Chastain, R., Housman, I., Goldstein, J., Finco, M., and Tenneson, K., 2019. সেন্টিনেল-2A এবং 2B MSI, Landsat-8 OLI, এবং Landsat-7 ETM-এর বায়ুমণ্ডলের বর্ণালী বৈশিষ্ট্যের উপর পরীক্ষামূলক ক্রস সেন্সর তুলনা মার্কিন যুক্তরাষ্ট্রের উপরে। রিমোট সেন্সিং অফ এনভায়রনমেন্টে। সায়েন্স ডাইরেক্ট, 221: 274-285 doi:10.1016/j.rse.2018.11.012
Cohen, WB, Yang, Z., Healey, SP, Kennedy, RE, এবং Gorelick, N., 2018. বনের বিশৃঙ্খলা সনাক্তকরণের জন্য একটি LandTrendr মাল্টিস্পেকট্রাল ensemble। রিমোট সেন্সিং অফ এনভায়রনমেন্টে। সায়েন্স ডাইরেক্ট, 205: 131-140 doi:10.1016/j.rse.2017.11.015
Foga, S., Scaramuzza, PL, Guo, S., Zhu, Z., Dilley, RD, Beckmann, T., Schmidt, GL, Dwyer, JL, Hughes, MJ, Laue, B., 2017. ক্লাউড সনাক্তকরণ অ্যালগরিদম তুলনা এবং অপারেশনাল ল্যান্ডস্যাট পণ্যগুলির জন্য বৈধতা। রিমোট সেন্সিং অফ এনভায়রনমেন্টে। সায়েন্স ডাইরেক্ট, 194: 379-390 doi:10.1016/j.rse.2017.03.026
ইউএস জিওলজিক্যাল সার্ভে, 2019। USGS 3D এলিভেশন প্রোগ্রাম ডিজিটাল এলিভেশন মডেল, আগস্ট 2022 এ https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m এ অ্যাক্সেস করা হয়েছে
Kennedy, RE, Yang, Z., এবং Cohen, WB, 2010. বার্ষিক ল্যান্ডস্যাট টাইম সিরিজ ব্যবহার করে বনের ঝামেলা এবং পুনরুদ্ধারের প্রবণতা সনাক্ত করা: 1. LandTrendr - টেম্পোরাল সেগমেন্টেশন অ্যালগরিদম। রিমোট সেন্সিং অফ এনভায়রনমেন্টে। *সায়েন্স ডাইরেক্ট, 114(12): 2897-2910 doi:10.1016/j.rse.2010.07.008
Kennedy, R., Yang, Z., Gorelick, N., Braaten, J., Cavalcante, L., Cohen, W., and Healey, S., 2018. Google Earth ইঞ্জিনে LandTrendr অ্যালগরিদমের বাস্তবায়ন। রিমোট সেন্সিং-এ। MDPI, 10(5): 691 doi:10.3390/rs10050691
সেন্টিনেল-হাব, 2021। সেন্টিনেল 2 ক্লাউড ডিটেক্টর। [অনলাইন]। এখানে উপলব্ধ: https://github.com/sentinel-hub/sentinel2-cloud-detector
Zhu, Z., এবং Woodcock, CE, 2012. অবজেক্ট-ভিত্তিক ক্লাউড এবং ক্লাউড শ্যাডো সনাক্তকরণ ল্যান্ডস্যাট ইমেজরিতে। রিমোট সেন্সিং অফ এনভায়রনমেন্টে। সায়েন্স ডাইরেক্ট, 118: 83-94 doi:10.1016/j.rse.2011.10.028
DOIs
আর্থ ইঞ্জিন দিয়ে অন্বেষণ করুন
কোড এডিটর (জাভাস্ক্রিপ্ট)
// Import the tree canopy cover collection var dataset = ee.ImageCollection('USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5'); //Filter collection to 2021 and CONUS study area var tcc = dataset.filter(ee.Filter.calendarRange(2023, 2023,'year')) // range: [1985, 2023] .filter('study_area == "CONUS"') .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);