USFS Tree Canopy Cover v2025-6 (CONUS and OCONUS)

projects/gtac-data-publish/assets/TCC/Product_Version/2025-6
তথ্য

এই ডেটাসেটটি একটি পাবলিশার ক্যাটালগের অংশ এবং এটি গুগল আর্থ ইঞ্জিন দ্বারা পরিচালিত নয়। কোনো ত্রুটির জন্য ইউএসডিএ ফরেস্ট সার্ভিসের সাথে যোগাযোগ করুন অথবা ইউএসডিএ ফরেস্ট সার্ভিস ক্যাটালগ থেকে আরও ডেটাসেট দেখুন । পাবলিশার ডেটাসেট সম্পর্কে আরও জানুন ।

ক্যাটালগ মালিক
ইউএসডিএ বন পরিষেবা
ডেটাসেটের প্রাপ্যতা
1985-06-01T00:00:00Z–2025-12-31T00:00:00Z
ডেটাসেট প্রযোজক
আর্থ ইঞ্জিন স্নিপেট
ee.ImageCollection("projects/gtac-data-publish/assets/TCC/Product_Version/2025-6")
ট্যাগ
forest fsic-go gtac gtac-data-publish landuse-landcover publisher-dataset redcastle-resources tree-cover usda usfs usgs

বর্ণনা

মার্কিন যুক্তরাষ্ট্রের কৃষি বিভাগ, বন পরিষেবা (USFS) দ্বারা উৎপাদিত ট্রি ক্যানোপি কভার (TCC) ডেটা স্যুট হলো ১৯৮৫ থেকে ২০২৫ সাল পর্যন্ত বিস্তৃত বার্ষিক রিমোট সেন্সিং-ভিত্তিক মানচিত্র। এই ডেটা ন্যাশনাল ল্যান্ড কভার ডেটাবেস (NLCD) প্রকল্পকে সমর্থন করে, যা মাল্টি-রেজোলিউশন ল্যান্ড ক্যারেক্টারিস্টিকস (MRLC) কনসোর্টিয়ামের অংশ হিসেবে ইউএস জিওলজিক্যাল সার্ভে (USGS) দ্বারা পরিচালিত হয়। এই প্রকল্পের লক্ষ্য হলো সর্বাধুনিক প্রযুক্তি ব্যবহার করে বৃক্ষ আচ্ছাদনের একটি সামঞ্জস্যপূর্ণ, "সর্বোত্তম উপলব্ধ" মানচিত্র তৈরি করা। এর কার্যপদ্ধতি Heyer et al. (2025)-এ বিস্তারিতভাবে বর্ণনা করা হয়েছে। এর ভৌগোলিক পরিধির মধ্যে রয়েছে কনটেরমিনাস ইউনাইটেড স্টেটস (CONUS) এবং OCONUS অঞ্চলসমূহ (সাউথইস্ট আলাস্কা (SEAK), হাওয়াই (HI), পুয়ের্তো রিকো এবং ইউএস ভার্জিন আইল্যান্ডস (PRUSVI))। PRUSVI এবং HI v2025-6 ডেটা ২০২৬ সালের গ্রীষ্মের শেষের দিকে প্রকাশ করা হবে।

পণ্য

টিসিসি ডেটা স্যুটে তিনটি পণ্য অন্তর্ভুক্ত রয়েছে:

  • সায়েন্স টিসিসি: মডেল থেকে প্রাপ্ত কাঁচা ও সরাসরি আউটপুট।

  • বৈজ্ঞানিক স্ট্যান্ডার্ড এরর (SE): সমস্ত রিগ্রেশন ট্রি থেকে প্রাপ্ত পূর্বাভাসিত মানগুলোর মডেল স্ট্যান্ডার্ড ডেভিয়েশন।

  • এনএলসিডি টিসিসি: বার্ষিক সায়েন্স টিসিসি চিত্র থেকে প্রাপ্ত একটি পরিমার্জিত পণ্য। আন্তঃবার্ষিক নয়েজ কমাতে, দীর্ঘমেয়াদী প্রবণতা তুলে ধরতে এবং নির্দিষ্ট বৈশিষ্ট্য (যেমন জলাশয় এবং বৃক্ষ-বহির্ভূত কৃষি) আড়াল করার জন্য এটি পোস্ট-প্রসেসিংয়ের মধ্য দিয়ে যায়।

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 পিক্সেলগুলি যেখানে কোনও মেঘ নেই বা মেঘের ছায়ামুক্ত ডেটা রয়েছে। TCC এবং SE ছবিগুলিতে ডেটাবিহীন এবং প্রক্রিয়াকরণ-বহির্ভূত এলাকার পিক্সেলগুলিকে মাস্ক করা হয়।

তথ্য ও পদ্ধতি

আমরা ইউএসএফএস ফরেস্ট ইনভেন্টরি অ্যান্ড অ্যানালাইসিস (এফআইএ) থেকে প্রাপ্ত ফটো-ইন্টারপ্রিটেড টিসিসি-কে রেফারেন্স ডেটা হিসেবে ব্যবহার করে কনাস, সাউথইস্ট আলাস্কা, প্রুশিয়া এবং হাওয়াই দ্বীপপুঞ্জের জন্য ট্রেনিং ডেটা এবং র‍্যান্ডম ফরেস্ট মডেল তৈরি করেছি। ল্যান্ডট্রেন্ডার এবং টেরেইন প্রেডিক্টরগুলো প্রসেস করার জন্য আমরা গুগল আর্থ ইঞ্জিন (জিইই) (গোরলিক এট আল., ২০১৭) ব্যবহার করেছি। থ্রিডি এলিভেশন প্রোগ্রাম (থ্রিডিইপি) (ইউএস জিওলজিক্যাল সার্ভে, ২০১৯) থেকে প্রাপ্ত টেরেইন ডেটার মধ্যে রয়েছে উচ্চতা, ঢাল, অ্যাস্পেক্টের সাইন এবং অ্যাস্পেক্টের কোসাইন। কনাসের জন্য, আমরা প্রেডিক্টর হিসেবে ক্রপ ডেটা লেয়ার (সিডিএল)-কেও অন্তর্ভুক্ত করেছি (লিন এট আল., ২০২২)।

বার্ষিক মেডয়েড কম্পোজিট তৈরি করার জন্য আমরা ইউএসজিএস কালেকশন ২ ল্যান্ডস্যাট টিয়ার ১ এবং সেন্টিনেল ২এ/২বি লেভেল-১সি টপ অফ অ্যাটমোস্ফিয়ার রিফ্লেক্টেন্স ইমেজেরি ব্যবহার করেছি। ডেটার গুণমান নিশ্চিত করার জন্য, আমরা মেঘ এবং ছায়া মাস্ক করতে বিভিন্ন অ্যালগরিদম প্রয়োগ করেছি, যার মধ্যে রয়েছে cFmask (Foga et al., 2017; Zhu and Woodcock, 2012), cloudScore (Chastain et al., 2019), s2cloudless (Sentinel-Hub, 2021), Cloud Score+ (Pasquarella et al., 2023), এবং TDOM (Chastain et al., 2019)। মাস্ক করার পর, আমরা প্রতিটি বছরের জন্য একটি একক মেঘমুক্ত কম্পোজিট তৈরি করতে বার্ষিক মেডয়েড গণনা করেছি। অবশেষে, কম্পোজিট টাইম সিরিজটিকে LandTrendr (Kennedy et al., 2010, 2018; Cohen et al., 2018) ব্যবহার করে টেম্পোরালি সেগমেন্ট করা হয়েছিল।

CONUS-এর জন্য, আমরা ক্যালিব্রেশনের জন্য ৭০% রেফারেন্স ডেটা এবং স্বাধীন ত্রুটি মূল্যায়নের জন্য ৩০% ব্যবহার করেছি। CONUS-এর বাস্তুতান্ত্রিক বৈচিত্র্যের কথা মাথায় রেখে, আমরা মডেলিং এলাকাটিকে ৫৪টি টাইলে (৪৮০ কিমি × ৪৮০ কিমি) ভাগ করেছি। স্থানীয় কম্পিউটারে, আমরা প্রতিটি টাইলের জন্য একটি স্বতন্ত্র র‍্যান্ডম ফরেস্ট মডেল তৈরি করেছি (Breiman, 2001), এবং এটিকে কেন্দ্রীয় টাইলের চারপাশে একটি ৫×৫ উইন্ডোতে ছেদকারী রেফারেন্স ডেটার উপর প্রশিক্ষণ দিয়েছি। এরপর মডেলগুলোকে GEE-তে স্থাপন করা হয়েছিল ওয়াল-টু-ওয়াল TCC পূর্বাভাস দেওয়ার জন্য। OCONUS অঞ্চলগুলোর জন্য, আমরা একটি ৮০/২০ বিভাজন ব্যবহার করেছি এবং প্রতিটি অঞ্চলের জন্য একটি একক র‍্যান্ডম ফরেস্ট মডেল তৈরি করেছি।

সম্পূর্ণ TCC কার্যপ্রণালীর জন্য, Heyer et al. (2025) দেখুন।

অতিরিক্ত সম্পদ

যেকোনো প্রশ্ন বা নির্দিষ্ট তথ্যের অনুরোধের জন্য SM.FS.TCC@usda.gov- এ যোগাযোগ করুন।

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।

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 আইল্যান্ডস এবং হাওয়াইকে অন্তর্ভুক্ত করে। এই সংস্করণে CONUS, AK, PRUSVI, এবং HI-এর ডেটা রয়েছে। সম্ভাব্য মান: 'CONUS', 'AK', 'PRUSVI', 'HI'

সংস্করণ স্ট্রিং

এটি এমআরএলসি কনসোর্টিয়ামে প্রকাশিত টিসিসি পণ্যের পঞ্চম 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। ২০২৫। ইউএসএফএস বৃক্ষ আচ্ছাদন সংস্করণ ২০২৫.৬ (সংলগ্ন মার্কিন যুক্তরাষ্ট্র এবং বহিঃসংলগ্ন মার্কিন যুক্তরাষ্ট্র)। সল্ট লেক সিটি, ইউটা।

উদ্ধৃতি

উদ্ধৃতি:

  • ইউএসডিএ ফরেস্ট সার্ভিস। ২০২৫। ইউএসএফএস বৃক্ষ আচ্ছাদন সংস্করণ ২০২৫.৬ (সংলগ্ন মার্কিন যুক্তরাষ্ট্র এবং বহিঃসংলগ্ন মার্কিন যুক্তরাষ্ট্র)। সল্ট লেক সিটি, ইউটা।

  • 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 ডিওআই:১০.১০১৬/জে.আরএসই.২০১৭.১১.০১৫

  • 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

  • হেয়ার, জে., শ্লিভাইস, কে., রুফেনাক্ট, বি., হাউসম্যান, আই., ঝিকিয়াং, ওয়াই., রাইয়ারসন, ডি., রাইশম্যান, জে., মেগাউন, কে., এবং বোগল, এম.এস. (২০২৫)। বার্ষিক জাতীয় বৃক্ষ আচ্ছাদন মানচিত্রায়ন: কালিক স্থানান্তরযোগ্যতা এবং উন্নত অনিশ্চয়তা পরিমাণ নির্ধারণ সহ একটি অভিনব কর্মপ্রবাহ। সায়েন্স অফ রিমোট সেন্সিং, ১০০৩০১। doi:10.1016/j.srs.2025.100301

  • 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, 114(12): 2897-2910 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

  • লিন, এল.; ডি, এল.; ঝাং, সি.; গুও, এল.; ডি, ওয়াই.; লি, এইচ.; ইয়াং, এ. ২০২২. একটি স্থানিক-সাময়িক ডিসিশন ট্রি অ্যালগরিদম ব্যবহার করে শস্যভূমি ডেটা লেয়ারের বৈধতা এবং পরিমার্জন। সায়েন্টিফিক ডেটা। 9(1): 63. doi:10.1038/s41597-022-01169-w

  • পাসকোয়ারেলা, ভিজে, ব্রাউন, সিএফ, জারউইনস্কি, ডব্লিউ, এবং রাকলিজ, ডব্লিউজে, ২০২৩। উইকলি সুপারভাইজড ভিডিও লার্নিং ব্যবহার করে অপটিক্যাল স্যাটেলাইট চিত্রের ব্যাপক গুণমান মূল্যায়ন। আইইইই/সিভিএফ কম্পিউটার ভিশন অ্যান্ড প্যাটার্ন রিকগনিশন সম্মেলনের কার্যবিবরণীতে। ২১২৪-২১৩৪। ডিওআই:১০.১১০৯/সিভিপিআরডব্লিউ৫৯২২৮.২০২৩.০০২০৬

  • সেন্টিনেল-হাব, ২০২১। সেন্টিনেল ২ ক্লাউড ডিটেক্টর। [অনলাইন]। এখানে উপলব্ধ: https://github.com/sentinel-hub/sentinel2-cloud-detector

  • 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।

  • 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

DOI

আর্থ ইঞ্জিন দিয়ে অন্বেষণ করুন

কোড এডিটর (জাভাস্ক্রিপ্ট) 

// Import the tree canopy cover collection
var dataset = ee.ImageCollection('projects/gtac-data-publish/assets/TCC/Product_Version/2025-6');

//Filter collection to year 2024 and study areas specified in list 
var tcc = dataset.filter(ee.Filter.calendarRange(2024, 2024,'year'))  // range: [1985, 2025]
               .filter(ee.Filter.inList('study_area', ['AK', 'CONUS'])) // CONUS, AK, 
               .mosaic();

// 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
মার্কিন যুক্তরাষ্ট্রের কৃষি বিভাগ, বন পরিষেবা (USFS) দ্বারা উৎপাদিত বৃক্ষ আচ্ছাদন (TCC) ডেটা স্যুট হলো ১৯৮৫ থেকে ২০২৫ সাল পর্যন্ত বিস্তৃত বার্ষিক রিমোট সেন্সিং-ভিত্তিক মানচিত্র। এই ডেটা জাতীয় ভূমি আচ্ছাদন ডেটাবেস (NLCD) প্রকল্পকে সমর্থন করে, যা মার্কিন ভূতাত্ত্বিক জরিপ (USGS) দ্বারা পরিচালিত হয়…
প্রকল্প/জিটিএসি-ডেটা-প্রকাশ/সম্পদ/টিসিসি/পণ্য_সংস্করণ/২০২৫-৬, বন, এফএসআইসি-গো, জিটিএসি, জিটিএসি-ডেটা-প্রকাশ, ভূমি ব্যবহার-ভূমি আচ্ছাদন, প্রকাশক-ডেটা সেট, রেডক্যাসেল-রিসোর্সেস, বৃক্ষ-আচ্ছাদন, ইউএসডিএ, ইউএসএফএস, ইউএসজিএস
1985-06-01T00:00:00Z/2025-12-31T00:00:00Z
২০.৩৮৩৭৯ -১৩৫.২৮৬৩৮৭ ৫২.৪৫৯৩৬৪ -৫৬.৪৪৬৩০৬
গুগল আর্থ ইঞ্জিন