এই ডেটাসেটটি একটি পাবলিশার ক্যাটালগের অংশ এবং এটি গুগল আর্থ ইঞ্জিন দ্বারা পরিচালিত নয়। কোনো ত্রুটির জন্য biosphere-models@google.com-এ যোগাযোগ করুন অথবা নেচার ট্রেস ক্যাটালগ থেকে আরও ডেটাসেট দেখুন । পাবলিশার ডেটাসেট সম্পর্কে আরও জানুন ।
- ক্যাটালগ মালিক
- প্রকৃতির চিহ্ন
- ডেটাসেটের প্রাপ্যতা
- 2020-01-01T00:00:00Z–2020-12-31T23:59:59Z
- ডেটাসেট প্রযোজক
- গুগল
- ট্যাগ
বর্ণনা
ফরেস্ট টাইপোলজি (ForTy) v1 ডেটাসেটটিতে ২০২০ সালের জন্য ৬৫° দক্ষিণ এবং ৮৪° উত্তর অক্ষাংশের মধ্যবর্তী সমস্ত স্থলভাগকে অন্তর্ভুক্ত করে ১০ মিটার রেজোলিউশনের একটি বৈশ্বিক শ্রেণি-ভিত্তিক সম্ভাব্যতা মানচিত্র রয়েছে।
ছয়-শ্রেণির এই শ্রেণিবিন্যাসটি এফএও (FAO) এবং ইউরোপীয় ইউনিয়নের বন উজাড় নিয়ন্ত্রণ বিধিমালা (EUDR)-এর সংজ্ঞার সাথে সামঞ্জস্যপূর্ণ:
- শ্রেণী ১ – আদিম বন: স্থানীয় প্রজাতি দ্বারা গঠিত প্রাকৃতিক বন যেখানে মানুষের সৃষ্ট ব্যাঘাতের কোনো দৃশ্যমান চিহ্ন নেই।
- শ্রেণী ২ – স্বাভাবিকভাবে পুনরুজ্জীবিত বন: যে বন প্রধানত প্রাকৃতিক পুনরুজ্জীবনের মাধ্যমে প্রতিষ্ঠিত হয়, তার মধ্যে অন্তর্ভুক্ত রয়েছে বিপর্যয় থেকে পুনরুদ্ধাররত দ্বিতীয় স্তরের বন এবং মিশ্র বন যেখানে প্রাকৃতিক পুনরুজ্জীবনই প্রধান।
- শ্রেণী ৩ – রোপিত বন: প্রধানত রোপণ বা বীজ বপনের মাধ্যমে প্রতিষ্ঠিত বন, যার কার্যকর আবর্তনকাল ৪০ বছরের বেশি।
- শ্রেণী ৪ – বৃক্ষরোপণ বন: নিবিড়ভাবে পরিচালিত বন, যার বৈশিষ্ট্য হলো এক বা দুটি প্রজাতি, সমবয়সী গাছ, নিয়মিত ব্যবধান এবং ৪০ বছর বা তার কম সময়ের আবর্তনকাল।
- শ্রেণী ৫ – বৃক্ষজাতীয় ফসল ও কৃষি-বনায়ন: কাঠ ব্যতীত অন্য পণ্য উৎপাদনকারী কৃষি বাগান (যেমন, পাম তেল, রাবার, ফলের বাগান), যার মধ্যে কৃষি-বনায়ন পদ্ধতিও অন্তর্ভুক্ত। EUDR-এর অধীনে কৃষি ভূমি ব্যবহার হিসাবে শ্রেণীবদ্ধ।
- শ্রেণী ৬ – অন্যান্য ভূমি: বৃক্ষ ব্যতীত সকল ভূমি ব্যবহার, বিক্ষিপ্ত কাষ্ঠল উদ্ভিদ (বৃক্ষছত্র < ১০%), অন্যান্য বৃক্ষবেষ্টিত ভূমি, শহুরে পরিবেশের বৃক্ষ এবং ছোট ছোট বৃক্ষখণ্ড যা বনের মানদণ্ড পূরণ করে না।
প্রাথমিক ডেটা রেকর্ডটি একটি পাঁচ-ব্যান্ডের র্যাস্টার, যাতে পাঁচটি বন শ্রেণীর প্রতিটির জন্য কোয়ান্টাইজড সম্ভাব্যতা মান উপস্থাপনকারী অচিহ্নিত ৮-বিট পূর্ণসংখ্যা (০-২৫০) রয়েছে। ষষ্ঠ শ্রেণীর (অন্যান্য ভূমি) সম্ভাব্যতা এর পরিপূরক হিসাবে পাওয়া যায়: p_other = 250 − sum(p_i)। মানচিত্রটি ইউনিভার্সাল ট্রান্সভার্স মারকেটর (UTM) স্থানাঙ্ক ব্যবস্থা ব্যবহার করে।
ষষ্ঠ, "অন্যান্য ভূমি" শ্রেণীর সম্ভাব্যতা স্কোর পেতে, আপনাকে প্রথম পাঁচটি সম্ভাবনার যোগফল ২৫০ থেকে বিয়োগ করতে হবে। প্রতিটি পিক্সেলকে সর্বোচ্চ সম্ভাব্যতা (argmax) যুক্ত শ্রেণীতে বরাদ্দ করার মাধ্যমে একটি ক্যাটেগরিক্যাল ম্যাপ তৈরি করা যেতে পারে। এই সম্ভাব্যতা উপস্থাপনা ব্যবহারকারীদের কাস্টম থ্রেশহোল্ড প্রয়োগ করতে, পূর্বাভাসের নির্ভরযোগ্যতা মূল্যায়ন করতে এবং পরবর্তী অ্যাপ্লিকেশনগুলির জন্য অনিশ্চয়তার অনুমান গণনা করতে সক্ষম করে।
উৎস ডেটা ক্লাউড অপটিমাইজড জিওটিফ (COG) হিসেবে gs://nature-trace/export_rasters/forest_typology_2020_v1_0/ -এ গুগল ক্লাউড স্টোরেজে সংরক্ষিত আছে। আর্থ ইঞ্জিন ইমেজ কালেকশনটি এই COG-গুলোর দ্বারা সমর্থিত।
সীমাবদ্ধতা: যদিও এই মানচিত্রটি একটি মূল্যবান বৈশ্বিক ভিত্তি প্রদান করে, ব্যবহারকারীদের কয়েকটি সীমাবদ্ধতা সম্পর্কে সচেতন থাকা উচিত:
- কালানুক্রমিক নির্দেশক তারিখ: মানচিত্রটি বহু-সাময়িক স্যাটেলাইট কম্পোজিটের উপর ভিত্তি করে ২০২০ সালের ভূমি আচ্ছাদনের অবস্থা তুলে ধরে। কম্পোজিটিং সময়কালের মধ্যে সংঘটিত দ্রুত ভূমি-ব্যবহারের পরিবর্তন সম্পূর্ণরূপে এতে প্রতিফলিত নাও হতে পারে।
- সংজ্ঞাগত অস্পষ্টতা: EUDR শ্রেণিবিন্যাসের ভিত্তি হিসেবে ব্যবহৃত FAO-ভিত্তিক সংজ্ঞাগুলো ব্যবস্থাপনার উদ্দেশ্য এবং ইতিহাসের উপর নির্ভর করে, যা স্যাটেলাইট চিত্র থেকে সরাসরি পর্যবেক্ষণযোগ্য নয়। মডেলটি প্রক্সি সূচক (বর্ণালীগত বৈশিষ্ট্য, ক্যানোপির গঠন, স্থানিক বিন্যাস) থেকে এই শ্রেণিগুলো অনুমান করে, যা শ্রেণির সীমানায় অপরিবর্তনীয় অনিশ্চয়তা তৈরি করে। উদাহরণস্বরূপ, পরিণত ও প্রাকৃতিকভাবে পুনরুজ্জীবিত (সেকেন্ডারি) বন বর্ণালীগতভাবে এবং গঠনগতভাবে অক্ষত প্রাইমারি বন থেকে আলাদা করা কঠিন হতে পারে।
- কৃষি-বনায়নের অস্পষ্টতা: মিশ্র কৃষি-বনায়ন ব্যবস্থা—যেখানে কোকো বা কফির মতো বৃক্ষজাতীয় ফসল দেশীয় উদ্ভিদের আচ্ছাদনের নিচে জন্মায়—সেগুলো শ্রেণীবিভাগের জন্য সবচেয়ে কঠিনগুলোর মধ্যে অন্যতম। কিছু অঞ্চলে ছায়াযুক্ত কোকো ও কফি কৃষি-বনকে এখনও ভুলবশত প্রাকৃতিক বন হিসেবে শ্রেণীবদ্ধ করা হতে পারে।
- রোপিত বনের বিভ্রান্তি: সমস্ত বন শ্রেণীর মধ্যে রোপিত বনের শ্রেণিবিন্যাস নির্ভুলতা সর্বনিম্ন (F1 = ৫৮.২%)। এই শ্রেণীটি একদিকে প্রাকৃতিকভাবে পুনরুজ্জীবিত বন এবং অন্যদিকে রোপিত বনের সাথে বর্ণালীগত ও কাঠামোগতভাবে সাদৃশ্যপূর্ণ হতে পারে, যার ফলে উভয় দিকেই ঘন ঘন ভুল শ্রেণিবিন্যাস ঘটে।
- ক্ষুদ্র খণ্ডাংশ এবং প্রান্তিক বৃক্ষ আচ্ছাদন: এফএও বনভূমির প্রান্তিক সীমা (০.৫ হেক্টর)-এর কাছাকাছি বিচ্ছিন্ন বৃক্ষখণ্ড এবং বৃক্ষ আচ্ছাদনের সীমানায় (১০%) অবস্থিত এলাকাগুলো স্বভাবতই দ্ব্যর্থক।
- সম্ভাব্যতা ক্রমাঙ্কন: প্রতি-শ্রেণী সম্ভাব্যতাগুলো হলো এনসেম্বল-গড় সফটম্যাক্স আউটপুট এবং এগুলোকে পরবর্তীকালে ক্রমাঙ্কন করা হয়নি। পরিমাণগত ঝুঁকি মূল্যায়নের জন্য সু-ক্রমাঙ্কিত সম্ভাব্যতা প্রয়োজন এমন ব্যবহারকারীদের স্বাধীন রেফারেন্স ডেটা ব্যবহার করে আঞ্চলিক পুনঃক্রমাঙ্কন বিবেচনা করা উচিত।
- দাবানল: দাবানলের পর ভূমির ব্যবহার সবসময় নির্ধারণ করা সম্ভব হয় না।
- রক্ষণশীল প্রাথমিক বন ম্যাপিং: মানব অবকাঠামোর কাছাকাছি প্রাথমিক বন শ্রেণীর সীমানা রক্ষণশীল হয়। প্রশিক্ষণ ডেটা থেকে প্রাপ্ত একটি স্থানিক বাফারিং প্রভাবের কারণে, মডেলটি পদ্ধতিগতভাবে রাস্তা, বসতি বা কৃষিক্ষেত্রের কাছাকাছি বনের প্রান্তগুলিকে প্রাথমিক বন শ্রেণী থেকে বাদ দেয় এবং প্রায়শই সেগুলিকে প্রাকৃতিকভাবে পুনরুজ্জীবিত বন হিসাবে চিহ্নিত করে।
- সাময়িকভাবে বৃক্ষশূন্য এলাকা: এফএও (FAO)-এর সংজ্ঞা অনুসারে, সাময়িকভাবে বৃক্ষশূন্য এলাকা (যেমন সম্প্রতি কাটা বৃক্ষরোপণের অপেক্ষায় থাকা বাগান অথবা প্রাকৃতিক দুর্যোগ পরবর্তী পুনরুদ্ধারের প্রাথমিক পর্যায়ে থাকা বন) এখনও বন হিসেবেই বিবেচিত হয়। তবে, যেহেতু এই মানচিত্রটি মাত্র এক বছরের (২০২০) পর্যবেক্ষণের উপর ভিত্তি করে তৈরি, তাই এই এলাকাগুলোকে অ-বন হিসেবে দেখানো হতে পারে এবং ভুলবশত "অন্যান্য ভূমি" হিসেবে শ্রেণীবদ্ধ হতে পারে।
- রোপিত বনাম বৃক্ষরোপণ প্রক্সি: রোপিত এবং বৃক্ষরোপণ বনের মধ্যে পার্থক্য নির্ণয়ে একটি কার্যকরী ৪০-বছরের আবর্তন সীমা প্রক্সি হিসাবে ব্যবহৃত হয়। EUDR/FAO-এর প্রকৃত ব্যবস্থাপনা তীব্রতার মানদণ্ড (যেমন, সমবয়সী শ্রেণি, নিয়মিত ব্যবধান) স্যাটেলাইট চিত্র থেকে সরাসরি পর্যবেক্ষণযোগ্য নয়।
- অন্যান্য বৃক্ষ আচ্ছাদিত ভূমি (OWL) বাদ পড়া: EUDR "অন্যান্য বৃক্ষ আচ্ছাদিত ভূমি" (OWL)-কে একটি স্বতন্ত্র বিভাগ হিসেবে স্বীকৃতি দেয়, কিন্তু এই ডেটাসেটে OWL-কে একটি পৃথক শ্রেণি হিসেবে চিহ্নিত করা হয়নি এবং এটি সম্পূর্ণরূপে "অন্যান্য ভূমি" বিভাগের অন্তর্ভুক্ত হয়ে গেছে।
- সাব-পিক্সেল ভিন্নতা: মিশ্র পিক্সেল, বিশেষ করে জটিল ক্ষুদ্র কৃষক এলাকার ভূ-প্রকৃতিতে, শ্রেণীকরণের নির্ভুলতা কমিয়ে দিতে পারে। এছাড়াও, যদিও আউটপুটটি ১০ মিটারে থাকে, মডেলের ইনপুট ডেটার কার্যকর রেজোলিউশন ১০ মিটারের চেয়ে স্থূলতর হতে পারে।
ব্যান্ড
ব্যান্ড
পিক্সেল সাইজ: ১০ মিটার (সকল ব্যান্ড)
| নাম | মিনিট | ম্যাক্স | স্কেল | পিক্সেল আকার | বর্ণনা |
|---|---|---|---|---|---|
PrimaryForest | ০ | ২৫০ | ০.০০৪ | ১০ মিটার | পিক্সেলটি প্রাথমিক বন শ্রেণীর অন্তর্ভুক্ত হওয়ার কোয়ান্টাইজড সম্ভাবনা (অচিহ্নিত ৮-বিট পূর্ণসংখ্যা, ০–২৫০)। |
NaturallyRegeneratingForest | ০ | ২৫০ | ০.০০৪ | ১০ মিটার | পিক্সেলটি স্বাভাবিকভাবে পুনরুজ্জীবিত বন শ্রেণীর অন্তর্ভুক্ত হওয়ার কোয়ান্টাইজড সম্ভাবনা (অচিহ্নিত ৮-বিট পূর্ণসংখ্যা, ০–২৫০)। |
PlantedForest | ০ | ২৫০ | ০.০০৪ | ১০ মিটার | পিক্সেলটি রোপিত বন শ্রেণীর অন্তর্ভুক্ত হওয়ার কোয়ান্টাইজড সম্ভাবনা (অচিহ্নিত ৮-বিট পূর্ণসংখ্যা, ০–২৫০)। |
PlantationForest | ০ | ২৫০ | ০.০০৪ | ১০ মিটার | পিক্সেলটি বৃক্ষরোপণ বন শ্রেণীর অন্তর্ভুক্ত হওয়ার কোয়ান্টাইজড সম্ভাবনা (অচিহ্নিত ৮-বিট পূর্ণসংখ্যা, ০–২৫০)। |
TreeCropsAndAgroforestry | ০ | ২৫০ | ০.০০৪ | ১০ মিটার | পিক্সেলটি বৃক্ষ ফসল এবং কৃষি-বনায়ন শ্রেণীর অন্তর্ভুক্ত হওয়ার কোয়ান্টাইজড সম্ভাবনা (অচিহ্নিত ৮-বিট পূর্ণসংখ্যা, ০–২৫০)। ষষ্ঠ শ্রেণীর (অন্যান্য ভূমি) জন্য সম্ভাবনাটি এর পরিপূরক হিসাবে পাওয়া যায়: p_other = ২৫০ − পাঁচটি ব্যান্ড মানের যোগফল। |
ব্যবহারের শর্তাবলী
ব্যবহারের শর্তাবলী
এই ডেটাসেটটি CC-BY 4.0 লাইসেন্সের অধীনে রয়েছে এবং এর জন্য নিম্নলিখিত অ্যাট্রিবিউশন প্রয়োজন: [প্লেসহোল্ডার অ্যাট্রিবিউশন]।
উদ্ধৃতি
ম্যাক্সিম নিউম্যান, অ্যান্টন রাইচুক, পিটার পোটাপভ, মিরোস্লাভা লেসিভ, ম্যাথিউ ওভারলান, মেলানি রে, রবীন্দ্রন রাজাকুমার, মাইকেলেঞ্জেলো কনসার্ভা, রাদোস্ট স্ট্যানিমিরোভা, মিশেল সিমস, সারাহ কার্টার, এলিজাবেথ গোল্ডম্যান, ইউচাং জিয়াং, লিনাস শাইবেনরাইফ, ইভেলিনা জর্জিভা, মারিয়া শেপাশচেঙ্কো, স্টেফেন ফ্রিটজ, নিকোলাস ক্লিনটন, শার্লট স্ট্যানটন, ড্যান মরিস, ড্রিউ পার্ভেস: "বন ও ভূমি-ব্যবহার পর্যবেক্ষণের জন্য ১০-মিটার রেজোলিউশনে বৈশ্বিক বন টাইপোলজি", মে ২০২৬ (প্রিপ্রিন্ট: doi.org/10.31223/X58R27 )।
আর্থ ইঞ্জিন দিয়ে অন্বেষণ করুন
কোড এডিটর (জাভাস্ক্রিপ্ট)
var dataset = ee.ImageCollection( 'projects/nature-trace/assets/forest_typology/forest_typology_2020_v1_0_collection') .mosaic(); // Compute argmax class: 1=Primary, 2=Naturally Regenerating, // 3=Planted, 4=Plantation, 5=Tree Crops & Agroforestry, 6=Other land. var b5 = ee.Image(250).subtract(dataset.select([0, 1, 2, 3, 4]).reduce('sum')); var classified = dataset.addBands(b5).toArray().arrayArgmax().arrayGet([0]).add(1); // Palette: Primary=dark green, Naturally Regenerating=light green, // Planted=blue, Plantation=pink, TreeCrops=orange, Other=yellow. var colors = ['1B7837', '7FBF7B', '1D91C0', 'E65FA9', 'E6AB02', 'FDE278']; Map.addLayer( classified, {min: 1, max: 6, palette: colors}, 'Forest Typology 2020 (v1)'); Map.setOptions('HYBRID'); Map.setCenter(116.21, -33.31, 12);