USFS Tree Canopy Cover v2023-5 (CONUS and OCONUS)

USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5

বিবরণ

সংক্ষিপ্ত বিবরণ

মার্কিন যুক্তরাষ্ট্রের কৃষি বিভাগ, বন পরিষেবা (USFS) দ্বারা উত্পাদিত ট্রি ক্যানোপি কভার (TCC) ডেটা স্যুটটি হল ১৯৮৫-২০২৩ সাল পর্যন্ত বার্ষিক রিমোট সেন্সিং-ভিত্তিক মানচিত্র আউটপুট। এই ডেটা জাতীয় ভূমি কভার ডেটাবেস (NLCD) প্রকল্পকে সমর্থন করে, যা মাল্টি-রেজোলিউশন ল্যান্ড ক্যারেক্টারিস্টিক্স (MRLC) কনসোর্টিয়ামের অংশ হিসাবে মার্কিন ভূতাত্ত্বিক জরিপ (USGS) দ্বারা পরিচালিত হয়। প্রকল্পটির লক্ষ্য হল সর্বশেষ প্রযুক্তি ব্যবহার করে গাছের ক্যানোপি কভারের একটি সামঞ্জস্যপূর্ণ, "সর্বোত্তম উপলব্ধ" মানচিত্র তৈরি করা। ভৌগোলিক পরিধির মধ্যে রয়েছে কনটারমিনাস মার্কিন যুক্তরাষ্ট্র (CONUS) এবং OCONUS অঞ্চল (দক্ষিণ-পূর্ব আলাস্কা (SEAK), হাওয়াই, পুয়ের্তো রিকো এবং মার্কিন ভার্জিন দ্বীপপুঞ্জ (PRUSVI)।

পণ্য

টিসিসি ডেটা স্যুটে তিনটি পণ্য রয়েছে:

  • বিজ্ঞান টিসিসি: মডেল থেকে কাঁচা, সরাসরি ফলাফল।

  • বিজ্ঞান মান ত্রুটি (SE): সমস্ত রিগ্রেশন ট্রি থেকে পূর্বাভাসিত মানের মডেল মান বিচ্যুতি।

  • এনএলসিডি টিসিসি: বার্ষিক বিজ্ঞান টিসিসি চিত্র থেকে প্রাপ্ত একটি পরিশোধিত পণ্য। এটি আন্তঃবার্ষিক শব্দ কমাতে, দীর্ঘমেয়াদী প্রবণতা তুলে ধরতে এবং নির্দিষ্ট বৈশিষ্ট্যগুলি (যেমন জল এবং অ-বৃক্ষ কৃষি) আড়াল করার জন্য পোস্ট-প্রসেসিং করে।

প্রতিটি ছবিতে একটি ডেটা মাস্ক ব্যান্ড থাকে যার তিনটি মান থাকে যা ডেটাবিহীন এলাকা (0), ম্যাপ করা ট্রি ক্যানোপি কভার (1) এবং নন-প্রসেসিং এরিয়া (2) প্রতিনিধিত্ব করে। নন-প্রসেসিং এরিয়াগুলি হল অধ্যয়ন এলাকার পিক্সেল যেখানে কোনও ক্লাউড বা ক্লাউড শ্যাডো-মুক্ত ডেটা নেই। TCC এবং SE ছবিতে কোনও ডেটা এবং নন-প্রসেসিং এরিয়া পিক্সেল মাস্ক করা থাকে না।

তথ্য এবং পদ্ধতি

আমরা USFS ফরেস্ট ইনভেন্টরি অ্যান্ড অ্যানালাইসিস (FIA) এর ফটো-ইন্টারপ্রেটেড TCC কে রেফারেন্স ডেটা হিসেবে ব্যবহার করে CONUS, SEAK, PRUSVI এবং HAWAII এর জন্য প্রশিক্ষণ ডেটা এবং র‍্যান্ডম ফরেস্ট মডেল তৈরি করেছি। আমরা Google Earth Engine (GEE) (Gorelick et al., 2017) ব্যবহার করে ল্যান্ডট্রেন্ডার এবং ভূখণ্ডের ভবিষ্যদ্বাণীকারী ফিট করে প্রক্রিয়াজাত করেছি। 3D এলিভেশন প্রোগ্রাম (3DEP) (US Geological Survey, 2019) থেকে ভূখণ্ডের তথ্যে উচ্চতা, ঢাল, দিকের সাইন এবং দিকের কোসাইন অন্তর্ভুক্ত রয়েছে। CONUS এর জন্য, আমরা ক্রপ ডেটা লেয়ার (CDL) কে ভবিষ্যদ্বাণীকারী হিসেবে অন্তর্ভুক্ত করেছি (Lin et al., 2022)।

আমরা বার্ষিক মেডয়েড কম্পোজিট তৈরি করতে USGS Collection 2 Landsat Tier 1 এবং Sentinel 2A/2B Level-1C টপ অফ অ্যামস্ট্রোলম রিফ্লেক্ট্যান্স ইমেজারি ব্যবহার করেছি। ডেটার মান নিশ্চিত করার জন্য, আমরা মেঘ এবং ছায়া মাস্ক করার জন্য 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)। একবার মাস্ক করা হয়ে গেলে, আমরা প্রতি বছরের জন্য একটি একক ক্লাউড-মুক্ত কম্পোজিট তৈরি করতে বার্ষিক মেডয়েড গণনা করেছি। অবশেষে, LandTrendr (Kennedy et al., 2010, 2018; Cohen et al., 2018) ব্যবহার করে কম্পোজিট টাইম সিরিজটি অস্থায়ীভাবে ভাগ করা হয়েছিল।

CONUS-এর ক্ষেত্রে, আমরা ৭০% রেফারেন্স ডেটা ক্রমাঙ্কনের জন্য এবং ৩০% স্বাধীন ত্রুটি মূল্যায়নের জন্য ব্যবহার করেছি। CONUS-এর পরিবেশগত বৈচিত্র্য বিবেচনা করে, আমরা মডেলিং এলাকাটিকে ৫৪টি টাইলে (৪৮০ কিমি × ৪৮০ কিমি) ভাগ করেছি। স্থানীয় কম্পিউটারে আমরা প্রতিটি টাইলের জন্য একটি অনন্য র‍্যান্ডম ফরেস্ট মডেল তৈরি করেছি (Breiman, 2001), কেন্দ্রের টাইলের চারপাশে একটি ৫×৫ জানালা ছেদকারী রেফারেন্স ডেটার উপর এটিকে প্রশিক্ষণ দিয়েছি। এরপর মডেলগুলিকে GEE-তে স্থাপন করা হয়েছিল দেয়াল-থেকে-দেয়াল TCC পূর্বাভাস দেওয়ার জন্য। OCONUS অঞ্চলের ক্ষেত্রে, আমরা একটি ৮০/২০ বিভক্তি ব্যবহার করেছি এবং প্রতিটি অঞ্চলের জন্য একটি একক র‍্যান্ডম ফরেস্ট মডেল তৈরি করেছি।

অতিরিক্ত সম্পদ

যেকোনো প্রশ্ন বা নির্দিষ্ট তথ্যের অনুরোধের জন্য [sm.fs.tcc@usda.gov] এ যোগাযোগ করুন।

ব্যান্ড

পিক্সেল আকার
৩০ মিটার

ব্যান্ড

নাম ইউনিট পিক্সেল আকার বিবরণ
Science_Percent_Tree_Canopy_Cover % মিটার

কাঁচা সরাসরি মডেল আউটপুট দেয়। প্রতিটি পিক্সেলের প্রতি বছরের জন্য একটি গড় পূর্বাভাসিত গাছের ছাউনি কভার মান থাকে।

Science_Percent_Tree_Canopy_Cover_Standard_Error % মিটার

আমরা যে সকল রিগ্রেশন ট্রি থেকে পূর্বাভাসিত মানের স্ট্যান্ডার্ড ডেভিয়েশনকে স্ট্যান্ডার্ড ত্রুটি বলি, তাকে স্ট্যান্ডার্ড ত্রুটি বলা হয়। প্রতিটি পিক্সেলের প্রতি বছরের জন্য একটি স্ট্যান্ডার্ড ত্রুটি থাকে।

NLCD_Percent_Tree_Canopy_Cover % মিটার

NLCD ট্রি ক্যানোপি কভার তৈরি করতে, ডাইরেক্ট মডেল আউটপুটে একটি পোস্ট-প্রসেসিং ওয়ার্কফ্লো প্রয়োগ করা হয় যা নন-ট্রিড পিক্সেল মান সনাক্ত করে এবং শূন্য শতাংশ ট্রি ক্যানোপি কভারে সেট করে।

data_mask মিটার

তিনটি মান হল ডেটাবিহীন এলাকা, ম্যাপ করা ট্রি ক্যানোপি কভার এবং নন-প্রসেসিং এরিয়া। নন-প্রসেসিং এরিয়া হল সেই জায়গা যেখানে স্টাডি এরিয়ার মধ্যে পিক্সেলগুলিতে আউটপুট তৈরি করার জন্য কোনও ক্লাউড বা ক্লাউড শ্যাডো-মুক্ত ডেটা উপলব্ধ থাকে না।

ছবির বৈশিষ্ট্য

ছবির বৈশিষ্ট্য

নাম আদর্শ বিবরণ
অধ্যয়নের_ক্ষেত্র স্ট্রিং

TCC বর্তমানে CONUS, দক্ষিণ-পূর্ব আলাস্কা, পুয়ের্তো রিকো-মার্কিন ভার্জিন দ্বীপপুঞ্জ এবং হাওয়াই কভার করে। এই সংস্করণে CONUS, AK, PRUSVI, এবং HAWAII এর ডেটা রয়েছে। সম্ভাব্য মান: 'CONUS, AK, PRUSVI, HAWAII'

সংস্করণ স্ট্রিং

এটি জাতীয় ভূমি কভার ডাটাবেস (NLCD)-এর অংশ MRLC কনসোর্টিয়ামে প্রকাশিত TCC পণ্যের পঞ্চম সংস্করণ।

শুরুর বছর আইএনটি

'পণ্যের শুরুর বছর'

শেষ বছর আইএনটি

'পণ্যের শেষ বছর'

বছর আইএনটি

'পণ্যের বছর'

ব্যবহারের শর্তাবলী

ব্যবহারের শর্তাবলী

ইউএসডিএ ফরেস্ট সার্ভিস কোনও নির্দিষ্ট উদ্দেশ্যে ব্যবসায়িকতা এবং উপযুক্ততার ওয়ারেন্টি সহ কোনও প্রকাশ্য বা অন্তর্নিহিত ওয়ারেন্টি দেয় না, অথবা এই ভূ-স্থানিক তথ্যের নির্ভুলতা, নির্ভরযোগ্যতা, সম্পূর্ণতা বা উপযোগিতা, অথবা এই ভূ-স্থানিক তথ্যের অনুপযুক্ত বা ভুল ব্যবহারের জন্য কোনও আইনি দায় বা দায়িত্ব গ্রহণ করে না। এই ভূ-স্থানিক তথ্য এবং সম্পর্কিত মানচিত্র বা গ্রাফিক্স আইনি নথি নয় এবং সেভাবে ব্যবহারের উদ্দেশ্যে নয়। তথ্য এবং মানচিত্রগুলি মালিকানা, মালিকানা, আইনি বর্ণনা বা সীমানা, আইনি এখতিয়ার, বা সরকারী বা ব্যক্তিগত জমিতে প্রযোজ্য বিধিনিষেধ নির্ধারণ করতে ব্যবহার করা যাবে না। প্রাকৃতিক বিপদগুলি তথ্য এবং মানচিত্রে চিত্রিত হতে পারে বা নাও হতে পারে এবং ভূমি ব্যবহারকারীদের যথাযথ সতর্কতা অবলম্বন করা উচিত। তথ্যগুলি গতিশীল এবং সময়ের সাথে সাথে পরিবর্তিত হতে পারে। ব্যবহারকারীর দায়িত্ব ভূ-স্থানিক তথ্যের সীমাবদ্ধতা যাচাই করা এবং সেই অনুযায়ী তথ্য ব্যবহার করা।

এই তথ্যগুলি মার্কিন সরকারের তহবিল ব্যবহার করে সংগ্রহ করা হয়েছে এবং অতিরিক্ত অনুমতি বা ফি ছাড়াই ব্যবহার করা যেতে পারে। আপনি যদি এই তথ্যগুলি কোনও প্রকাশনা, উপস্থাপনা বা অন্যান্য গবেষণা পণ্যে ব্যবহার করেন তবে দয়া করে নিম্নলিখিত উদ্ধৃতি ব্যবহার করুন:

USDA ফরেস্ট সার্ভিস। ২০২৫। USFS ট্রি ক্যানোপি কভার v2023.5 (কন্টারমিনাস মার্কিন যুক্তরাষ্ট্র এবং আউটার কন্টারমিনাস মার্কিন যুক্তরাষ্ট্র)। সল্ট লেক সিটি, উটাহ।

উদ্ধৃতি

উদ্ধৃতি:

  • USDA ফরেস্ট সার্ভিস। ২০২৫। USFS ট্রি ক্যানোপি কভার v2023.5 (কন্টারমিনাস মার্কিন যুক্তরাষ্ট্র এবং আউটার কন্টারমিনাস মার্কিন যুক্তরাষ্ট্র)। সল্ট লেক সিটি, উটাহ।

  • ব্রেইম্যান, এল., ২০০১। র‍্যান্ডম ফরেস্টস। মেশিন লার্নিং-এ। স্প্রিংগার, ৪৫: ৫-৩২ doi:১০.১০২৩/এ:১০১০৯৩৩৪০৪৩২৪

  • চ্যাস্টেইন, আর., হাউসম্যান, আই., গোল্ডস্টেইন, জে., ফিনকো, এম., এবং টেনেসন, কে., ২০১৯। সেন্টিনেল-২এ এবং ২বি এমএসআই, ল্যান্ডস্যাট-৮ ওএলআই, এবং ল্যান্ডস্যাট-৭ ইটিএম এর সমসাময়িক মার্কিন যুক্তরাষ্ট্রের বায়ুমণ্ডলের বর্ণালী বৈশিষ্ট্যের শীর্ষের অভিজ্ঞতামূলক ক্রস সেন্সর তুলনা। পরিবেশের দূরবর্তী সংবেদনে। বিজ্ঞান সরাসরি, ২২১: ২৭৪-২৮৫ doi:১০.১০১৬/j.rse.২০১৮.১১.০১২

  • কোহেন, ডব্লিউবি, ইয়াং, জেড., হিলি, এসপি, কেনেডি, আরই, এবং গোরেলিক, এন., ২০১৮। বনের ঝামেলা সনাক্তকরণের জন্য একটি ল্যান্ডট্রেন্ডার মাল্টিস্পেকট্রাল এনসেম্বল। পরিবেশের দূরবর্তী সংবেদনে। সায়েন্স ডাইরেক্ট, ২০৫: ১৩১-১৪০ doi:১০.১০১৬/j.rse.২০১৭.১১.০১৫

  • ফোগা, এস., স্কারামুজ্জা, পিএল, গুও, এস., ঝু, জেড., ডিলি, আরডি, বেকম্যান, টি., শ্মিট, জিএল, ডোয়ায়ার, জেএল, হিউজেস, এমজে, লাউ, বি., ২০১৭। ক্লাউড ডিটেকশন অ্যালগরিদম তুলনা এবং কার্যকরী ল্যান্ডস্যাট ডেটা পণ্যের বৈধতা। রিমোট সেন্সিং অফ এনভায়রনমেন্টে। সায়েন্স ডাইরেক্ট, ১৯৪: ৩৭৯-৩৯০ doi:১০.১০১৬/j.rse.২০১৭.০৩.০২৬

  • কেনেডি, আরই, ইয়াং, জেড., এবং কোহেন, ডব্লিউবি, ২০১০। বার্ষিক ল্যান্ডস্যাট টাইম সিরিজ ব্যবহার করে বন বিপর্যয় এবং পুনরুদ্ধারের প্রবণতা সনাক্তকরণ: ১. ল্যান্ডট্রেন্ডার - টেম্পোরাল সেগমেন্টেশন অ্যালগরিদম। পরিবেশের দূরবর্তী সংবেদনে। সায়েন্স ডাইরেক্ট, ১১৪(১২): ২৮৯৭-২৯১০ doi:১০.১০১৬/j.rse.২০১০.০৭.০০৮

  • কেনেডি, আর., ইয়াং, জে., গোরেলিক, এন., ব্রাটেন, জে., ক্যাভালক্যান্টে, এল., কোহেন, ডব্লিউ., এবং হিলি, এস., ২০১৮। গুগল আর্থ ইঞ্জিনে ল্যান্ডট্রেন্ডার অ্যালগরিদমের বাস্তবায়ন। রিমোট সেন্সিংয়ে। MDPI, 10(5): 691 doi:10.3390/rs10050691

  • লিন, এল.; ডি, এল.; ঝাং, সি.; গুও, এল.; ডি, ওয়াই.; লি, এইচ.; ইয়াং, এ. ২০২২। স্থানিক-অস্থায়ী সিদ্ধান্ত বৃক্ষ অ্যালগরিদম ব্যবহার করে ফসলের জমির ডেটা স্তরের বৈধতা এবং পরিমার্জন। বৈজ্ঞানিক তথ্য। 9(1): 63. doi:10.3390/rs10050691

  • Pasquarella, VJ, Brown, CF, Czerwinski, W., এবং Rucklidge, WJ, 2023। দুর্বল তত্ত্বাবধানে থাকা ভিডিও লার্নিং ব্যবহার করে অপটিক্যাল স্যাটেলাইট ইমেজারির ব্যাপক গুণমান মূল্যায়ন। কম্পিউটার ভিশন এবং প্যাটার্ন স্বীকৃতি সম্পর্কিত IEEE/CVF সম্মেলনের কার্যবিবরণীতে। 2124-2134। doi:10.1109/cvprw59228.2023.00206

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

  • মার্কিন ভূতাত্ত্বিক জরিপ, ২০১৯। ইউএসজিএস থ্রিডি এলিভেশন প্রোগ্রাম ডিজিটাল এলিভেশন মডেল, আগস্ট ২০২২ এ https://developers.google.com/earth-engine/datasets/catalog/USGS_3DEP_10m এ অ্যাক্সেস করা হয়েছে।

  • ঝু, জেড., এবং উডকক, সিই, ২০১২। ল্যান্ডস্যাট চিত্রকল্পে বস্তু-ভিত্তিক মেঘ এবং মেঘের ছায়া সনাক্তকরণ। পরিবেশের দূরবর্তী সংবেদনে। বিজ্ঞান সরাসরি, ১১৮: ৮৩-৯৪ doi:১০.১০১৬/j.rse.২০১১.১০.০২৮

ডিওআই

আর্থ ইঞ্জিনের সাহায্যে ঘুরে দেখুন

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"') // CONUS, AK, HAWAII, PRUSVI 
               .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
সংক্ষিপ্ত বিবরণ মার্কিন যুক্তরাষ্ট্রের কৃষি বিভাগ, বন পরিষেবা (USFS) দ্বারা উত্পাদিত ট্রি ক্যানোপি কভার (TCC) ডেটা স্যুট হল ১৯৮৫-২০২৩ সাল পর্যন্ত বার্ষিক রিমোট সেন্সিং-ভিত্তিক মানচিত্র আউটপুট। এই ডেটা জাতীয় ভূমি কভার ডেটাবেস (NLCD) প্রকল্পকে সমর্থন করে, যা মার্কিন ভূতাত্ত্বিক জরিপ (USGS) দ্বারা পরিচালিত হয় ...
USGS/NLCD_RELEASES/2023_REL/TCC/v2023-5, বন, gtac, ভূমি-উপকরণ-ভূমিকম্প, রেডক্যাসেল-সম্পদ, usda, usfs, usgs
1985-06-01T00:00:00Z/2023-09-30T00:00:00Z
২০.৩৮৩৭৯ -১৩৫.২৮৬৩৮৭ ৫২.৪৫৯৩৬৪ -৫৬.৪৪৬৩০৬
গুগল আর্থ ইঞ্জিন