IrrMapper হল 11টি পশ্চিম মার্কিন যুক্তরাষ্ট্রে সেচের অবস্থার একটি বার্ষিক শ্রেণীবিভাগ যা ল্যান্ডস্যাট স্কেলে (অর্থাৎ, 30 মিটার) র্যান্ডম ফরেস্ট অ্যালগরিদম ব্যবহার করে তৈরি করা হয়েছে, যা 1986 - বর্তমান বছরগুলিকে কভার করে।
IrrMapper কাগজে চারটি শ্রেণির (যেমন, সেচ, শুষ্কভূমি, অনাবাদি, জলাভূমি) শ্রেণীবিভাগ বর্ণনা করা হলেও, ডেটাসেটটি সেচ এবং অ-সেচের বাইনারি শ্রেণীবিভাগে রূপান্তরিত হয়।
'সেচিত' বলতে বোঝায় বছরের কোন সেচের সনাক্তকরণ। IrrMapper র্যান্ডম ফরেস্ট মডেলটি 50,000-এরও বেশি মানব-যাচাইকৃত সেচ ক্ষেত্র, 38,000 শুষ্ক ভূমি এবং 500,000 বর্গকিলোমিটারের বেশি আবাদি জমি সহ চারটি সেচ- এবং অ-সেচবিহীন শ্রেণীর প্রতিটি থেকে ভূমি কভারের একটি বিস্তৃত ভূ-স্থানিক ডাটাবেস ব্যবহার করে প্রশিক্ষণ দেওয়া হয়েছিল।
সংস্করণ 1.2-এর জন্য, মূল প্রশিক্ষণের ডেটা ব্যাপকভাবে প্রসারিত করা হয়েছিল, প্রতিটি রাজ্যের জন্য একটি RF মডেল তৈরি করা হয়েছিল, এবং আরও পুঙ্খানুপুঙ্খ বৈধতা এবং অনিশ্চয়তা বিশ্লেষণ করা হয়েছিল। স্রোতপ্রবাহে সেচের প্রভাব সম্পর্কে আমাদের কাগজেরসম্পূরকটি দেখুন।
ব্যান্ড
পিক্সেল সাইজ 30 মিটার
ব্যান্ড
নাম
পিক্সেল সাইজ
বর্ণনা
classification
মিটার
সেচকৃত পিক্সেলের মান 1, অন্যান্য পিক্সেলগুলি মুখোশযুক্ত।
কেচাম, ডি.; জেনসো, কে.; মানেতা, এমপি; মেল্টন, এফ.; জোন্স, MO; হান্টিংটন, জে. আইআরম্যাপার: পশ্চিম মার্কিন যুক্তরাষ্ট্রে সেচকৃত কৃষির উচ্চ রেজোলিউশন ম্যাপিংয়ের জন্য একটি মেশিন লার্নিং পদ্ধতি, রিমোট সেন্স। 2020, 12, 2328. doi:10.3390/rs12142328
Ketchum, D., Hoylman, ZH, Huntington, J. et al. সেচের তীব্রতা পশ্চিম মার্কিন যুক্তরাষ্ট্রে প্রবাহের স্থায়িত্বকে প্রভাবিত করে। কমিউন আর্থ এনভায়রন 4, 479 (2023)। doi:10.1038/s43247-023-01152-2
IrrMapper হল 11টি পশ্চিম মার্কিন যুক্তরাষ্ট্রে সেচের অবস্থার একটি বার্ষিক শ্রেণীবিভাগ যা ল্যান্ডস্যাট স্কেলে (অর্থাৎ, 30 মিটার) র্যান্ডম ফরেস্ট অ্যালগরিদম ব্যবহার করে তৈরি করা হয়েছে, যা 1986 - বর্তমান বছরগুলিকে কভার করে। IrrMapper কাগজে চারটি শ্রেণির (যেমন, সেচ, শুষ্কভূমি, অচাষিত, জলাভূমি) শ্রেণীবিভাগ বর্ণনা করা হলেও, ডেটাসেটকে রূপান্তরিত করা হয় …
UMT/জলবায়ু/IrrMapper_RF/v1_2, কৃষি, ল্যান্ডস্যাট থেকে প্রাপ্ত
[null,null,[],[[["\u003cp\u003eIrrMapper is an annual dataset that classifies irrigated and non-irrigated land in the Western US from 1986 to present.\u003c/p\u003e\n"],["\u003cp\u003eThe dataset uses a Random Forest algorithm and Landsat data for 30m resolution mapping of irrigation status.\u003c/p\u003e\n"],["\u003cp\u003eIt provides a binary classification: irrigated areas are marked with a value of 1, while non-irrigated areas are masked out.\u003c/p\u003e\n"],["\u003cp\u003eDeveloped by the University of Montana, IrrMapper is available for research, education, and non-profit use under the CC-BY-4.0 license.\u003c/p\u003e\n"],["\u003cp\u003eUsers can explore and analyze the dataset using Google Earth Engine.\u003c/p\u003e\n"]]],[],null,["# IrrMapper Irrigated Lands, Version 1.2\n\nDataset Availability\n: 1986-01-01T00:00:00Z--2024-01-01T00:00:00Z\n\nDataset Provider\n:\n\n\n [University of Montana / Montana Climate Office](https://climate.umt.edu/research/irrmapper/)\n\nTags\n:\n[agriculture](/earth-engine/datasets/tags/agriculture) [landsat-derived](/earth-engine/datasets/tags/landsat-derived) \n\n#### Description\n\nIrrMapper is an annual classification of irrigation status in the 11\nWestern United States made at Landsat scale (i.e., 30 m) using the\nRandom Forest algorithm, covering years 1986 - present.\n\nWhile the [IrrMapper paper](https://www.mdpi.com/2072-4292/12/14/2328)\ndescribes classification of four classes (i.e., irrigated, dryland,\nuncultivated, wetland), the dataset is converted to a binary\nclassification of irrigated and non-irrigated.\n\n'Irrigated' refers to the detection of any irrigation during the year.\nThe IrrMapper random forest model was trained using an extensive\ngeospatial database of land cover from each of four irrigated- and\nnon-irrigated classes, including over 50,000 human-verified irrigated\nfields, 38,000 dryland fields, and over 500,000 square kilometers of\nuncultivated lands.\n\nFor version 1.2, the original training data was greatly expanded,\na RF model built for each state, and a more thorough validation and uncertainty\nanalysis undertaken. See the [supplement](https://static-content.springer.com/esm/art%3A10.1038%2Fs43247-023-01152-2/MediaObjects/43247_2023_1152_MOESM3_ESM.docx)\nto our [paper](https://www.nature.com/articles/s43247-023-01152-2) on the impacts of irrigation on streamflow.\n\n### Bands\n\n\n**Pixel Size**\n\n30 meters\n\n**Bands**\n\n| Name | Pixel Size | Description |\n|------------------|------------|------------------------------------------------------------------------|\n| `classification` | meters | Irrigated pixels have the value of 1, the other pixels are masked out. |\n\n### Terms of Use\n\n**Terms of Use**\n\n[CC-BY-4.0](https://spdx.org/licenses/CC-BY-4.0.html)\n\n### Citations\n\nCitations:\n\n- Ketchum, D.; Jencso, K.; Maneta, M.P.; Melton, F.; Jones, M.O.; Huntington, J.\n IrrMapper: A Machine Learning Approach for High Resolution Mapping of\n Irrigated Agriculture Across the Western U.S.,\n Remote Sens. 2020, 12, 2328. [doi:10.3390/rs12142328](https://doi.org/10.3390/rs12142328)\n\n Ketchum, D., Hoylman, Z.H., Huntington, J. et al. Irrigation intensification impacts sustainability\n of streamflow in the Western United States. Commun Earth Environ 4, 479 (2023). [doi:10.1038/s43247-023-01152-2](https://doi.org/10.1038/s43247-023-01152-2)\n\n### Explore with Earth Engine\n\n| **Important:** Earth Engine is a platform for petabyte-scale scientific analysis and visualization of geospatial datasets, both for public benefit and for business and government users. Earth Engine is free to use for research, education, and nonprofit use. To get started, please [register for Earth Engine access.](https://console.cloud.google.com/earth-engine)\n\n### Code Editor (JavaScript)\n\n```javascript\nvar dataset = ee.ImageCollection('UMT/Climate/IrrMapper_RF/v1_2');\nvar irr = dataset.filterDate('2023-01-01', '2023-12-31').mosaic();\n\nvar visualization = {\n min: 0.0,\n max: 1.0,\n palette: ['blue']\n};\nMap.addLayer(irr, visualization, 'IrrMapper 2023');\nMap.setCenter(-112.516, 45.262, 10);\n```\n[Open in Code Editor](https://code.earthengine.google.com/?scriptPath=Examples:Datasets/UMT/UMT_Climate_IrrMapper_RF_v1_2) \n[IrrMapper Irrigated Lands, Version 1.2](/earth-engine/datasets/catalog/UMT_Climate_IrrMapper_RF_v1_2) \nIrrMapper is an annual classification of irrigation status in the 11 Western United States made at Landsat scale (i.e., 30 m) using the Random Forest algorithm, covering years 1986 - present. While the IrrMapper paper describes classification of four classes (i.e., irrigated, dryland, uncultivated, wetland), the dataset is converted to ... \nUMT/Climate/IrrMapper_RF/v1_2, agriculture,landsat-derived \n1986-01-01T00:00:00Z/2024-01-01T00:00:00Z \n31.3 -124.5 49 -99 \nGoogle Earth Engine \nhttps://developers.google.com/earth-engine/datasets\n\n- [](https://doi.org/https://climate.umt.edu/research/irrmapper/)\n- [](https://doi.org/https://developers.google.com/earth-engine/datasets/catalog/UMT_Climate_IrrMapper_RF_v1_2)"]]
