1985-2020年我国30m土地利用覆盖数据介绍

这篇具有很好参考价值的文章主要介绍了1985-2020年我国30m土地利用覆盖数据介绍。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

       土地覆盖(LC)决定了地球各圈层之间的能量交换、水和碳循环。准确的 LC 信息是环境和气候研究的基本参数。考虑到在过去几十年中,随着经济建设的发展,中国发生了巨大的变化,连续和精细的 LC 监测是迫切需要的。然而,目前,由于缺乏足够的训练样本和计算能力,由观测图像产生的高分辨率年度 LC 数据集在中国普遍不可用。为了解决这个问题,在 Google Earth Engine (GEE)平台上制作了第一个基于 Lands at 的年度我国土地覆盖数据集(CLCD),其中包含 1990-2020 年中国 30 万年地覆盖及其动态。

1985-2020年我国30m土地利用覆盖数据介绍,遥感与深度学习,人工智能,遥感,地表覆盖,土地利用,数据集,历史

       

       首先将我国的土地利用/覆盖数据集(Cluds)中提取的稳定样本和卫星时间序列数据、谷歌地球和谷歌地图中的样本结合起来,收集训练样本。使用 335 709 陆地卫星图像的 GEE,几个时间指标的构建和随机森林分类,以获得分类结果。然后,结合时空过滤和逻辑推理,以进一步提高 CLCD 的时空一致性。最后,CLCD 的整体准确率达到79.31%的基础上,5463 视觉解释的样本。基于 5131 个第三方测试样本的进一步评估表明,CLCD 的整体准确性优于 MCD1201、ESACCILC、FROM GLC 和 GlbeLand30。此外,相比较 CLCD 与几个 Lands at 衍生的专题产品,表现出良好的一致性与全球森林变化,全球地表水,和三个不透水的表面产品。在 CLCD 的基础上,揭示了中国 1985 年和 2019 年 LC 变化的趋势和模式,不透水面和水体面积分别扩大了 148.71%和 18.39%,耕地面积减少了4.85%,草地面积减少 7329%,森林面积增加了 4.34%。总体而言,CLCD 反映了我国快速的城市化进程和一系列生态工程(如退耕还林),揭示了气候变化条件下人类活动对土地覆盖的影响,在全球变化研究中具有潜在的应用价值。
      
       该 数 据 集 最 大 的 优 势 在 于 每 年 30 米 的 土 地 利 用 分 类 结 果 ,且 连 续 30 年 。 这 与 GLC_FCS30、Global30、AGLC2000_2015、FROM-GLC10、ESA10、ESRI10 产品相比,时间分辨率更高。劣势在于其分类结果只针对中国,而不是全球。当然FROM-GLC10、ESA10、ESRI10 在空间分辨率上可能更高。今后基于 GEE 做全球分类产品可能会越来越多大家也可以尝试。

       数据可以登录:https://www.dilitanxianjia.com/ 查询。

分类说明:
ID Class
1 Cropland
2 Forest
3 Shrub
4 Grassland
5 Water
6 Sonw/Ice
7 Barren
8 Impervious
9 Wetland

1985-2020年我国30m土地利用覆盖数据介绍,遥感与深度学习,人工智能,遥感,地表覆盖,土地利用,数据集,历史文章来源地址https://www.toymoban.com/news/detail-737657.html

到了这里,关于1985-2020年我国30m土地利用覆盖数据介绍的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【ArcGIS遇上Python】ArcGIS Python按照指定字段批量筛选不同类型的图斑(以土地利用数据为例)

    基于土地利用数据,根据用地类型名称,批量筛选出不同类型的用地,生成不同类型的shp数据,以类型名称命名。 ArcGIS Python根据字段属性批量筛选生成shp图层

    2023年04月09日
    浏览(48)
  • ArcGis实战:土地利用变化矩阵与土地利用变化图制作

    目录 一、数据下载 (1)下载网站 (2)账号注册 (3)数据下载 二、图像预处理 (1)准备研究区矢量图层 (2)图像镶嵌 1.添加数据 2.去除黑边(复制栅格)  3.图像拼接(图像镶嵌)  (3)图像裁剪 1.提取掩膜  三、制作土地利用转移矩阵表 (1)获取土地分类系统 (2)连接属性

    2023年04月08日
    浏览(34)
  • 【ArcGIS遇上Python】ArcGIS Python批量筛选多个shp中指定字段值的图斑(以土地利用数据为例)

    以土地利用数据为例,提取多个shp数据中的旱地。 原始土地利用数据: 属性表: 提取的旱地:(以图层名称+地类名称命名)

    2024年01月17日
    浏览(45)
  • PLUS模型和InVEST模型生态系统服务多情景模拟预测、ArcGIS空间数据处理、空间分析与制图、土地利用时空变化

    查看原文基于”PLUS模型+“生态系统服务多情景模拟预测实践技术应用 目录 第一章、理论基础与软件讲解 第二章、数据获取与制备 第三章、土地利用格局模拟 第四章、生态系统服务评估 第五章、时空变化及驱动机制分析 第六章、论文撰写技巧及案例分析 基于ArcGIS Pro、P

    2024年02月05日
    浏览(70)
  • Origin利用土地利用转移矩阵制作桑基图步骤

    1.获取转移矩阵文件 https://mp.csdn.net/mp_blog/creation/editor/120759354 (arcgis中转移矩阵的做法可以参考) 2.转移矩阵文件的处理  有多期影像数据 也是做成两列,但是一定要标注好分类名称,就像我上面一样 3.桑基图绘制 在origin中,加载数据,并选择桑吉图,就可以看到下面的效

    2024年02月16日
    浏览(37)
  • 【ArcGIS进阶】制作土地利用转移矩阵

    哈喽大家好,今天为大家带来如何利用ArcGIS和EXCEL快速制作土地利用转移矩阵 土地利用转移矩阵是马尔科夫模型在土地利用变化方面的应用。马尔科夫模型不仅可以定量地表明不同土地利用类型之间的转化情况,还可以揭示不同土地利用类型间的转移速率。土地利用转移矩阵

    2024年02月01日
    浏览(39)
  • ArcGIS土地利用程度综合指数分析

    土地利用程度综合指数 第一步 准备数据 使用的数据为2010年河南省土地利用类型数据与其行政区划县级数据(为了节省操作,这里使用上次实验的部分数据[1],各土地利用类型已被提取) 水域为例 运行ArcToolbox,打开【空间分析工具】,选择【区域分析】里面的【表格显示分

    2024年02月10日
    浏览(40)
  • 2020/7/30

    Educational Codeforces Round 143 (Rated for Div. 2)C_Tea_Tasting.cpp //题意:有n种茶,n个人,第i种茶有 a[i]的量,第i个人一次能喝 b[i], 第i个人从第i种茶开始往前喝,求每个人最多能喝多少茶。 //思路:纯模拟时间超限,对于a数组中的每个元素,他要减的是包括i在内以及其右边的b数组中

    2024年02月15日
    浏览(59)
  • 使用gadl对土地利用栅格重分类

    要使用Python语言进行土地利用栅格的重分类,可以使用`gadl`库(GDAL的Python绑定)来实现。`gadl`库提供了一组功能强大的函数和类,可用于读取、处理和分析栅格数据。 首先,确保已经安装了`gadl`库。可以使用以下命令通过pip进行安装: pip install gdal   接下来,可以按照以下

    2024年02月14日
    浏览(30)
  • 使用 ArcGIS Pro 进行土地利用分类的机器学习和深度学习

    随着技术进步,尤其是地理信息系统 (GIS) 工具的进步,可以更有效地对土地利用进行分类。分类的使用可用于识别植被覆盖变化、非法采矿区和植被抑制区域,这些只是土地利用分类的众多示例中的一部分。 分类的一大困难是确定要解决的问题的级别。我分类的目的是什么

    2023年04月25日
    浏览(48)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包