AI Earth数据集——中国10米地物分类数据集(AIEC)_中国10m数据集

AIEarth中国10米地物分类数据集(AIEC) 简介与Notebook示例¶

达摩院AI Earth团队自研的中国区10m分辨率地物分类产品，数据包含2020-2022年中国逐年土地覆盖信息。研究团队利用Sentinel-2 数据集，借助深度学习方法，融合了多时序、多模态、Low Level约束、半监督等技术，进行精细化地物分割。算法基于LandCoverNet Dataset, Google Dynamic Dataset和自研验证集进行统计评测，整体精度指标均达到一定提升。

AI EarthSentinel地物分类中国年度产品

AI Earth中国10米地物分类数据集(AIEC)是一个用于地物分类的数据集。该数据集包含了中国范围内的高分辨率遥感影像，并对影像中的地物进行分类。前言 – 人工智能教程

AIEC数据集的分辨率为10米，覆盖了中国的各个地区。数据集中的地物分类包括建筑物、道路、水体、农田、森林等。这些分类信息有助于各种应用和研究，如城市规划、土地利用、环境监测等。

AIEC数据集是由人工智能技术自动进行地物分类得到的，具有较高的准确性和可靠性。数据集可以用于训练和评估地物分类模型，以提高地物分类的精度和效果。

使用AIEC数据集可以帮助研究人员和应用开发者更好地理解和利用地物信息，从而为城市规划、农业管理、自然资源管理等领域提供支持和决策依据。

时相：

2020-2022年

范围：

中国

数据来源：

DAMO AI Earth

引用代码：

dataset = aie.ImageCollection('DAMO_AIE_CHINA_LC')

分辨率

10

波段

土地分类

 

数据检索 

import aie
aie.Authenticate()
aie.Initialize()
# 指定需要检索的区域
feature_collection = aie.FeatureCollection('China_Province').geometry() 
 
#指定检索数据集，可设置检索的时间范围
dataset = aie.ImageCollection('DAMO_AIE_CHINA_LC') \
             .filterBounds(feature_collection) \
             .filterDate("2022-01-01", "2022-01-31") \
             .mosaic()\
             .clip(feature_collection)
             
imgs = dataset.select(['Map']);
 
map = aie.Map(
    center=imgs.getCenter(),
    height=800,
    zoom=6
)
vis_params = {
    'bands': 'Map',
    'min': 1,
    'max': 9,
    'palette': [
        '#F8D072','#31AD69','#83C238','#63E038',
        '#63E0E4','#A3D6F5','#F1A5B4','#D7C8B9',
        '#9C9C9C'
    ]
}
 
map.addLayer(
    imgs,
    vis_params,
    'Map',
    bounds=imgs.getBounds()
)
map

 单景影像检索

import aie
aie.Authenticate()
aie.Initialize()
 
img = aie.Image('DAMO_AIE_CHINA_LC_2022_N30E117')
 
map = aie.Map(
    center=img.getCenter(),
    height=800,
    zoom=6
)
vis_params = {
    'bands': 'Map',
    'min': 1,
    'max': 9,
    'palette': [
        '#F8D072','#31AD69','#83C238','#63E038',
        '#63E0E4','#A3D6F5','#F1A5B4','#D7C8B9',
        '#9C9C9C'
    ]
}
map.addLayer(
    img,
    vis_params,
    'Map',
    bounds=img.getBounds()
)
map

 

使用须知

此数据集来源于AI Earth团队，数据版权归AI Earth所有，用户使用中请遵守AI Earth平台用户协议中相关条款。并做好数据集引用说明。