赞
踩
该图层显示源自 ESA Sentinel-2 图像(分辨率为 10m)的全球土地利用/土地覆盖 (LULC) 地图。每年都是通过 Impact Observatory 的深度学习 AI 土地分类模型生成,该模型使用国家地理学会数十亿个人工标记图像像素进行训练。全球地图是通过将此模型应用于微软行星计算机上的 Sentinel-2 Level-2A 图像集而生成的,每年处理超过 400,000 个地球观测数据。
2017 年为每个像素分配了一个土地覆盖类别,但其类别基于的图像少于其他年份。2018 年至 2022 年基于一套更完整的图像。因此,2017 年的土地覆盖类别分配可能不如 2018-2022 年准确。
映射变量:2017、2018、2019、2020、2021、2022 年土地利用/土地覆盖 源
数据坐标系:通用横轴墨卡托 (UTM) WGS84
服务坐标系:Web 墨卡托辅助球 WGS84 (EPSG:3857)
范围:全球
源图像:Sentinel-2 L2A
像元大小:10 米
序号 | 图例 | 描述 |
1 | (water) 水 | 全年主要有水的地区;不得覆盖有零星或短暂水的区域;几乎没有稀疏的植被,没有岩石露头,也没有码头等建筑特征;例如:河流、池塘、湖泊、海洋、被淹没的盐原。 |
2 | (Trees) 树木 | 任何高大(约 15 英尺或更高)的茂密植被的显着聚集,通常具有封闭或茂密的树冠;例如:树木繁茂的植被,稀树草原、种植园、沼泽或红树林内的茂密高大植被簇(具有短暂水的茂密/高大植被或树冠太厚而无法检测到下面的水)。 |
3 | (Flooded Vegetation) 被淹没的植被 | 一年中大部分时间有明显水混合的任何类型植被的区域;季节性洪水区域,是草/灌木/树木/裸地的混合体;例如:被淹没的红树林、挺水植被、稻田和其他大量灌溉和被淹没的农业。 |
4 | (Crops) 农作物 | 人类种植/绘制的谷物、草类和农作物不在树高;例如:玉米、小麦、大豆、结构化土地的休耕地。 |
5 | (Built area) 建成面积 | 人造结构;主要公路和铁路网络;大型均质不透水表面,包括停车场、办公楼和住宅;例如:房屋、密集的村庄/城镇/城市、铺好的道路、沥青。 |
6 | (Bare Ground) 裸露地面 | 全年植被非常稀疏甚至没有植被的岩石或土壤区域;大面积的沙地和沙漠,几乎没有植被;例如:裸露的岩石或土壤、沙漠和沙丘、干燥的盐滩/盐田、干涸的湖床、矿山。 |
7 | (Snow/Ice) 雪/冰 | 大片均匀的永久雪或冰区域,通常仅出现在山区或最高纬度地区;例如:冰川、永久积雪、雪原。 |
8 | (Clouds) 云 | 由于持续云层覆盖,没有土地覆盖信息。 |
9 | (Rangeland) 牧场 | 开阔的区域覆盖着同质的草,几乎没有或没有更高的植被;没有明显人类绘图(即没有绘图的田地)的野生谷物和草;例如:树木稀疏甚至没有的天然草地和田野、树木很少甚至没有的开阔稀树草原、公园/高尔夫球场/草坪、牧场。散布在暴露土壤或岩石的景观中的小簇植物或单一植物的混合物;茂密森林中长满灌木丛的空地,显然不比树木高;例如:中等至稀疏的灌木丛、灌木和草丛、草、树木或其他植物非常稀疏的稀树草原。 |
有需要的小伙伴可私信我,协助下载相关数据!
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。