当前位置:   article > 正文

【土地利用数据集】10米分辨率全国范围内土地利用分类数据集

土地利用数据集

 

       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)

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)

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!

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/繁依Fanyi0/article/detail/511994
推荐阅读
相关标签
  

闽ICP备14008679号