【数据分享】2018-2023年全国范围10米分辨率的耕地利用强度数据(免费获取)

本文主要是介绍【数据分享】2018-2023年全国范围10米分辨率的耕地利用强度数据(免费获取),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

耕地利用强度数据是评估农业生产力、规划土地使用、监测粮食安全与环境可持续性的关键,对政策制定和资源管理具有重要指导意义。然而,目前国家范围的耕地利用数据集在时空连续性、分辨率和精度方面存在局限性。

本次我们分享的是2018年至2023年分辨率为10米的中国年度耕地利用强度数据!该数据来源于福州大学数字中国研究院(福建)等单位的学者发布在平台上分享的数据。该数据是在时间序列图像和全球土地覆盖数据集的基础上,结合中国国家统计局农业普查数据和实地调查数据识别得到的以年为单位的耕地利用强度的数据集。

大家可以在公众号回复关键词 312 免费获取该数据!以下为数据的详细介绍:

01 数据预览

我们以2018-2022年的中国耕地利用强度数据例来预览一下:

02 数据详情

数据来源:

数据来源于福建省数字中国研究院、中国科学院地理科学与资源研究所等单位的学者在figshare平台上分享的数据。本数据被分为三个部分并分别存放在不同的网址,网址链接如下。

1.ChinaCUI10m 2018-2021

网址:https://doi.org/10.6084/m9.figshare.24603234

2.ChinaCUI10m 2022-2023

网址:https://doi.org/10.6084/m9.figshare.24923532

3.ChinaCropland10m、ChinaMean10m

网址:https://doi.org/10.6084/m9.figshare.24633228

数据说明:

(1)本数据是2018至2023年中国全国尺度10米耕地利用强度数据集。本数据是结合ESA_WorldCover 和 FROM_GLC两个全球土地覆盖数据集,融合Sentinel-1 SAR 和 Sentinel-2 MSI 时间序列图像的基础上,通过VSPS(Vegetation-Soil-Pigment indics and Synthetic-aperture radar time-series images)和MILS(Mapping cropping Intensity in actively cropped fields regarding improved characterized crop Life cycles based on combined considerations of vegetative and productive Stages)等算法生成。

(2)数据共被划分为三个组成部分,其中,“ChinaCUI10m”表示每年的耕地利用强度数据集,“ChinaCroplandI10m”表示基于历史耕作活动新推导的10米耕地数据集,“ChinalleanCI10m”表示基于2018-2023年中国历史CUI数据集得到的平均耕地利用强度数据。

(3)由于数据集较大,因此以上三个数据集均被划分为中国九个主要的农业区,九个主要农业区与文件名称的对应关系如下:

数值说明:

1.“ChinaCUI10m”数据集包含2018-2023年的每年农地使用强度数据,数据值有(0:休耕;1:单一作物;2:双季作物;3:三季作物),其中值4在数据集中代表0。

2.“ChinaCroplandI10m”数据集是基于历史种植活动得出的新的10米农地数据集,只有一个值(1:农地)。

3.“ChinaMeanCI10m”数据集是基于2018-2023年历史CUI数据得出的农地使用强度平均程度的数据集,数据值介于[0,3]之间,数值越大表示农地使用强度越高,所有值需乘以100,并且值10在数据集中代表0。

数据坐标系:

WGS_1984

数据格式:

geotiff格式

时间范围:

2018年-2023年

空间范围:

全国

相关论文:

Qiu, B., Liu, B., Tang, Z. et al. National-scale 10-m maps of cropland use intensity in China during 2018–2023. Sci Data 11, 691 (2024). https://doi.org/10.1038/s41597-024-03456-0

引用格式:

QIU, Bingwen; LIU, Baoli; Xu, Weiming; Dong, Jinwei; Liang, Juanzhu; Chen, Nan; et al. (2024). No.3 National-scale 10-m maps of cropland use intensity in China during 2018-2023. figshare. Dataset. https://doi.org/10.6084/m9.figshare.24633228.v3

如有数据使用需求请按照官方平台的要求进行引用,更多数据详情可以查看官网获悉!

03 数据获取

如需获取数据请关注下方公众号~

这篇关于【数据分享】2018-2023年全国范围10米分辨率的耕地利用强度数据(免费获取)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1092828

相关文章

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【专题】2024飞行汽车技术全景报告合集PDF分享(附原数据表)

原文链接: https://tecdat.cn/?p=37628 6月16日,小鹏汇天旅航者X2在北京大兴国际机场临空经济区完成首飞,这也是小鹏汇天的产品在京津冀地区进行的首次飞行。小鹏汇天方面还表示,公司准备量产,并计划今年四季度开启预售小鹏汇天分体式飞行汽车,探索分体式飞行汽车城际通勤。阅读原文,获取专题报告合集全文,解锁文末271份飞行汽车相关行业研究报告。 据悉,业内人士对飞行汽车行业

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X