本文主要是介绍1985-2020年我国30m土地利用覆盖数据介绍，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！
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。
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
这篇关于1985-2020年我国30m土地利用覆盖数据介绍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！
