全球土地利用数据ESRI 10m Land Cover 2020 in GEE(Google Earth Engine)

举报
此星光明 发表于 2022/04/15 23:32:13 2022/04/15
【摘要】 此图层显示土地利用/土地覆盖 (LULC) 的全球地图。该地图来自 ESA Sentinel-2 图像,分辨率为 10m。它综合了全年 10 个类别的 LULC 预测,以生成 2020 年的代表性快照。该地图由深度学习模型生成,该模型使用超过 50 亿个手工标记的 Sentinel-2 像素进行训练,从 20,000 多个站点中采样分布...

此图层显示土地利用/土地覆盖 (LULC) 的全球地图。该地图来自 ESA Sentinel-2 图像,分辨率为 10m。它综合了全年 10 个类别的 LULC 预测,以生成 2020 年的代表性快照。该地图由深度学习模型生成,该模型使用超过 50 亿个手工标记的 Sentinel-2 像素进行训练,从 20,000 多个站点中采样分布于世界所有主要生物群落。

 

数据引用:

Karra, Kontgis, et al. “Global land use/land cover with Sentinel-2 and deep learning.” IGARSS 2021-2021 IEEE International Geoscience and Remote Sensing Symposium. IEEE, 2021.

底层深度学习模型使用 6 个波段的 Sentinel-2 表面反射数据:可见蓝色、绿色、红色、近红外和两个短波红外波段。为了创建最终地图,该模型在全年的多个图像日期上运行,并将输出合成为 2020 年的最终代表性地图。

ESRI 10米分辨率的地球陆地表面地图,从2020年开始,GEE中的高分辨率、开放、准确、可比较和及时的土地覆盖地图。

在这个例子中,我们知道如何加载所需地点的ESRI土地利用数据。


  
  1. // 世界边界数据
  2. var worldcountries = ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017');
  3. var filterCountry = ee.Filter.eq('country_na', 'Italy');
  4. var italy = worldcountries.filter(filterCountry);
  5. // 裁剪函数
  6. function clip(Image){
  7. return Image.clip(italy)
  8. }
  9. // 加载数据集
  10. var esri_lulc10 = ee.ImageCollection("projects/sat-io/open-datasets/landcover/ESRI_Global-LULC_10m").map(clip)
  11. // 定义字典和相应的颜色
  12. var dict = {
  13. "names": [
  14. "Water",
  15. "Trees",
  16. "Grass",
  17. "Flooded Vegetation",
  18. "Crops",
  19. "Scrub/Shrub",
  20. "Built Area",
  21. "Bare Ground",
  22. "Snow/Ice",
  23. "Clouds"
  24. ],
  25. "colors": [
  26. "#1A5BAB",
  27. "#358221",
  28. "#A7D282",
  29. "#87D19E",
  30. "#FFDB5C",
  31. "#EECFA8",
  32. "#ED022A",
  33. "#EDE9E4",
  34. "#F2FAFF",
  35. "#C8C8C8"
  36. ]};
  37. // 加载影像到地图上,这里的颜色用的就是上面定义的字典
  38. Map.addLayer(italy, {}, 'USDOS/LSIB/2017');
  39. Map.addLayer(esri_lulc10.mosaic(), {min:1, max:10, palette:dict['colors']}, 'ESRI LULC 10m')

10米土地分类分辨率官网数据链接:Esri Land Cover

 目前的GEE数据官网数据集中暂时搜不到具体的介绍,所以你想要知道更多消息,点击上面的链接即可! 

这里我给大家列出以下土地分类信息:

类定义

  1. 全年主要有水的水域;不得覆盖有零星或短暂水的区域;几乎没有稀疏植被,没有岩石露头,也没有像码头这样的建筑特征;例如:河流、池塘、湖泊、海洋、淹没的盐原。

  2. 树木 任何高大(~15 米或更高)密集植被的显着集群,通常具有封闭或密集的树冠;例如:树木繁茂的植被、热带稀树草原、种植园、沼泽或红树林中茂密的高大植被群(密集/高大的植被,有短暂的水或树冠太厚而无法检测到下面的水)。

  3. 草 被均质草覆盖的开阔区域,几乎没有或没有更高的植被;没有明显人类规划的野生谷类和草类(即没有规划的田地);示例:自然草甸和田野,树木稀少或没有覆盖,开阔的稀树草原,几乎没有树木,公园/高尔夫球场/草坪,牧场。

  4. 淹没植被 一年中大部分时间明显混水的任何类型植被区;由草/灌木/树木/裸地混合而成的季节性洪水区域;例如:淹没的红树林、新兴植被、稻田和其他大量灌溉和淹没的农业。

  5. 作物 人类种植/耕种的谷物、草和不在树高处的作物;示例:玉米、小麦、大豆、结构化土地的休耕地。

  6. 灌木/灌木 散布在露出土壤或岩石的景观上的小簇植物或单株植物的混合物;茂密的森林中充满灌木的空地,显然不比树木高;例如:中等至稀疏的灌木、灌木和草丛、稀树草原、树木或其他植物非常稀少

  7. 建筑面积 人造建筑;主要公路和铁路网络;大型均质不透水表面,包括停车场结构、办公楼和住宅;示例:房屋、密集的村庄/城镇/城市、铺砌的道路、沥青。

  8. 裸地 全年植被稀少或没有植被的岩石或土壤区域;大面积的沙子和沙漠,没有或几乎没有植被;例如:裸露的岩石或土壤、沙漠和沙丘、干盐滩/平底锅、干涸的湖床、矿山。

  9. 雪/冰 永久雪或冰的大同质区域,通常仅在山区或最高纬度地区;例如:冰川、永久积雪、雪原。

  10. 云 由于持续的云覆盖,没有土地覆盖信息。

有关准确性评估信息,请访问ESRI 发布页面

类别 土地覆盖等级 十六进制代码
1 没有数据 #FFFFFF
2 #1A5BAB
3 树木 #358221
4 #A7D282
5 淹没植被 #87D19E
6 农作物 #FFDB5C
7 磨砂/灌木 #EECFA8
8 建筑面积 #ED022A
9 裸地 #EDE9E4
10 雪/冰 #F2FAFF
11 #C8C8C8

该数据集由 Impact Observatory 为 Esri 生成。© 2021 Esri。此数据集在知识共享 BY-4.0 许可下可用,基于此数据集的任何副本或作品都需要以下署名:


       
  1. This dataset is based on the dataset produced for the Dynamic World Project
  2. by National Geographic Society in partnership with Google and the World Resources Institute.

数据下载页面:Esri 2020 Land Cover Downloader

文章来源: blog.csdn.net,作者:此星光明2021年博客之星云计算Top3,版权归原作者所有,如需转载,请联系作者。

原文链接:blog.csdn.net/qq_31988139/article/details/120956122

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。