​ ESRI 2020年来自哨兵2号的全球土地利用和土地覆盖图数据集

举报
此星光明 发表于 2023/03/06 18:09:42 2023/03/06
【摘要】 ​ESRI 2020年来自哨兵2号的全球土地利用和土地覆盖图该图层显示了全球土地利用/土地覆盖(LULC)的地图。该地图来自欧空局Sentinel-2图像,分辨率为10米。它是对全年10个等级的LULC预测的综合,以产生2020年的代表性快照。该地图是由一个深度学习模型制作的,该模型使用了超过50亿个手工标记的Sentinel-2像素,从分布在世界所有主要生物群落的20,000多个地点取样。...

ESRI 2020年来自哨兵2号的全球土地利用和土地覆盖图
该图层显示了全球土地利用/土地覆盖(LULC)的地图。该地图来自欧空局Sentinel-2图像,分辨率为10米。它是对全年10个等级的LULC预测的综合,以产生2020年的代表性快照。该地图是由一个深度学习模型制作的,该模型使用了超过50亿个手工标记的Sentinel-2像素,从分布在世界所有主要生物群落的20,000多个地点取样。

底层的深度学习模型使用Sentinel-2表面反射率数据的6个波段:可见蓝、绿、红、近红外和两个短波红外波段。为了创建最终的地图,该模型在全年多个日期的图像上运行,并将输出结果合成为2020年的最终代表地图。

处理平台 Sentinel-2 L2A/B的数据是通过微软的行星计算机访问的,并使用微软Azure Batch进行缩放。

你可以在这里找到更多信息Kontgis, C.(2021年,6月24日)。

https://caitlin-kontgis.medium.com/mapping-the-world-in-unprecedented-detail-7c0513205b90 

文献引用:

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.

类别定义
水域 全年主要有水的区域;可能不包括有零星或短暂的水的区域;几乎不包含稀疏的植被,没有岩石露头,也没有码头等建筑特征;例子:河流、池塘、湖泊、海洋、淹没的盐碱地。

树木 任何明显的高大(约15米或更高)的密集植被集群,通常有一个封闭的或密集的树冠;例子:树林植被,稀树草原内密集的高大植被集群,种植园,沼泽或红树林(密集/高大的植被,有短暂的水或树冠太厚,无法发现下面的水)。

草地 被均匀的草覆盖的开放区域,几乎没有高大的植被;野生谷物和草,没有明显的人为情节(即不是一个有情节的领域);例子:有稀疏或没有树木覆盖的自然草场和田野,有很少或没有树木的开放草原,公园/高尔夫球场/草坪,牧场。

被淹没的植被 任何类型的植被在一年中的大部分时间里都有明显的混水现象的区域;季节性淹没的区域,是草/灌木/树/荒地的混合体;例子:被淹没的红树林、水生植被、稻田和其他严重灌溉和淹没的农业。

农作物 人工种植/种植的谷物、草和不在树高的作物;例子:玉米、小麦、大豆、休耕地的结构地块。

灌丛/灌木 景观上分散的小簇植物或单一植物的混合体,显示出裸露的土壤或岩石;密林中充满灌丛的空地,显然不比树木高;例子:中等到稀疏的灌木丛、灌木和草丛的覆盖,有非常稀疏的草、树木或其他植物的草原

建筑区 人类制造的结构;主要的公路和铁路网络;大型均匀的不透水表面,包括停车场结构、办公大楼和住宅;例子:房屋、密集的村庄/城镇/城市、铺设的道路、沥青。

裸地 全年植被非常稀少或没有植被的岩石或土壤区域;没有或很少有植被的大面积沙地和沙漠;例如:裸露的岩石或土壤、沙漠和沙丘、干燥的盐碱地/盘、干涸的湖床、矿场。

雪/冰 大面积均匀的永久性雪或冰,通常只在山区或最高纬度地区;例子:冰川、永久性积雪、雪地。

云层 由于持续的云层覆盖,没有土地覆盖信息。

关于精度评估信息,请访问ESRI发布页面:

https://www.arcgis.com/home/item.html?id=d6642f8a4f6d4685a24ae2dc0c73d4ac

 

 

Category Land Cover Class Hex Code
1 No Data #FFFFFF
2 Water #1A5BAB
3 Trees #358221
4 Grass #A7D282
5 Flooded Vegetation #87D19E
6 Crops #FFDB5C
7 Scrub/Shrub #EECFA8
8 Built Area #ED022A
9 Bare Ground #EDE9E4
10 Snow/Ice #F2FAFF
11 Clouds #C8C8C8

代码:

var esri_lulc2020= ee.ImageCollection("projects/sat-io/open-datasets/landcover/ESRI_Global-LULC_10m")


// Define a dictionary which will be used to make legend and visualize image on map
var dict = {
  "names": [
    "Water",
    "Trees",
    "Grass",
    "Flooded Vegetation",
    "Crops",
    "Scrub/Shrub",
    "Built Area",
    "Bare Ground",
    "Snow/Ice",
    "Clouds"
  ],
  "colors": [
    "#1A5BAB",
    "#358221",
    "#A7D282",
    "#87D19E",
    "#FFDB5C",
    "#EECFA8",
    "#ED022A",
    "#EDE9E4",
    "#F2FAFF",
    "#C8C8C8"
  ]};

// Create a panel to hold the legend widget
var legend = ui.Panel({
  style: {
    position: 'bottom-left',
    padding: '8px 15px'
  }
});

// Function to generate the legend
function addCategoricalLegend(panel, dict, title) {
  
  // Create and add the legend title.
  var legendTitle = ui.Label({
    value: title,
    style: {
      fontWeight: 'bold',
      fontSize: '18px',
      margin: '0 0 4px 0',
      padding: '0'
    }
  });
  panel.add(legendTitle);
  
  var loading = ui.Label('Loading legend...', {margin: '2px 0 4px 0'});
  panel.add(loading);
  
  // Creates and styles 1 row of the legend.
  var makeRow = function(color, name) {
    // Create the label that is actually the colored box.
    var colorBox = ui.Label({
      style: {
        backgroundColor: color,
        // Use padding to give the box height and width.
        padding: '8px',
        margin: '0 0 4px 0'
      }
    });
  
    // Create the label filled with the description text.
    var description = ui.Label({
      value: name,
      style: {margin: '0 0 4px 6px'}
    });
  
    return ui.Panel({
      widgets: [colorBox, description],
      layout: ui.Panel.Layout.Flow('horizontal')
    });
  };
  
  // Get the list of palette colors and class names from the image.
  var palette = dict['colors'];
  var names = dict['names'];
  loading.style().set('shown', false);
  
  for (var i = 0; i < names.length; i++) {
    panel.add(makeRow(palette[i], names[i]));
  }
  
  Map.add(panel);
  
}


/*
  // Display map and legend ///////////////////////////////////////////////////////////////////////////////
*/

// Add the legend to the map
addCategoricalLegend(legend, dict, 'ESRI 2020 Land Cover');

// Add image to the map
Map.addLayer(esri_lulc10.mosaic(), {min:1, max:10, palette:dict['colors']}, 'ESRI LULC 10m')

代码链接:https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:global-landuse-landcover/ESRI-LULC-2020

Acknowledgements

Training data for this project makes use of the National Geographic Society Dynamic World training dataset, produced for the Dynamic World Project by National Geographic Society in partnership with Google and the World Resources Institute.

Credits, Attributions and License

This dataset was produced by Impact Observatory for Esri. © 2021 Esri. This dataset is available under a Creative Commons BY-4.0 license and any copy of or work based on this dataset requires the following attribution:

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

非GEE用户下载链接: Esri 2020 Land Cover Downloader

Curated in GEE by: Samapriya Roy

Keywords: : land, cover, land use, land cover, lulc, 10m, global, world, sentinel, sentinel-2, sentinel 2, impact observatory, impact, 2020, deep learning

Last updated: 2021-06-25


 会议沙龙| 第二届深度学习与地球科学专题研讨会暨专题学习沙龙(1号通知)

会议沙龙| 无人机植被遥感前沿技术与应用学习班[专家授课|限时报名]

GEE数据集:全球土壤盐度数据集(1986-2016)

GEE数据集:全球土壤生物气候变量数据集

GEE数据集:SDA-NCSS的土壤调查数据

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。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。