Loading [MathJax]/jax/output/CommonHTML/config.js
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >GEE调用中国(China Land Cover Dataset,简称CLCD)1990-2022年30米分辨率的土地分类数据

GEE调用中国(China Land Cover Dataset,简称CLCD)1990-2022年30米分辨率的土地分类数据

作者头像
此星光明
发布于 2024-08-14 06:26:58
发布于 2024-08-14 06:26:58
1K04
代码可运行
举报
运行总次数:4
代码可运行

简介

中国陆地覆盖数据集(China Land Cover Dataset,简称CLCD)是一个用于描述中国陆地覆盖类型和空间分布的数据集。该数据集由中国科学院遥感与数字地球研究所和国土资源部空间信息工程国家重点实验室联合开发,并定期更新。

CLCD数据集使用遥感影像和地理信息系统技术,结合人工解译和算法分类方法,对中国的土地覆盖进行了精确的分类和分析。它提供了具有高空间分辨率和详细分类信息的中国陆地覆盖地图。目前,CLCD数据集包含了九类主要的陆地覆盖类型,包括耕地、林地、草地、水域、城市、湿地、沙地、裸地和冰雪。

CLCD数据集具有以下特点和优势: 1. 高空间分辨率:CLCD数据集的空间分辨率可达30米,能够提供细致的地表覆盖信息。 2. 详细分类信息:CLCD数据集将陆地覆盖类型细分为多个分类,具有更精确的分类信息。 3. 定期更新:CLCD数据集会定期进行更新,以保持数据的及时性和准确性。 4. 数据共享:CLCD数据集是开放获取的,可以供科研机构、政府部门和公众使用。

CLCD数据集在土地利用规划、环境保护、自然资源管理等领域具有广泛的应用价值。它能够帮助研究人员和决策者了解中国的土地覆盖状况,分析和监测土地利用变化,制定合理的土地管理策略。

代码:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
var roi = 
    /* color: #d63000 */
    /* displayProperties: [
      {
        "type": "rectangle"
      }
    ] */
    ee.Geometry.Polygon(
        [[[112.22429545674703, 39.60788768067816],
          [112.22429545674703, 39.44741242385019],
          [112.42616923604389, 39.44741242385019],
          [112.42616923604389, 39.60788768067816]]], null, false);
// var table = ee.FeatureCollection("projects/ee-bqt2000204051/assets/ANTAIBAO/Antaibao_SHP");
// var roi = table;
Map.centerObject(roi);
/*****************************************************************
The first way to upload the LULC dataset in China using each image
from the Directory: projects/lulc-datase/assets/LULC_HuangXin/
The time spans from 1990 to 2022.
*****************************************************************/
var srcFolder = 'projects/lulc-datase/assets/LULC_HuangXin/';
var imgList = ee.List([]);
for(var year = 1990; year<=2022;year++){
  var tmpImg = ee.Image(srcFolder+'CLCD_v01_'+year);
  imgList =  imgList.add(tmpImg);
}
var imgList = ee.ImageCollection.fromImages(imgList);
print("imgList",imgList);
Map.addLayer(imgList.first().selfMask().randomVisualizer(), null, 'CLCD_1990');

结果

下面是1990年的土地分类结果

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2024-08-11,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
中国30米年度土地覆盖产品annual China Land Cover Dataset, CLCD
中国30米年度土地覆盖产品(annual China Land Cover Dataset, CLCD)是基于三十万景Landsat影像,结合现有产品自动稳定样本和目视解译样本生产获得。前言 – 人工智能教程 该数据集基于5463个独立参考样本,产品整体精度为79.31% 。该数据集反映了中国快速的城市化和一系列生态工程,揭示了在气候变化下人类活动对区域地表覆盖的影响。
此星光明
2024/07/20
1.2K0
中国30米年度土地覆盖产品annual China Land Cover Dataset, CLCD
GEE数据集——GLC_FCS30D - 全球 30 米土地覆被变化数据集(1985-2022 年)
注 本数据集是正在提交的论文的一部分,因此没有引用和 DOI 信息。请在使用本数据集时注意这一点。
此星光明
2024/05/24
8700
GEE数据集——GLC_FCS30D - 全球 30 米土地覆被变化数据集(1985-2022 年)
环境遥感特刊概要:基于GEE的遥感土地变化研究
Wang, Le; Diao, Chunyuan; Xian, George; Yin, Dameng; Lu, Ying; Zou, Shengyuan; Erickson, Tyler A. (2020). A summary of the special issue on remote sensing of land change science with Google earth engine. Remote Sensing of Environment, 248(2020), 112002. doi:10.1016/j.rse.2020.112002
遥感大数据学习
2022/09/20
1.2K0
环境遥感特刊概要:基于GEE的遥感土地变化研究
全球土地利用数据ESRI 10m Land Cover 2020 in GEE(Google Earth Engine)
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。
此星光明
2024/02/02
1K0
全球土地利用数据ESRI 10m Land Cover 2020 in GEE(Google Earth Engine)
1990-2021 年30 米全球年度烧毁面积地图 (GABAM)
迄今为止,全球烧毁面积(BA)产品只有较高的空间分辨率,因为目前大多数全球烧毁面积产品都是在主动火灾探测或密集时间序列变化分析的帮助下生成的,这需要非常高的时间分辨率。不过,在本研究中,我们将重点放在基于陆地卫星图像的全球烧毁面积自动测绘方法上。通过利用庞大的卫星图像目录以及谷歌地球引擎的高性能计算能力,我们提出了一种自动流水线,从时间序列的陆地卫星图像中生成 30 米分辨率的全球尺度年度烧毁面积地图,并发布了新颖的 30 米分辨率 2015 年全球年度烧毁面积地图(GABAM 2015)。前言 – 人工智能教程
此星光明
2024/02/17
3890
GEE数据集:2000 年至 2022 年全球耕地草地的年概率分布图( 30 米的空间分辨率)
该数据集以 30 米的空间分辨率提供了 2000 年至 2022 年全球耕地草地的年概率图。 由土地与碳实验室全球牧场观察计划制作,绘制的草地范围包括任何土地覆被类型,其中包含至少 30% 的干性或湿性低植被,以禾本科和草本植物为主(小于 3 米),以及:最多 50% 的树冠覆盖(大于 5 米)、最多 70% 的其他木本植被(灌丛和开阔灌木地),以及在耕地和其他植被的镶嵌景观中最多 50% 的有效耕地覆盖。
此星光明
2025/02/02
1480
GEE数据集:2000 年至 2022 年全球耕地草地的年概率分布图( 30 米的空间分辨率)
Google Earth Engine(GEE)——全球土地覆盖10米的更精细分辨率观测和监测数据集(FROM-GLC10)
全球土地覆盖10米的更精细分辨率观测和监测(FROM-GLC10) 这项工作和论文的目的是对2017年用不同卫星上的传感器获取的10米分辨率图像进行分类。我们通过10米分辨率的地图FROM-GLC10进行检查,并与我们2017年30米全球土地覆盖地图FROM-GLC30进行比较。我们发现,虽然结果是可比的,但10米地图确实提供了更多的空间细节。虽然达到了与30米分辨率数据相当的总体精度,但10米分辨率地图的实际精度只能通过从10米分辨率数据中收集的测试样本来正确评估。您可以在这里阅读该论文
此星光明
2024/09/27
3610
Google Earth Engine(GEE)——全球土地覆盖10米的更精细分辨率观测和监测数据集(FROM-GLC10)
GEE好文推荐——利用样本点迁移方法快速实现全球范围内1984年至今基于Landsat影像的土地分类
在本研究中,我们在 GEE 中实施了射频分类器,利用 Landsat-8 和 Sentinel-2 数据集对 2022 年植被生长季节的不同空间尺度进行了时间序列土地分类。我们的首要目标是利用多源遥感变量构建的不同土地分类模型,为时间序列数据集建立一个高效、准确和通用的土地分类模型,并根据未发生土地分类变化的样本点图像值差异,确定土地分类样本点和迁移阈值。我们的目标是 (1) 确定基于土地分类无变化的样点迁移阈值;(2) 根据阈值分析使用陆地卫星遥感图像和高精度哨兵图像的 36 年时间序列制作的土地分类模型的准确性;(3) 确定基于多源遥感变量不同组合的最佳射频土地分类模型,并比较图像分辨率对分类准确性的影响。
此星光明
2024/02/02
6030
GEE好文推荐——利用样本点迁移方法快速实现全球范围内1984年至今基于Landsat影像的土地分类
2000 年至 2022 年全球天然/半天然草地的年度概率图, 30 米的空间分辨率
该数据集以 30 米的空间分辨率提供了 2000 年至 2022 年全球天然/半天然草地的年度概率图。 由土地与碳实验室全球牧场观察计划制作,绘制的草地范围包括任何土地覆被类型,其中包含至少 30% 以禾本科和草本植物为主的干性或湿性低植被(小于 3 米),以及:最多 50% 的树冠覆盖(大于 5 米)、最多 70% 的其他木本植被(灌丛和开阔灌木地),以及在耕地和其他植被的镶嵌景观中最多 50% 的有效耕地覆盖。 草地范围分为两类:人工草地: 有意种植和管理草类和其他饲料植物的区域,以及明显表现出为人类特定用途(如放牧)而进行积极和繁重管理的原生草地植被区域。 天然/半天然草地: 相对未受干扰的原生草地/矮高植被,如草原和苔原,以及过去经历过不同程度人类活动的区域,由于历史上的土地使用和自然过程,这些区域可能混合了原生和外来物种。 一般来说,这些地区呈现出自然的植被变化模式,整个地貌中的水文关系清晰有序。 实施的方法考虑到了 GLAD Landsat ARD-2 图像),以及气候、地貌和邻近协变量、时空机器学习(每类随机森林)和超过 230 万个参考样本(在甚高分辨率图像中可视化解读)。 使用自定义概率阈值(基于五倍空间交叉验证以及平衡的精度和召回值)得出优势类图,耕地和天然/半天然草地概率阈值分别为 0.32 和 0.42。 局限性: 非洲东南部(津巴布韦和莫桑比克)和澳大利亚东部(穆尔加生态区的灌木林地和林地)的草地范围部分预测不足。 在非洲北部、阿拉伯半岛、澳大利亚西部、新西兰、玻利维亚中部和马托格罗索州(巴西)的部分地区,耕地被误划为草原。 由于大地遥感卫星 7 SLC 的故障,在地块层面可以看到草地概率的规则条纹,尤其是在 2012 年。 在乌拉圭、阿根廷西南部、安哥拉南部和非洲萨赫勒地区,较粗分辨率图层(可达性地图和 MODIS 产品)的使用引入了曲线宏观误差(由于基于立方平分的降尺度策略)。 用户需要了解这些局限性和已知问题;同时仔细考虑这些问题,以确保在初始预测阶段适当使用地图。 GPW 正在积极通过 Geo-Wiki 平台收集系统反馈,验证当前版本并改进数据集的未来版本。
此星光明
2025/02/02
920
2000 年至 2022 年全球天然/半天然草地的年度概率图, 30 米的空间分辨率
2000 年至 2022 年全球草地(栽培草地和天然/半天然草地)的年度优势等级图,30 米的空间分辨率
该数据集以 30 米的空间分辨率提供了 2000 年至 2022 年全球草地(栽培草地和天然/半天然草地)的年度优势等级图。
此星光明
2025/02/02
1030
2000 年至 2022 年全球草地(栽培草地和天然/半天然草地)的年度优势等级图,30 米的空间分辨率
Google Earth Engine (GEE) ——全球海岸线数全球海岸线数据集30米分辨率
全球海岸线数据集 一个新的30米空间分辨率的全球海岸线矢量(GSV)是由2014年Landsat卫星图像的年度合成物开发的。图像的半自动分类是通过手动选择代表整个全球海岸线上的水和非水类别的训练点来完成的。多边形拓扑结构被应用于GSV,从而对全球岛屿的数量和大小进行了新的描述。绘制了三种规模的岛屿:大陆主岛(5),大于1平方公里的岛屿(21,818),以及小于1平方公里的岛屿(318,868)。GSV代表了海岸带陆地和水的界面边界,是陆地和海洋环境之间的一个空间上明确的生态域分离器。本文介绍了GSV的发展和特点。还提出了一种划定标准化、高空间分辨率的全球生态海岸单元(ECU)的方法。在这个沿海生态系统测绘工作中,将使用GSV将近岸的沿海水域与近岸的沿海陆地分开。制作GSV和ECU的工作是由地球观测小组(GEO)委托进行的,并与GEO的一些倡议有关,包括GEO生态系统、GEO海洋生物多样性观测网络(MBON)和GEO蓝色星球。
此星光明
2024/02/02
6910
Google Earth Engine (GEE) ——全球海岸线数全球海岸线数据集30米分辨率
GLanCE30 v001全球土地分类数据集,分辨率 30 m
NASA 制作用于研究环境的地球系统数据记录 (MEaSURE) 全球土地覆盖绘图和估算 (GLanCE)每年30米(m)版本1数据产品提供来自Landsat 5专题制图器(TM)、Landsat 7增强型专题制图器Plus( ETM+)和 Landsat 8 运行陆地成像仪 (OLI)。这些地图为用户社区提供土地覆盖类型、土地覆盖变化、表征每个像素绿化程度和季节性的指标以及变化幅度。 GLanCE 数据产品将使用一组七个大陆网格提供,这些网格使用参数化的兰伯特方位角等面积投影,以最大限度地减少每个大陆的失真。目前,北美和欧洲大陆均可用。该数据集可用于广泛的应用,包括生态系统、气候和水文建模;监测陆地生态系统对气候变化的反应;碳核算;和土地管理。
此星光明
2024/02/02
2890
GLanCE30 v001全球土地分类数据集,分辨率 30 m
2019 年覆盖非洲大陆的超高分辨率森林覆盖数据集
非洲树木覆盖高分辨率地图 该数据集利用通过挪威国际气候和森林倡议(NICFI)计划在热带地区获得的纳卫星星座高分辨率卫星图像。该数据集的主要目标是在非洲大陆范围内全面绘制森林和非森林树木图,超越以往绘制大尺度木本植被图的精度。前言 – 人工智能教程
此星光明
2024/02/18
4130
GEE数据集—— 2020 年全球森林覆盖图10 米的空间分辨率
欧洲共同体联合研究中心的全球森林覆盖图以 10 米的空间分辨率提供了 2020 年森林存在和不存在的明确空间表示。
此星光明
2024/05/24
3200
GEE数据集—— 2020 年全球森林覆盖图10 米的空间分辨率
1984 年至 2014 年期间每年北极寒带脆弱性实验(ABoVE)核心域的年度土地覆被分类
ABoVE: Landsat-derived Annual Dominant Land Cover Across ABoVE Core Domain, 1984-2014
此星光明
2025/02/07
1090
1984 年至 2014 年期间每年北极寒带脆弱性实验(ABoVE)核心域的年度土地覆被分类
GEE数据集:2001年-2019年全球土地覆被估算(GLanCE)
全球土地覆被估算(GLanCE)数据集利用 30 米空间分辨率的大地遥感卫星图像,提供了 2001 年至 2019 年期间每年土地覆被和土地覆被变化的高质量长期记录。 该数据集涵盖除南极洲以外的全球所有陆地区域,包括 10 个科学数据集(SDS),用于跟踪土地覆被、土地覆被变化和绿化动态。 连续变化探测和分类(CCDC)算法用于根据所有可用的、清晰的大地遥感卫星观测数据识别土地覆被和变化。
此星光明
2024/10/24
3290
GEE数据集:2001年-2019年全球土地覆被估算(GLanCE)
航天宏图——宏图1号样例数据0.5米-5米分辨率(上海部分)
作为航天宏图“女娲星座”建设计划的首发卫星,航天宏图-1号可获取0.5米-5米的分辨率影像,具备高精度地形测绘、高精度形变检测、高分辨率宽幅成像以及三维立体成像等能力,在自然资源、应急管理、水利等行业与领域具有极高的应用价值。
此星光明
2024/02/02
3810
航天宏图——宏图1号样例数据0.5米-5米分辨率(上海部分)
数据分享 | 中山大学发布全球2000年—2015年30m分辨率逐年土地覆盖数据
GEE数据访问链接: https://code.earthengine.google.com/?asset=users/xxc/GLC_2000_2015 1.数据产品概述 研究学者借助Google
遥感大数据学习
2022/09/20
2.1K0
数据分享 | 中山大学发布全球2000年—2015年30m分辨率逐年土地覆盖数据
1990-2021 年全球油棕面积和种植年份数据集
该数据集利用 2016 年至 2021 年的哨兵-1 号数据,以 10 米的分辨率提供了油棕种植园的全球综合地图,包括工业用地和小农地块。此外,该数据集还包括根据 Landsat-5、-7 和-8 图像得出的 1990 年至 2021 年 30 米空间分辨率的种植年份估计值。该数据集旨在通过提供有关全球油棕种植园范围和树龄的最新详细信息,为环境监测和政策讨论提供支持。您可在此阅读预印本。
此星光明
2024/05/28
2460
1990-2021 年全球油棕面积和种植年份数据集
中国净初级生产力年度合成产品NPP(MYD17A3H.006)
中国净初级生产力年度合成产品NPP(MYD17A3H.006)由航天宏图实验室提供,根据NASA MODIS数据(MYD17A3H.006)通过航天宏图 Smoother计算得到的平滑后NPP产品,解决了影像云雾覆盖、像元异常值等问题。对处理后的覆盖中国区域的影像结果镶嵌,生成了分辨率为500米的年合成产品。前言 – 人工智能教程
此星光明
2024/02/02
3230
推荐阅读
中国30米年度土地覆盖产品annual China Land Cover Dataset, CLCD
1.2K0
GEE数据集——GLC_FCS30D - 全球 30 米土地覆被变化数据集(1985-2022 年)
8700
环境遥感特刊概要:基于GEE的遥感土地变化研究
1.2K0
全球土地利用数据ESRI 10m Land Cover 2020 in GEE(Google Earth Engine)
1K0
1990-2021 年30 米全球年度烧毁面积地图 (GABAM)
3890
GEE数据集:2000 年至 2022 年全球耕地草地的年概率分布图( 30 米的空间分辨率)
1480
Google Earth Engine(GEE)——全球土地覆盖10米的更精细分辨率观测和监测数据集(FROM-GLC10)
3610
GEE好文推荐——利用样本点迁移方法快速实现全球范围内1984年至今基于Landsat影像的土地分类
6030
2000 年至 2022 年全球天然/半天然草地的年度概率图, 30 米的空间分辨率
920
2000 年至 2022 年全球草地(栽培草地和天然/半天然草地)的年度优势等级图,30 米的空间分辨率
1030
Google Earth Engine (GEE) ——全球海岸线数全球海岸线数据集30米分辨率
6910
GLanCE30 v001全球土地分类数据集,分辨率 30 m
2890
2019 年覆盖非洲大陆的超高分辨率森林覆盖数据集
4130
GEE数据集—— 2020 年全球森林覆盖图10 米的空间分辨率
3200
1984 年至 2014 年期间每年北极寒带脆弱性实验(ABoVE)核心域的年度土地覆被分类
1090
GEE数据集:2001年-2019年全球土地覆被估算(GLanCE)
3290
航天宏图——宏图1号样例数据0.5米-5米分辨率(上海部分)
3810
数据分享 | 中山大学发布全球2000年—2015年30m分辨率逐年土地覆盖数据
2.1K0
1990-2021 年全球油棕面积和种植年份数据集
2460
中国净初级生产力年度合成产品NPP(MYD17A3H.006)
3230
相关推荐
中国30米年度土地覆盖产品annual China Land Cover Dataset, CLCD
更多 >
领券
一站式MCP教程库,解锁AI应用新玩法
涵盖代码开发、场景应用、自动测试全流程,助你从零构建专属AI助手
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验