数据简介

      今天我们分享的数据是全球混合土地覆盖图,该数据包含土地覆盖分类的置信度或概率信息以及最终的土地覆盖分类结果,其中有17种,原始数据为全球的土地覆盖数据,为便于使用,我们将其裁剪为中国区域、各省以及各市的范围,方便大家研究使用。

       该土地覆盖数据通过17类精细化分类(如森林、农田、城市等),为全球尺度的环境研究提供了关键基础数据。其价值在于支持气候变化分析(如碳循环模拟)、生态系统监测(如植被动态)及人类活动影响评估(如城市化扩张)。该数据的时间序列特性(如MODIS产品)还能揭示长期土地利用变化趋势,为可持续发展政策制定和生物多样性保护提供科学依据。研究可进一步结合多源遥感数据提升分类精度,或探索其在生态模型中的耦合应用。

数据详情

数据来源:Zaichun Zhu, Yuhang Luo, Weiqing Zhao, Muyi Li, Jun Chen, & Pengjun Zhao. (2024). HYBMAP: Global hybrid land-cover maps from 2000 to 2020 with a resolution of approximately 1 km. https://doi.org/10.5281/zenodo.10488191

数据精度:1km

数据时间:2001-2020

数据频度:年

数据范围:全球,中国,省,市

数据格式:Tif

数据概览

最终的土地覆盖分类数据共有17种类型,其具体类型和解释如下:

图片

原始数据为全球的土地覆盖,为便于使用,我们将最终的土地覆盖数据裁剪为中国区域,各省,各市范围,数据概览如下:

图片

全球土地覆盖类型图

图片

中国土地覆盖类型图

图片

四川省土地覆盖类型图

图片

成都市土地覆盖类型图

参考文献

[1]Zaichun Zhu, Yuhang Luo, Weiqing Zhao, Muyi Li, Jun Chen, & Pengjun Zhao. (2024). HYBMAP: Global hybrid land-cover maps from 2000 to 2020 with a resolution of approximately 1 km. https://doi.org/10.5281/zenodo.10488191

获取方式

后台发送数据编号D202

Logo

魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。

更多推荐