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。
// 世界边界数据
var worldcountries = ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017');
var filterCountry = ee.Filter.eq('country_na', 'Italy');
var italy = worldcountries.filter(filterCountry);
// 裁剪函数
function clip(Image){
return Image.clip(italy)
}
// 加载数据集
var esri_lulc10 = ee.ImageCollection("projects/sat-io/open-datasets/landcover/ESRI_Global-LULC_10m").map(clip)
// 定义字典和相应的颜色
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"
]};
// 加载影像到地图上,这里的颜色用的就是上面定义的字典
Map.addLayer(italy, {}, 'USDOS/LSIB/2017');
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¶
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 | 水 | #1A5BAB |
3 | 树木 | #358221 |
4 | 草 | #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 | 云 | #C8C8C8 |