GEE数据集——GLC_FCS30D - 全球 30 米土地覆被变化数据集(1985-2022 年)

GLC_FCS30D - 全球 30 米土地覆被变化数据集(1985-2022 年)



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。

GLC_FCS30D 数据集是全球土地覆被监测领域的一项开创性进展,它以 30 米的分辨率全面揭示了从 1985 年到 2022 年期间的土地覆被动态。GLC_FCS30D 采用连续变化探测方法开发,利用了谷歌地球引擎平台中大量的陆地卫星图像档案,包括 35 个土地覆被子类别和 26 个时间步长,2000 年之前每五年更新一次,之后每年更新一次。通过严格的完善过程,包括时空分类和时间一致性优化,该数据集实现了高置信度的准确性,经过 84,000 多个全球样本的验证,总体准确率达到 80.88%。值得注意的是,GLC_FCS30D 阐明了重要趋势,揭示了森林和耕地变化是过去 37 年全球土地覆被变化的主要驱动因素,森林净损失约 250 万平方公里,耕地面积净增加约 130 万平方公里。GLC_FCS30D 具有多样化的分类系统、高空间分辨率和广泛的时间覆盖范围,是气候变化研究和可持续发展分析的宝贵资源。前言 – 人工智能教程

 

GLC_FCS30D 是首个采用连续变化探测技术的 30 米分辨率全球精细土地覆被动态产品。它采用了一套包含 35 个土地覆被类别的精细分类系统,时间跨度为 1985 年至 2022 年。2000 年之前,更新周期为每 5 年一次,2000 年之后,更新周期为每年一次。具体而言,该系统结合了连续变化检测方法、局部自适应更新模型和来自密集时间序列大地遥感卫星图像的时空优化算法,经过验证,基本分类系统(10 个主要土地覆被类型)的总体精度为 80.88%(±0.27%),LCCS 一级验证系统(17 个 LCCS 土地覆被类型)的总体精度为 73.24%(±0.30%)。

数据链接

GLC_FCS30D: the first global 30-m land-cover dynamic monitoring product with fine classification system from 1985 to 2022

土地分类类型

展开以显示土地覆被等级、RGB 值和十六进制代码

LC IdClassification SystemRGB valueColor
10Rainfed cropland(255,255,100)
11Herbaceous cover cropland(255,255,100)
12Tree or shrub cover (Orchard) cropland(255,255,0)
20Irrigated cropland(170,240,240)
51Open evergreen broadleaved forest(76,115,0)
52Closed evergreen broadleaved forest(0,100,0)
61Open deciduous broadleaved forest (0.15<fc<0.4)(170,200,0)
62Closed deciduous broadleaved forest (fc>0.4)(0,160,0)
71Open evergreen needle-leaved forest (0.15< fc <0.4)(0,80,0)
72Closed evergreen needle-leaved forest (fc >0.4)(0,60,0)
81Open deciduous needle-leaved forest (0.15< fc <0.4)(40,100,0)
82Closed deciduous needle-leaved forest (fc >0.4)(40,80,0)
91Open mixed leaf forest (broadleaved and needle-leaved)(160,180,50)
92Closed mixed leaf forest (broadleaved and needle-leaved)(120,130,0)
120Shrubland(150,100,0)
121Evergreen shrubland(150,75,0)
122Deciduous shrubland(150,100,0)
130Grassland(255,180,50)
140Lichens and mosses(255,220,210)
150Sparse vegetation (fc<0.15)(255,235,175)
152Sparse shrubland (fc<0.15)(255,210,120)
153Sparse herbaceous (fc<0.15)(255,235,175)
181Swamp(0,168,132)
182Marsh(115,255,223)
183Flooded flat(158,187,215)
184Saline(130,130,130)
185Mangrove(245,122,182)
186Salt marsh(102,205,171)
187Tidal flat(68,79,137)
190Impervious surfaces(195,20,0)
200Bare areas(255,245,215)
201Consolidated bare areas(220,220,220)
202Unconsolidated bare areas(255,245,215)
210Water body(0,70,200)
220Permanent ice and snow(255,255,255)
0, 250Filled value(255,255,255)

 数据集后处理


数据集由约 961 个图层组成,年度图层由约 23 年的图像组成,每个波段代表从 2000 年开始的一年,5 年图层从 1985 年开始,3 个波段代表 5 年的间隔,因此 1985-1990 年为 b1,1990-1995 年为 b2,1990-2000 年为 b3。

论文引用

Zhang, X., Zhao, T., Xu, H., Liu, W., Wang, J., Chen, X., and Liu, L.: GLC_FCS30D: The first global 30-m land-cover dynamic monitoring product with
a fine classification system from 1985 to 2022 using dense time-series Landsat imagery and continuous change-detection method, Earth Syst. Sci. Data
Discuss. [preprint], https://doi.org/10.5194/essd-2023-320, in review, 2023.

数据引用

Liangyun Liu, Xiao Zhang, & Tingting Zhao. (2023). GLC_FCS30D: the first global 30-m land-cover dynamic monitoring product with fine classification
system from 1985 to 2022 [Data set]. Zenodo. https://doi.org/10.5281/zenodo.8239305

数据集代码

var annual = ee.ImageCollection("projects/sat-io/open-datasets/GLC-FCS30D/annual");
var five_year = ee.ImageCollection("projects/sat-io/open-datasets/GLC-FCS30D/five-years-map");

代码链接

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:global-landuse-landcover/GLC-FCS30D

License¶

This work is licensed under and freely available to the public under Creative Commons Attribution 4.0 International license.

Created by: Zhang et al. 2023

Curated in GEE by : Samapriya Roy

Keywords: GLC_FCS30D, 1985-2022, Land-cover change, Landsat, change detection, Google Earth Engine

Last updated in GEE: 2024-02-20

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/713900.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

SpringBoot 整合WebService

文章目录 WebService1.简单介绍WebService1.1. 类型1.2. 架构1.3. 主要特点1.4. 使用场景1.5. Web服务标准和技术 2.案例-WebServiceDemo2.1.引入配置文件2.2.创建接口2.3.创建接口实现类2.4.创建WebService配置类2.5.测试 WebService Web服务&#xff08;Web Services&#xf…

2024年腾讯云优惠券/代金券领取三个方法整理(收藏级)

腾讯云代金券领取渠道有哪些&#xff1f;腾讯云官网可以领取、官方媒体账号可以领取代金券、完成任务可以领取代金券&#xff0c;大家也可以在腾讯云百科蹲守代金券&#xff0c;因为腾讯云代金券领取渠道比较分散&#xff0c;腾讯云百科txybk.com专注汇总优惠代金券领取页面&am…

CentOS系统上安装幻兽帕鲁/Palworld服务端的详细步骤是什么?

CentOS系统上安装幻兽帕鲁/Palworld服务端的详细步骤是什么&#xff1f; 首先&#xff0c;需要确认Docker是否已经安装。如果未安装&#xff0c;则需要进行安装。接下来&#xff0c;运行Docker容器。这一步是为了创建一个可以运行幻兽帕鲁服务端的环境。然后&#xff0c;在容器…

民爆5G智能制造工厂数字孪生可视化平台,推进民爆工业数字化转型

民爆5G工厂智能制造数字孪生可视化平台&#xff0c;推进行业数字化转型。民爆行业作为国家经济发展的重要支柱产业&#xff0c;其数字化转型对于提高生产效率、降低成本、保障安全等方面具有重要意义。而民爆5G工厂智能制造数字孪生可视化平台正是推进行业数字化转型的关键技术…

Flutter中Future和Stream关系

Future和Stream类是Dart异步编程的核心。 Future 表示一个不会立即完成的计算过程。与普通函数直接返回结果不同的是异步函数返回一个将会包含结果的 Future。该 Future 会在结果准备好时通知调用者。 Stream 是一系列异步事件的序列。其类似于一个异步的 Iterable&#xff0c;…

AutoEncoder和 Denoising AutoEncoder学习笔记

参考&#xff1a; 【1】 https://lilianweng.github.io/posts/2018-08-12-vae/ 写在前面&#xff1a; 只是直觉上的认识&#xff0c;并没有数学推导。后面会写一篇&#xff08;抄&#xff09;大一统文章&#xff08;概率角度理解为什么AE要选择MSE Loss&#xff09; TOC 1 Au…

1907_Arm Cortex-M3的基本了解

1907_Arm Cortex-M3的基本了解 全部学习汇总&#xff1a; g_arm_cores: ARM内核的学习笔记 (gitee.com) 我发现Arm Coretex-M3有一个专门的DataSheet&#xff0c;看起来这个的确是被当做了一个设计的产品来对待的。正好&#xff0c;基于这个文件来看看M3具备哪些基本的特性&…

GO—变量

Go语言是静态类型语言&#xff0c;因此变量&#xff08;variable&#xff09;是有明确类型的&#xff0c;编译器也会检查变量类型的正确性。 我们从计算机系统的角度来讲&#xff0c;变量就是一段或者多段内存&#xff0c;用于存储数据 1.1 标准格式 var 变量名 变量类型 1 …

vue 使用vue-scroller 列表滑动到底部加载更多数据

安装插件 npm install vue-scroller -dmain.js import VueScroller from vue-scroller Vue.use(VueScroller)<template><div class"wrap"><div class"footer"><div class"btn" click"open true">新增</d…

多层控制上身姿态的方法

1选择要施加的clip并调出层控制窗口 2点选motion层控制 3选择并复制pose&#xff08;注意在哪个层中选中的情况下复制的是那个层中的pose&#xff09; 4在新建层中分别选择头帧粘贴pose和尾帧粘贴pose因是上半身&#xff0c;因此mask中把下半身去掉即变灰

提升工作能力的方法

1.接受工作&#xff0c;只问标准 2.请示工作&#xff0c;必带方案&#xff1b; 3.汇报工作&#xff0c;突出成果&#xff1b; 4.分享工作&#xff0c;细说流程&#xff1b; 5.复盘工作&#xff0c;总结SOP 如果能这么做&#xff0c;那将是一个非常通透的高手&#xff0c;所以高…

如何使用 takeUntil RxJS 操作符来声明性地管理订阅

简介 Angular 处理取消订阅可观察对象的操作&#xff0c;比如从 HTTP 服务返回的可观察对象或者使用 async 管道时。然而&#xff0c;对于其他情况&#xff0c;管理所有订阅并确保取消长期存在的订阅可能会变得困难。而且&#xff0c;取消大部分订阅的策略也会带来自己的问题。…

2024年春招小红书前端实习面试题分享

文章目录 导文面试重点一、方便介绍一下&#xff0c;你之前实习都做了什么嘛&#xff1f;二、 可以讲一下封装组件相关逻辑嘛&#xff1f;1. 为什么要封装组件&#xff1f;2. 封装组件的步骤3. 封装组件的原则4. 组件的复用和扩展5. 组件的维护和文档 三、项目的性能优化你有什…

python数据结构学习系列

在Python编程中&#xff0c;数据结构是组织、管理和存储数据的方式&#xff0c;以便能够有效地执行特定的操作。数据结构的选择对于算法的效率、代码的清晰度和可维护性都至关重要。以下是对Python中常见数据结构的学习总结。 列表&#xff08;List&#xff09; 列表是Python中…

selenium测试工具用来模拟用户浏览器的操作

执行JS的类库&#xff1a;execjs&#xff0c;PyV8&#xff0c;selenium&#xff0c;node pip list pip install selenium pip install xlrd pip install xlwt pip install PyExecJS pip install xlutils selenium测试工具可以用来模拟用户浏览器的操作&#xff0c;其支持的浏览…

能当老板的AI大模型多智体框架MetaGPT自动完成项目

能当老板的AI大模型多智体框架MetaGPT自动完成项目。 MetaGPT是一个创新的多智能体框架&#xff0c;它结合了大语言模型&#xff08;LLM&#xff09;和多智能体协作系统&#xff0c;旨在通过模拟人类工作流程来解决复杂问题。这个框架的核心在于将标准化操作程序&#xff08;SO…

Redis学习路径(构建体系)

学习路径 掌握数据类型&#xff08;分析底层数据结构&#xff09;和缓存的基本使用 (理论使用) 掌握 redis 实现高性能&#xff0c;高可靠、高可用技术 &#xff08;理论&#xff09;学习redis源代码底层实现 (底层实现) 先来一个引言&#xff0c;比较宏观的角度&#xf…

Linux常用操作命令

Linux作为一种广泛应用的操作系统&#xff0c;其强大的命令行工具使得用户能够高效地管理文件、处理数据和监控系统。在本文中&#xff0c;我们将深入 探讨一些常用的Linux操作命令及其用法。 ls&#xff1a;列出当前目录下的文件和子目录。 ls [选项] [文件或目录]常用选项&am…

Python实现MACD工具判断信号:股票技术分析的工具系列(1)

Python实现MACD工具判断信号&#xff1a;股票技术分析的工具系列&#xff08;1&#xff09; 介绍代码rolling函数介绍核心代码计算指数移动平均值计算MACD指标 完整代码 介绍 先看看官方介绍&#xff1a; MACD (平滑异同平均线&#xff09; 指标说明 DIF线&#xff1a;收盘价短…

#单片机(TB6600驱动42步进电机)

1.IDE:keil 2.设备:保密 3.实验&#xff1a;使用单片机通过普通IO口控制TB6600驱动42步进电机 4.时序图&#xff1a; TB6600 ENA、ENA-DIR-、DIRPUL-、PULB-、BA、A-VCC、GND使能电机&#xff08;直接悬空不接&#xff09;方向脉冲输入&#xff08;普通IO口模拟即可&#xff…