土地覆盖/土地利用简介及数据集

2023-05-16

1 简介

土地覆盖:地球表面当前所具有的自然和人为影响所形成的覆盖物,是地球表面的自然状态,如森林、草场、农田、土壤、冰川、湖泊、沼泽湿地及道路等。

土地利用:是人类在生产活动中为达到一定的经济效益、社会效益和生态效益,对土地资源的开发、经营、使用方式的总称。

两者的区别:

• 土地利用表示与土地相结合的人类活动而产生的不同利用方式,反映土地的社会和经济属性

• 土地覆盖表示地球表面存在的不同类型的覆盖特征,强调的是土地的表面形状,反映土地的自然属性

土地利用/土地覆盖分类系统

LULC分类系统是根据人类土地利用行为的目的、方式等不同,将一定时期的土地利用行为分为若干种类型,由这些类型组成的有一定结构关系的系统框架(包括类型名称、识别标准、类型之间的联系等)。一般采用分级结构

可参考文献:http://sourcedb.igsnrr.cas.cn/zw/lw/201112/P020111207607064684999.pdf

 可用来进行土地利用/土地覆盖分类的遥感信息源选取:

主要使用空间分辨率为米级至1公里的可见光及近红外波段遥感数据.如GF-1、GF-2、HJ-1A/B、ZY-1 02C、IKONOS、Landsat-TM 、MSS、CEBERS、SPOT–HRV、NOAA-AVHRR及MODIS等。

分类方法

• 目视解译定性分析方法

• 计算机自动分类方法

  1)土地覆盖非监督分类

  2)土地覆盖监督分类

土地覆盖分类结果精度检验(混淆矩阵)

 

 

总体精度: 分类结果与地面实际类型相一致的概率.

用户精度(第i类): 从分类结果中任取一个随机样本,其所具有的类型与地面实际类型相同的条件概率.

制图精度(第j类): 相对于地面获得的实际资料中的任取一个随机样本,分类图上同一地点的分类结果与其相一致的条件概率.

漏分误差(omission): 对于地面观测的某种类型, 在分类图上任取一样本, 其被错划分为其他不同类型的概率(实际的某类地物被误分到其他类型的概率).

错分误差(comission): 对于所分出的某一类型上任取一样本, 它与实际地面观测类型不同的概率.(图像上被划分为某一类地物实际上有多少应该是别的类别).

Kappa系数(可用来测定两幅图间的吻合度或精度):

 

2 数据集

ISLSCP II IGBP DISCover and SiB Land Cover, 1992-1993 (IGBP全球GLCC土地覆盖数据(1992年))(全球0.25°、0.5°、1°分辨率)

https://daac.ornl.gov/ISLSCP_II/guides/edc_landcover_xdeg.html

此数据集提供了基于国际地圈生物圈计划数据和信息系统的17中土地覆盖类型 International Geosphere-Biosphere Program Data and Information System's (IGBP-DIS) DISCover 土地覆盖的地理分布和 USGS Earth Resources Observed and Science (EROS) Data Center (EDC) 处理简单生物圈 Simple Biosphere(SiB) 模型得到的15 中类型,有六个压缩文件, 空间分辨率为0.25°、0.5°、1°, 数据格式是标准 ESRI ArcGIS ArcInfo ASCII Grid format

这项研究的目的是使用一整年的数据(1992年4月至1993年3月),从1km AVHRR数据中绘制出一张土地覆盖图。 该专题图已被重新采样为0.25、0.5和1.0度的网格,以用于国际卫星陆地表面气候项目(ISLSCP)数据计划II。 在此重新处理过程中,原始的EDC土地覆盖类型和比例图已进行调整,以匹配ISLSCP II土地/水面罩的水/土地比例。 这些地图是供全球建模人员和其他人使用的。

美国马里兰大学1km分辨率土地覆盖数据 UMD Land Cover Classification 1998 

http://app.earth-observer.org/data/basemaps/images/global/LandCover_512/LandCoverUMD_512/LandCoverUMD_512.html     这个网站貌似打不开

http://glcf.umd.edu/data/landcover/ 这个也许需要FQ

https://gcmd.nasa.gov/KeywordSearch/Metadata.do?Portal=GCMD&KeywordPath=Parameters%7CBIOSPHERE%7CVEGETATION&OrigMetadataNode=GCMD&EntryId=GLCF_GLC_1km&MetadataView=Full&MetadataType=0&lbnode=mdlb2   数据相关信息

美国马里兰大学地理系于1998年制作此土地覆盖分类,数据来自于AVHRR卫星获得的1981到1994年之间影像,共分为14个不同土地覆盖类型,该数据有三种空间分辨率:100千米,8千米和1千米分辨率。

Hansen, M., DeFries, R., Townshend, J. R. G. and Sohlberg, R.. 1998. (specify 1 Degree, 8 Km, or 1 Km) Land Cover Classification Derived from AVHRR. College Park, Maryland: The Global Land Cover Facility.

ISLSCP II MODIS (Collection 4) IGBP Land Cover, 2000-2001(全球0.25°、0.5°、1°分辨率)

https://daac.ornl.gov/ISLSCP_II/guides/modis_landcover_xdeg.html

此数据集包含使用2000年10月至2001年10月期间的全年MODIS数据生成的全球土地覆盖分类。这些产品描述了国际地圈生物圈计划(IGBP)提出的17种土地覆盖分类方案的地理分布。包括三个zip压缩文件,分辨率分别为0.25°、0.5°、1°。

MODIS Land Cover Type/Dynamics 

https://modis.gsfc.nasa.gov/data/dataprod/mod12.php

Land cover at annual time steps over 2001-2013 at 1 km resolution. Several classification systems are available. Produced by NASA.

Product NameCombined Aqua & Terra Product ID
Land Cover Type Yearly L3 Global 500mMCD12Q1
Land Cover Types Yearly L3 Global 0.05 Deg CMGMCD12C1
Land Cover Dynamics Yearly L3 Global 1kmMCD12Q2

MCD12Q1 v006:MODIS/Terra+Aqua Land Cover Type Yearly L3 Global 500 m SIN Grid (2001-2018)

MCD12Q1 Version 6 数据产品提供以年为间隔的全球地表覆盖类型分布(2001-2018), 从 User Guide 中列出的六种不同分类方案得到,该产品通过对MODIS Terra and Aqua 反射率数据进行监督分类得到.Layers for Land Cover Type 1-5, Land Cover Property 1-3, Land Cover Property Assessment 1-3, Land Cover Quality Control (QC), and a Land Water Mask are provided in each MCD12Q1 Version 6 Hierarchical Data Format 4 (HDF4) file.

MCD12C1 v006:MODIS/Terra+Aqua Land Cover Type CMG Yearly L3 Global 0.05 Deg (2001-2018)

The Terra and Aqua combined MODIS Land Cover Climate Modeling Grid (CMG) (MCD12C1) Version 6 数据产品是 MCD12Q1 Version 6 数据产品的空间降采样和重投影产品. Maps of the International Geosphere-Biosphere Programme (IGBP), University of Maryland (UMD), and Leaf Area Index (LAI) classification schemes are provided at yearly intervals at 0.05 degree (5,600 meter) spatial resolution for the entire globe from 2001 to 2018. Provided in each MCD12C1 Version 6 Hierarchical Data Format 4 (HDF4) file are layers for Majority Land Cover Type 1-3, Majority Land Cover Type 1-3 Assessment, and Majority Land Cover Type 1-3 Percent.

MCD12Q2 v006:MODIS/Terra and Aqua Land Cover Dynamics Yearly L3 Global 500 m SIN Grid (2001-2017)

MCD12Q2 Version 6 数据产品提供以年为间隔的2001-2017年之间全球地表物候指标,该产品获取自 2-band Enhanced Vegetation Index (EVI2) (计算自 MODIS Nadir Bidirectional Reflectance Distribution Function (BRDF)-Adjusted Reflectance (NBAR).)的时间序列影像。 Vegetation phenology metrics at 500 meter spatial resolution are identified for up to two detected growing cycles per year. For pixels with more than two valid vegetation cycles, the data represent the two cycles with the largest NBAR-EVI2 amplitudes.

Provided in each MCD12Q2 Version 6 Hierarchical Data Format 4 (HDF4) file are layers for the total number of vegetation cycles detected for the product year, the onset of greenness, greenup midpoint, maturity, peak greenness, senescence, greendown midpoint, dormancy, EVI2 minimum, EVI2 amplitude, integrated EVI2 over a vegetation cycle, as well as overall and phenology metric-specific quality information. A low-resolution browse image showing greenup is also available when viewing each MCD12Q2 granule. SDS layers may be multi-dimensional with up to two valid vegetation cycles.

For areas where the NBAR-EVI2 values are missing due to cloud cover or other reasons, the data gaps are filled with good quality NBAR-EVI2 values from the year directly preceding or following the product year.

欧盟 Global Land Cover 2000 1km

https://forobs.jrc.ec.europa.eu/products/glc2000/products.php

GLC2000数字数据库应该这样引用:Global Land Cover 2000 database. European Commission, Joint Research Centre, 2003.

GLC 2000 使用 VEGA 2000 数据集: 由SPOT 4卫星上的VEGETATION仪器采集的14个月每日预处理全球数据的数据集

有以下两种类型产品:

  1. The Global Land Cover dataset - This is the harmonisation of all the regional products, into a full resolution global product, with a generalised legend.
  2. Regional Land Cover datasets - The classification of these windows have been produced by regional GLC2000 partners, with a regionally specific legend, to provide as much detail as possible.

全球30m地表覆盖遥感数据产品-Globe Land30 2000/2010/2020

GlobeLand30是指由国家基础地理信息中心牵头研制、拥有自主知识产权的30米空间分辨率全球地表覆盖数据产品。

globe30听说是目前数据质量最好的土地覆盖数据

http://www.globeland30.com/GLC30Download/index.aspx

http://www.webmap.cn/mapDataAction.do?method=globalLandCover 建议选这个网站 GlobeLand30数据下载

GlobeLand30数据集是中国国家高技术研究发展计划(863计划)全球地表覆盖遥感制图与关键技术研究项目的重要成果。该数据集包含十个主要的地表覆盖类型,分别是耕地、森林、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪,第三方评价总体精度为83.50%。

提供GlobeLand30数据分幅产品下载,共853幅。分幅产品在南北纬60°区域内,按照5°(纬度)×6°(经度)大小进行分幅;在南北纬60°至80°区域内,按照5°(纬度)×12°(经度)大小进行分幅,按照奇数6°带的中央经线进行投影。

一个分幅数据压缩包中包含分类成果文件、坐标信息文件、分类影像接图表文件、元数据文件和说明性文件5部分。

2020版Globe30土地覆盖数据下载

http://www.globallandcover.com/

注册账号,登录即可

 建议使用学校邮箱

哥白尼全球土地服务:年度100m全球土地覆盖数据 2015-2019

https://land.copernicus.eu/global/content/annual-100m-global-land-cover-maps-available

CGLS-LC100 collection 3

该数据在GEE中可以调用使用

https://developers.google.com/earth-engine/datasets/catalog/COPERNICUS_Landcover_100m_Proba-V-C3_Global

欧空局全球300m陆地覆盖数据(ESA GlobCover)2005-2006

 http://due.esrin.esa.int/page_globcover.php

欧空局全球300m陆地覆盖数据(ESA GlobCover)2009

http://due.esrin.esa.int/page_globcover.php

GlobCover为全球陆地覆盖数据,分辨率300米,数据格式为TIF。GlobCover全球陆地覆盖数据的原始数据来自Envisat卫星,由MERIS(Medium Resolution Imaging Spectrometer)传感器拍摄完成。数据生成过程中,主要选取了MERIS传感器在2009年1月1日至12月31日期间所接收的较高质量的影像数据,来进行图像合成。GlobCover全球陆地覆盖数据采用“美国食品和农业组织的地表覆盖分类系统(UN Food and Agriculture Organisation’s Land Cover Classfication)”作为图例生成标准。

北京市30m土地覆被数据(2010年)—— 吴炳方

http://www.geodata.cn/data/datadetails.html?dataguid=1466&docId=7180

以土地覆被产品2010(ChinaCover2010)为底图栅格化完成。ChinaCover2010是以国产环境星遥感数据为主要数据源,辅以中华人民共和国植被图(1:1,000,000)、2000和2005年土地利用图及ASTERDEM生成的坡度和坡向数据等,采用面向对象技术实现解译。 分类系统的一级类与IPCC系统保持一致共6类二级类采用了由FAO的LCCS生成的具有全球统一代码的38个类型,目前ChinaCover2010产品精度一级类可达到91%,二级类约为82%。

全球30米精细地表覆盖产品(2015年)—— 刘良云

http://www.geodata.cn/data/datadetails.html?dataguid=4200772&docid=174

全球30米精细地表覆盖产品包含了全球陆地区域30个类型的地表覆盖信息。研究生产了包含30个地物类型的地表覆盖产品期望为多样化的地表应用提供数据支撑。数据来源:USGS Landsat 8地表反射率数据,经过检验数据集的验证总体精度为74.92%.

清华大学宫鹏组的土地覆盖数据

http://data.ess.tsinghua.edu.cn/

FROM-GLC10, based on 10-m resolution Sentinel-2 data acquired in 2017.

最新的有 FROM-GLC 10m (2017年) 的数据,下载的时候可以搜索对于先下载地区的影像编号:

* If you do not know the MODIS tile number of your area of interest, please click http://modis-land.gsfc.nasa.gov/MODLAND_grid.html to use their spatial query to find it out.
* If you do not know the Landsat Path and Row number, please click http://landsat.usgs.gov/tools_csf.php to use their spatial query to find it out.

fromglc10 glc10v01的意思是global land cover 10年的v1版本 分类方式,就是按照这个标准进行土地覆盖分类。

其他可参考:https://blog.csdn.net/weixin_42101836/article/details/103884630?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

全球30m土地覆盖数据集FROM-GLC(2015年)—— 宫鹏

http://www.geodata.cn/data/datadetails.html?dataguid=7990330&docId=5372

全球30m土地覆盖数据集FROM-GLC(2015年)包括全球2015年地表覆盖产品。地表覆盖类型主要包括9类一级类和25类二级类。该数据集的原始数据包括:Landsat5/7/8、中国高分卫星、资源卫星、环境卫星和SRTM地形数据等。被使用多。

全球30m土地覆盖数据集FROM-GLC(2017年) —— 宫鹏

http://www.geodata.cn/data/datadetails.html?dataguid=25725976218589&docId=2650

全球土地覆盖数据集FROM-GLC(2017年)数据为全球30m土地覆盖空间分布数据,地表覆盖类型主要包括10类,经严格验证后数据精度达72.35%。全球土地覆盖数据是全球资源调查、土地覆盖研究、地表监测及陆地模式等的重要基础数据。该数据的数据源包括:Landsat8,DEM,MOD13Q1。被使用多。

OSM土地利用与土地覆盖矢量数据

https://download.geofabrik.de/

The OpenStreetMap (OSM) project (www.openstreetmap.org) has collected an enormous amount of free spatial data and the database is growing every day

中国地区土地覆盖综合数据集

http://westdc.westgis.ac.cn/data/f1aaacad-9f42-474e-8aa4-d37f37d6482f

中国土地覆盖数据集包括5种产品:

1)glc2000_lucc_1km_China.asc,由GLC2000项目开发的基于SPOT4遥感数据的全球土地覆盖数据中国子集,数据名称为GLC2000.GLC2000中国区域土地覆盖数据由全球覆盖数据直接裁剪得到,它的数据说明请参考http://www-gvm.jrc.it/glc2000/defaultGLC2000.htm

2)igbp_lucc_1km_China.asc,由IGBP-DIS支持的基于AVHRR遥感数据的全球土地覆盖数据中国子集,数据名称为IGBPDIS;IGBPDIS数据的制备,采用USGS的方法,利用1992年四月到1992年三月的AVHRR数据开发出1km分辨率的全球土地覆盖数据,分类系统采取IGBP制定的分类系统,把全球分为17类.其开发以洲为单位。应用AVHRR12个月的最大化合成NDVI资料,

3)modis_lucc_1km_China_2001.asc,MODIS土地覆盖数据产品中国子集,数据名称为MODIS;MODIS中国区域土地覆盖数据由全球覆盖数据直接裁剪得到,它的数据说明请参考http://edcdaac.usgs.gov/modis/mod12q1v4.asp。

4、umd_lucc_1km_China.asc,由马里兰大学生产的基于AVHRR数据的全球土地覆盖数据中国子集,数据名称为UMd;UMd基于AVHRR数据的5个波段及NDVI数据经过重新组合建议数据矩阵,用分类树的方法进行了全球土地覆盖分类工作。其目的是希望建立一个比过去数据更高精度的数据。分类系统很大程度上采用了IGBP的分类方案。

5)westdc_lucc_1km_China.asc,由中国科学院组织实施的中国2000年1:10万土地覆盖数据,对其进行合并、矢栅转换(面积最大法),最后得到全国幅1km的土地利用数据产品,数据名称为WESTDC。WESTDC中国区域土地覆盖数据是在中国科学院1:10万按县分幅的土地资源调查的成果的基础上进行了合并、矢栅转换(面积最大法),最后得到全国幅的土地利用数据产品。采用中科院资源环境分类系统。

数据格式:ArcView GIS ASCII

图像分辨率与地图比例尺之间的关系:

付费:

全国高分辨率土地利用数据产品

http://www.dsac.cn/DataProduct/Detail/200831

地理国情监测云平台提供的高分辨率土地利用数据产品是以0.5m-2.5m分辨率卫星遥感影像为主要数据源,经过影像融合、几何校正、拼接等处理后,通过人机交互目视解译的方法,进行地类图斑矢量化工作

  

全国土地覆盖数据

http://www.dsac.cn/DataProduct/Detail/200827

全国土地覆盖数据产品是指基于Landsat TM/ETM/OLI遥感影像,采用全数字化人机交互遥感快速提取方法,同时参照国内外现有的主要是美国马里兰大学土地覆盖分类体系,以及遥感信息源和我国地表覆盖的实际情况,将全国土地类型划分为13级分类土地覆盖数据产品,它是地理国情监测云平台推出的土地资源类系列数据产品之一。

参考:

孙睿 《资源环境遥感》课程

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

土地覆盖/土地利用简介及数据集 的相关文章

  • gdal 栅格转矢量线

    This recipe converts raster pixels with a specified value to vector lines For example the blue pixels value 61 0 are con
  • Win下编译pycocotools的Python API

    1 下载pycocotools源码 git clone https github com cocodataset cocoapi git 2 在需要编译的python环境下进行编译 激活环境 conda activate tf20coco
  • 泥石流与滑坡的遥感解译特征

    泥石流的解译特征 标准的泥石流由三部分组成 xff1a 形成区 流通区和堆积区 xff0c 如图 3 1 其中 xff0c 堆积区是识别泥石流的重要标志 xff0c 同时也是评估灾害危害程度的重要指标 泥石流的形成区作为泥石流固体物源的集聚
  • [笔记] 代码整洁之道1:序言

    软件质量 xff0c 不但依赖于架构和管理 xff0c 而且与代码质量紧密相关 神在细节之中 建筑师Ludwig mies van der Role如是说 以小见大 xff0c 做好细节是做好整体的基础 约在1951年 xff0c 名为 全
  • [笔记] 代码整洁之道2:章1整洁代码

    泥潭 烂尾 死掉 糟糕代码的坑自不多言 xff0c 如何评估代码有多糟糕 xff1f 看WTF min 那什么是整洁代码 xff1f 易读 逻辑 干净 漂亮 舒服 学一学 xff08 美国 xff09 童子军军规 xff1a 让营地比你来时
  • [笔记] 代码整洁之道3:章2有意义的命名

    修改命名是一种低成本提升代码可读性的方法 xff0c 怎么起有意义的名呢 xff1f 参考如下方法 xff1a 名副其实 变量 函数或类的名称应该告诉你 xff0c 它为什么会存在 xff0c 它做什么事 xff0c 应该怎么用 如果连名称
  • OpenCV minAreaRect

    OpenCV Minimum Area Rectangle In the previous blog we discussed image moments and how different contour features such as
  • OpenCV错误(-215:Assertion failed) npoints > 0 in function

    在使用OpenCV绘图函数时容易遇到 215 Assertion failed npoints gt 0 错误 代码如下 xff1a import numpy import cv2 mask 61 numpy zeros 4000 4000
  • 【个人成长】两个帮助你认清职场中自己位置的工具

    原文来自吴军老师的 谷歌方法论 第182封信 xff1a 两个帮助你认清自己位置的工具 当你在职场中不顺的时候可以考虑进行下自我位置评估 工具一 xff1a 主客观评价四方表 xff1a 表中的第一列自己填写 第一行填写自己的优点 成绩 贡
  • Ubuntu linux设置从当前目录下加载动态库so文件

    linux的excutable在执行的时候缺省是先搜索 lib和 usr lib这两个目录 xff0c 然后按照ld so conf里面的配置搜索绝对路径 xff0c linux缺省是不会在当前目录搜索动态库的 windows加载动态库的时
  • HTTP Get,Post请求详解

    请求类型 三种最常见的请求类型是 xff1a GET xff0c POST 和 HEAD GET xff1a 获取一个文档 大部分被传输到浏览器的html xff0c images xff0c js xff0c css 都是通过GET方法发
  • pip安装opencv出错:No module named ‘skbuild‘

    问题 xff1a pip安装opencv时出错 xff1a No module named 39 skbuild 39 解决方案一 xff08 测试通过 xff09 xff1a pip install upgrade pip 解决方案二 x
  • geoio ImportError: libpoppler.so.71: cannot open shared object file: No such file or directory

    问题 xff1a 使用conda安装gdal后 xff0c 在回滚变更环境后出错 xff1a geoio ImportError libpoppler so 71 cannot open shared object file No such
  • 开运算、闭运算及其所用

    1 开运算 开运算 61 先腐蚀运算 xff0c 再膨胀运算 xff08 看上去把细微连在一起的两块目标分开了 xff09 开运算的效果图如下图所示 xff1a 开运算总结 xff1a xff08 xff11 xff09 开运算能够除去孤立
  • Process finished with exit code 139 (interrupted by signal 11: SIGSEGV)

    在PyCharm运行Python代码运行时出现错误导致退出 xff1a Process finished with exit code 139 interrupted by signal 11 SIGSEGV 139错误是Linux错误代码
  • 深度学习优化利器:集成、知识蒸馏和自蒸馏

    为什么简单的 集成 便能够提升性能呢 xff1f 本文是对上述问题的解析 xff0c 作者解读了来自微软研究院高级研究员朱泽园博士 xff0c 以及卡内基梅隆大学机器学习系助理教授李远志的最新论文 在深度学习中理解集成 xff0c 知识蒸馏
  • 解决word无法回退及修改内容不保存问题

    如图 xff0c 撤退按钮瞬间会变灰 即便在未变灰前点击回退也不会有实际回退效果 出现这种情况很可能是模板文件出现损坏或有异常 可以通过删除模板文件让word重新自己生成模板文件来解决 操作步骤如下 xff1a step 1 xff1a 打
  • 错误:AttributeError: module ‘keras.backend.tensorflow_backend‘ has no attribute ‘_is_tf_1‘

    使用tensorflow 43 keras时出现错误 xff1a AttributeError module 39 keras backend tensorflow backend 39 has no attribute 39 is tf
  • linux 已放弃(吐核) (core dumped) 问题分析

    在运行自己写的 C 多线程程序时 xff0c 出现 xff1a 已放弃 吐核 问题 出现这种问题一般是下面这几种情况 xff1a 1 内存越界 2 使用了非线程安全的函数 3 全局数据未加锁保护 4 非法指针 5 堆栈溢出 也就是需要检查访
  • Linux apt-get 安装离线包

    问题 在一些与外网隔离的系统中无法直接通过 apt get 的方式直接安装软件包 解决方案 可以通过 apt get download 提前下载好包及相关依赖 xff0c 然后通过 dpkg i 的方式离线安装 下载依赖 PACKAGE 代

随机推荐