30米空间分辨率中国年度耕地栅格数据集（1986-2021）

于 2024-07-20 18:08:25 发布
阅读量267 收藏 3
点赞数 2
分类专栏： 数据引用 安卓 文章标签： 课程设计 科技
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_79696294/article/details/140276241
版权

文章目录


在这里插入图片描述

数据下载地址

点击这里下载数据

数据指标说明

一、数据介绍
精确、详细且及时的耕地范围信息对于粮食安全保障和环境可持续性至关重要。然而，由于农业景观的复杂性和足够训练样本的缺乏，在大范围下进行高时空分辨率的耕地动态监测仍然具有挑战性，尤其是对于农业用地发生剧烈变化的地区。在这里，我们开发了一种新颖而高效的年度耕地制图框架，该框架集成了时间序列Landsat影像、自动化训练样本生成以及机器学习和变化检测技术。我们将所提出的方案实施到谷歌地球引擎的云计算平台上，并首次以30米空间分辨率生成了中国年度耕地数据集（CACD）。结果表明，我们的方法能够跟踪不同农业区域的动态耕地变化。CACD年度地图和变化地图的像素尺度F1分数分别为0.79±0.02和0.81。更进一步，跨产品间的精度评估、与统计数据的相关性以及空间细节方面显示出CACD相比于其他数据集的精确性和稳健性。根据我们的估计，从1986年到2021年，中国的耕地总面积扩大了30, 300平方公里（1.79%），在2000年之前经历了增长，但在2000年至2015年期间总体下降，之后略有恢复。耕地扩张集中在西北部，而东部沿海地区经历了大量的耕地流失。此外，我们观察到在研究期间至少有419, 342平方公里（17.57%）的耕地至少发生了一次弃耕。一致而高分辨率的CACD数据集可以被用于各种研究应用中，以促进可持续农业利用和粮食生产进展。
数据容量：21.25GB
数据时间：1986-2021
数据格式：tif
二、数据作者引用方式
引用方式
Tu, Y., Wu, S., Chen, B., Weng, Q., Gong, P., Bai, Y., Yang, J., Yu, L., and Xu, B.: A 30 m annual cropland dataset of China from 1986 to 2021, Earth System Science Data Discussion. [preprint], https://doi.org/10.5194/essd-2023-190, in review, 2023.

项目备注

本公众号资源部分自主研发，部分来源于网络。
来源于网络的资源版权归出版社或原作者所有，仅供学习，请勿用于商业。

数据下载地址

点击这里下载数据

Android安卓科研室
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
【数据集】中国农田栅格数据CACD（1986-2021）
WW、forever的博客
07-05 113
简介中国农田栅格数据CACD（1986-2021）
【数据集】1985-2022年CLCD逐年土地利用分类数据
WW、forever的博客
09-29 5230
简介CLCD 1985-2021年土地覆被数据集
首次30米空间分辨率生成中国年度耕地栅格数据1986-2021
hu397313168的博客
06-26 338
然而，由于农业景观的复杂性和足够训练样本的缺乏，在大范围下进行高时空分辨率的耕地动态监测仍然具有挑战性，尤其是对于农业用地发生剧烈变化的地区。在这里，我们开发了一种新颖而高效的年度耕地制图框架，该框架集成了时间序列Landsat影像、自动化训练样本生成以及机器学习和变化检测技术。根据我们的估计，从1986年到2021年，中国的耕地总面积扩大了30, 300平方公里（1.79%），在2000年之前经历了增长，但在2000年至2015年期间总体下降，之后略有恢复。数据容量：21.25GB。
基于遥感影像的耕地地块提取相关论文、代码以及相关开源数据集
热门推荐
如果想成为中心，那么就到中心去吧。
03-03 2万+
文章目录前言2018Deep Extraction of Cropland Parcels from Very High-Resolution Remotely Sensed Imagery 前言 本博文是对关于农田提取论文的简单汇总。有比较新颖的方法，欢迎大家在下面留言。 2018 Deep Extraction of Cropland Parcels from Very High-Resolution Remotely Sensed Imagery 摘要 从高分辨率遥感影像中提取耕地面积是实现精准农业等
(全新整理)30米空间分辨率中国年度耕地栅格数据集（1986-2021）
最新发布
07-20
2、代码特点：今年全新，手工精心...我们将所提出的方案实施到谷歌地球引擎的云计算平台上，并首次以30米空间分辨率生成了中国年度耕地数据集（CACD）。结果表明，我们的方法能够跟踪不同农业区域的动态耕地变化。CACD
青藏耕地空间分布百年重建数据集（1910-2000）.rar
03-23
该数据集名为“青藏耕地空间分布百年重建数据集（1910-2000）”，主要涵盖了青藏高原地区从1910年至2000年这一百年间耕地的空间分布情况。这个数据集是研究青藏高原土地利用变化、农业发展历史以及生态环境变迁的...
全球30m分辨率人造地表覆盖数据集(2021).zip
08-16
全球30米分辨率人造地表覆盖数据集是一个重要的地理信息系统（GIS）资源，它提供了对地球表面人类活动影响的详细视图。这个数据集在2021年更新，是研究全球变化、城市化、环境监测、土地利用规划等多个领域不可或缺...
斯里兰卡30 m土地覆盖分类数据集(2018).rar
04-19
首先，这个数据集的名称明确指出，它的空间分辨率达到了30米，这意味着每个像素代表了现实世界中30米乘30米的区域。这种高分辨率的数据集能够提供更为精细的地表覆盖信息，使得分析工作更具针对性。同时，时间戳为...
2020年长三角土地利用遥感监测数据30m
06-11
2020长三角-30m数据集就是一种栅格数据，其每个像素值对应的土地利用类别，可以进行空间分析和模型构建，以揭示土地利用变化的规律和趋势。 "ArcGIS"是由Esri公司开发的地理信息系统软件，是处理和分析地理信息的...
HTML5大作业三农有机，农产品，农庄，农旅网站源码
xcLeigh
07-17 1144
HTML5大作业三农有机，农产品，农庄，农旅网站源码，农旅文化相关介绍网站，农产品网站，农庄网站，介绍农业相关的网站，农业网站大作业，毕业设计，功能点包含轮播图，图文处理，表单，表格，菜单，模块等各种风格都有，代码上手简单，代码独立，可以直接使用。也可直接预览效果。
Richteck立锜科技电源管理芯片简介及器件选择指南
Super_smartIC的博客
07-18 548
立锜产品面的组合也非常广泛，包括线性稳压器 (LDO), DC/DC 转换器和控制器, Vcore方案, 照明方案, 显示器背光方案, 网通方案, 电池管理, 监控器 (Supervisor IC), 音讯放大器 (Audio Amplifier), AC/DC 返驰式控制器, PMIC, 电源开关 IC、放大器等。立锜科技提供全面的 IC 解决方案，为您量身打造，解决电源管理设计所面临的各种挑战，应用范围包括桌面计算机主板、手机、数字相机、网通设备、背光面板、笔记本电脑、LED 照明，和许多工业应用。
百分点科技获2024数字中国创新大赛·数据要素赛道最佳创新应用奖
Percent_bigdata的博客
07-16 409
利用多种前端展示方式实现城市安全风险的综合监测、预警研判和联动处置，实现“一图观全域、一网治风险、一屏辅决策”，提升城市综合防灾减灾能力，为城市安全发展提供坚实保障。以某市的城市安全大脑项目为例，百分点科技充分结合该市现有信息化基础，搭建“城市安全大脑”数字赋能中枢，建设数据中台、算法中台、应用支撑平台、时空信息平台、城市感知平台及安全中台，同时搭建统一门户进行服务能力的集中展示与申请调用管理，对外提供数据、算法、物联、时空、安全、应用等方面的共性支撑服务，赋能城市运行管理平台。荣获数据要素X应用赛题。
太速科技-基于XCVU9P+ C6678的8T8R的无线MIMO平台
Orihard_的博客
07-17 471
板卡基于TI TMS320C6678 DSP和XCVU9P高性能FPGA，FPGA接入4片AD9361 无线射频，构建8输入8输出的无线MIMO平台，丰富的FPGA资源和8核DSP为算法验证和信号处理提供强大能力。● DSP 外挂一组64-bit DDR3颗粒，总容量1GB，数据速率1333Mb/s;● DSP部分SPI/IIC/GPIO接口测试代码；● 工作温度：商业级 0℃～+55℃，工业级-40℃～+85℃；● XCVU9P部分QSFP+测试代码；● DSP部分Flash加载测试代码；
信弘智能与图为科技共探科技合作新蓝图
m0_70785357的博客
07-19 155
在图为科技总裁苏世鹏的陪同下，信弘智能代表一行首先参观了公司的研发中心，随后在会议室举行了技术交流会。此次庄健炯副总经理的到访，不仅是对图为科技技术实力的高度认可，更是双方深化合作、共谋发展的重要契机。近日，图为信息科技（深圳）有限公司迎来上海信弘智能科技有限公司代表的到访，双方共同探讨英伟达生态系统在人工智能领域的发展。相信在双方的共同努力下，上海信弘智能科技与图为科技的合作将取得更加丰硕的成果，为人工智能领域的创新发展注入新的活力。在科技日新月异的今天，跨界合作与技术交流成为了推动行业发展的重要驱动。
酒茶元宇宙：探索科技与传统文化的融合
2401_85007620的博客
07-17 200
随着技术的不断进步，我们有理由相信，酒茶元宇宙将为更多人带来丰富多样的文化体验，推动酒茶文化的传承与发展，开启一个探索味觉与科技融合奇迹的全新篇章。同时，酒茶元宇宙也推动了酒茶行业的数字化转型，激发了更多创新的营销和商业模式，帮助传统产业适应新时代的需求。酒茶元宇宙还具有个性化推荐的功能。它通过结合虚拟现实技术，为爱好者们提供了一个沉浸式的平台，让人们以全新的方式体验和交流关于酒和茶的文化。
搜维尔科技：Varjo XR-4开箱测评，里面都有啥？
souvr007的博客
07-16 264
搜维尔科技：Varjo XR-4开箱测评，里面都有啥？开箱测评，里面都有啥？
沧穹科技助力杭州东站网约车服务全面升级
2301_81759256的博客
07-16 343
这一服务实现了从站内到上车点的无缝衔接，有效解决了传统网约车接驳中的“找车难”、“定位不准”等问题。沧穹科技助力杭州东站完成网约车智能化服务全面革新升级，这一举措显著提升了杭州东站网约车服务的效率与乘客体验。综上所述，沧穹科技助力杭州东站完成的网约车智能化服务全面革新升级，不仅提升了服务效率和乘客体验，还推动了智慧交通建设的进一步发展。这一技术的应用，不仅极大地提升了网约车服务的智能化水平，还使得从预约、调度到接乘的每一个环节都实现了智能化、可视化与灵活化管理。智能导航与车位级服务。
搜维尔科技：【产品推荐】Euleria Health Riablo 运动功能训练与评估系统
souvr007的博客
07-16 764
得益于其精准可穿戴式惯性传感器，稳定测量平板、以及注重用户体验的软件系统，Riablo能使患者以积极而准确的方式进行康复训练，使专业运动员在整个康复与日常训练的过程中，获得客观的运动数据。Riablo除了丰富的运动康复训练方案，还可以方便地提供可重复的客观量化评估，包括:关节活动度、步态分析、平衡功能、跌倒风险等评估，具有更高的临床价值。系统提供的训练库和评估适用于正在从骨科治疗、运动损伤或神经系统疾病中恢复的患者，或者任何年龄阶段需要进行躯干、下肢和/或上肢康复或神经运动恢复的患者。
使用 GDALDataset::RasterIO 函数来降低栅格数据集的分辨率
06-11
使用 GDALDataset::RasterIO 函数来降低栅格数据集的分辨率，可以通过设置读取和写入的像素数来实现。假设原始数据集的分辨率为 $w_0 \times h_0$，要将其降低到 $w_1 \times h_1$，可以先计算出每个像素的宽度和高度比例： ```c++ double scaleX = (double)w_0 / w_1; double scaleY = (double)h_0 / h_1; ``` 然后，可以创建一个大小为 $w_1 \times h_1$ 的缓冲区，将原始数据集中的数据按比例写入到缓冲区中： ```c++ // 打开原始数据集 GDALDataset *pSrcDS = (GDALDataset *) GDALOpen("path/to/src/dataset", GA_ReadOnly); // 创建输出数据集 GDALDriver *pDriver = GetGDALDriverManager()->GetDriverByName("GTiff"); GDALDataset *pDstDS = pDriver->Create("path/to/dst/dataset", w_1, h_1, pSrcDS->GetRasterCount(), GDT_Float32, NULL); // 计算每个像素的宽度和高度比例 double scaleX = (double)w_0 / w_1; double scaleY = (double)h_0 / h_1; // 设置读取和写入的像素数 int nXSize = (int) ceil(scaleX); // 保证至少读取一个像素 int nYSize = (int) ceil(scaleY); // 创建缓冲区 float *pBuf = (float *) CPLMalloc(nXSize * nYSize * sizeof(float)); // 逐行读取原始数据集的数据，并按比例写入到缓冲区中 for (int y = 0; y < h_1; y++) { for (int x = 0; x < w_1; x++) { // 计算在原始数据集中的位置 int srcX = (int) (x * scaleX); int srcY = (int) (y * scaleY); // 读取数据 CPLErr err = pSrcDS->RasterIO(GF_Read, srcX, srcY, nXSize, nYSize, pBuf, nXSize, nYSize, GDT_Float32, pSrcDS->GetRasterCount(), NULL, 0, 0, 0); if (err != CE_None) { // 处理错误 // ... } // 计算平均值 float sum = 0; for (int i = 0; i < nXSize * nYSize; i++) { sum += pBuf[i]; } float avg = sum / (nXSize * nYSize); // 写入数据 err = pDstDS->RasterIO(GF_Write, x, y, 1, 1, &avg, 1, 1, GDT_Float32, pSrcDS->GetRasterCount(), NULL, 0, 0, 0); if (err != CE_None) { // 处理错误 // ... } } } // 释放缓冲区 CPLFree(pBuf); // 关闭数据集 GDALClose(pSrcDS); GDALClose(pDstDS); ``` 在上述代码中，我们首先打开原始数据集，然后创建大小为 $w_1 \times h_1$ 的输出数据集。接下来，我们计算出每个像素的宽度和高度比例，并根据比例设置读取和写入的像素数。然后，我们创建一个大小为 $nXSize \times nYSize$ 的缓冲区，逐行读取原始数据集的数据，并按比例写入到缓冲区中。对于每个输出像素，我们计算出其对应的原始像素的平均值，并将其写入到输出数据集中。最后，我们释放缓冲区，并关闭数据集。 需要注意的是，上述代码仅适用于单波段数据集，如果处理多波段数据集，则需要在读取和写入数据时指定要处理的波段。同时，如果原始数据集的分辨率不能整除目标分辨率，则需要对每个输出像素进行加权平均，权重为其覆盖的原始像素的面积。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Android安卓科研室

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值