武汉大学（1985，1990-2022年30米分辨率）土地利用数据

已于 2023-10-27 08:01:33 修改
阅读量4.4k 收藏 3
点赞数
文章标签： 数据库
于 2023-10-26 19:36:11 首次发布
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/weixin_52103370/article/details/134061942
版权
该篇文章介绍了从国外期刊获取的中国1985年至2022年的详细土地利用数据，分辨率高达30米，包括农田、森林等9类分类。数据已上传至百度云，并提供了下载链接，需支付辛苦费获取。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在国外期刊网站下载的中国1985、1990-2022年逐年的土地利用数据，分辨率为30米，土地分类体系为农田、森林、灌木、草地、水体、冰雪、荒地、建设用地、湿地共9类。数据已经在官网下载好并上传至百度云。收点辛苦费小偿下载链接：

http://generatelink.xam.ink/change/makeurl/changeurl/8277

荒漠胡杨
关注
【数据集】1985-2022年CLCD逐年土地利用分类数据
WW、forever的博客
09-29 1万+
简介CLCD 1985-2021年土地覆被数据集
【数据集】中国区1990-2020逐年30m分辨率土地利用分类数据
WW、forever的博客
02-26 2155
中国区1990-2020逐年30m分辨率土地利用分类数据CLCD
中国1990-2021连续30年土地利用CLCD数据分享
qq_48539301的博客
01-11 1万+
CLCD（China Land Cover Dataset）数据集是由武汉大学黄昕老师基于Google Earth Engine上的335,709景Landsat数据制作的中国年度土地覆盖数据集。为了提高CLCD的时空一致性，还提出了一种包含时空滤波和逻辑推理的后处理方法。该数据集最大的优势在于每年30米的土地利用分类结果，且连续覆盖了30年时间。相比其他产品如GLC_FCS30、Global30、AGLC2000_2015、FROM-GLC10、ESA10、ESRI10等，CLCD在时间分辨率上更高。
1985-2023年逐年土地利用数据30m
最新发布
xiaozhuzhu1995的博客
04-14 727
这与GLC_FCS30、Global30、AGLC2000_2015、FROM-GLC10、ESA10、ESRI10等产品相比，时间分辨率更高。当然FROM-GLC10、ESA10、ESRI10在空间分辨率上可能更高。2. 数据年份：1985, 1990-2023年，全国逐年土地利用，34年数据。【1985-2023土地利用数据】 逐年30m中国土地利用数据。1. 数据名称：武汉大学CLCD土地利用数据/土地覆盖数据。方式一（推荐）：主页 ↓个人↓简介。5. 数据分辨率：30米。
数据分享|中国1990-2022逐年30米土地覆盖数据集之GEE调用整理与分享
adhuahd的博客
12-28 5161
如果在研究当中有使用论文中的有关数据，请正确引用原文同时，大家也可以去原文提供网址下载有关数据，以下两个网址均可下载。GEE学习室是一群由认真学习和使用GEE等遥感大数据平台的高校博士生（含在读和已毕业）组建的团队，致力于GEE等大数据原创和优质算法开发，希冀通过团队的努力为遥感大数据智能处理普及和广大学子科研之路提供。之前推文中介绍了武汉大学黄昕老师老师团队关于中国1990-2020年30米土地利用覆盖数据集，现在该数据集已经更新到了2022年，所以现在更新一波GEE中调用链接。
武汉大学30m土地利用数据各Value值对应分类
Yuanbaokk的博客
10-14 2万+
武汉大学30m土地利用数据各Value值对应分类
2000年、2010年、2020年全球30m分辨率土地利用数据下载与1985-2022武大CLCD下载
weixin_43416590的博客
05-24 2889
前两年，中国向联合国免费提供了2000年、2010年、2020年的全球土地利用数据 http://www.globallandcover.com/ 在实际的数据下载过程中，却是遭受了很多的问题与挫折，注册账号很难通过，在这里提供中国范围的链接：链接地址提取码为CSDN，这个数据还需要进一步的拼接处理，才能进一步使用等。 关于数据介绍如下： 在处理过程中，可以使用镶嵌至新栅格，在输出时修改环境，设置输出的投影、范围等。 ...
【数据分享】1985-2023年30米CLCD土地覆盖栅格数据分享
weixin_61129400的博客
09-17 5702
总的来说，CLCD 反映了中国快速的城市化进程和一系列生态工程，揭示了气候变化条件下人为对 LC的影响，其在全球变化研究中具有潜在应用价值。最后，通过目视解译的独立样本和第三方测试样本评估CLCD的准确性。特别地，该研究将CLCD产品与目前最先进的30m专题产品包括不透水表面积（ISA）、地表水和森林进行比对，以综合评估CLCD的质量（以下为技术流程图）。数据分类：分为九类用地，该数据包括9种用地类型，分别为：农田、森林、灌木、草原、水域、冰雪、裸地、不透水面、湿地。数据格式：.tif格式。
批量下载1985-2019年研究区的30米土地利用数据
锐多宝的地理空间
10-18 7727
0.背景 PIE-Engine可以下载的6种土地利用数据(仅限本人所知)，有10m、30m、1000m分辨率。 这两天连发了两篇使用PIE-Engine下载数据的推文，这一篇是终结篇。剩余的1000m分辨率的土地利用数据，感觉没什么价值，就不写了。 这一次数据来源是武汉大学黄昕教授团队制作的中国30米年度土地覆盖产品，该数据基于三十万景Landsat影像，结合现有产品自动稳定样本和目视解译样本生产获得。该数据集基于5463个独立参考样本，产品整体精度为79.31% 。 时间跨度为1985年、1990年
全球、全国遥感土地利用数据产品下载（1m、10m、30m分辨率，内含链接与详细教程）
蒹葭苍苍
06-11 1万+
土地利用/覆被数据能够获取地表覆被信息，同时也是地球系统科学学科的基础数据（如生态、水文、地质等）吗，目前，基于遥感生成的土地利用/覆被数据产品比较多样，本文整理了目前应用比较多的7种数据产品进行介绍，数据主要为全球数据与全国数据，分辨率为10m~30m，内附下载链接。
遥感全国土地利用30m数据
12-29
全国土地利用30m数据及其分类说明
2022年30m全国逐年土地覆被数据
J_Giser的博客
08-24 2383
基于CLCD，揭示了1985年至2019年期间中国土地覆被变化的趋势和模式，如不透水表面（+148.71%）和水（+18.39%）的扩大，耕地（-4.85%）和草地（-3.29%）的减少，以及森林（+4.34%）的增加。由于中国的一系列造林政策，如1980年代启动的三北防护林工程和2000年后启动的绿色增益工程，从1985年到 2019年，森林增加了4.34%，灌木减少了259万公顷，与 ESACCI_LC的减少趋势相似。尽管为了养活不断增长的人口，中国东北和西北地区进行了广泛的开垦，但耕地普遍减少。
1985-2021年30m全国逐年土地覆被数据（含分省数据）
J_Giser的博客
08-24 1121
基于CLCD，揭示了1985年至2019年期间中国土地覆被变化的趋势和模式，如不透水表面（+148.71%）和水（+18.39%）的扩大，耕地（-4.85%）和草地（-3.29%）的减少，以及森林（+4.34%）的增加。由于中国的一系列造林政策，如1980年代启动的三北防护林工程和2000年后启动的绿色增益工程，从1985年到 2019年，森林增加了4.34%，灌木减少了259万公顷，与 ESACCI_LC的减少趋势相似。尽管为了养活不断增长的人口，中国东北和西北地区进行了广泛的开垦，但耕地普遍减少。
【数据分享】1990-2022年30米土地覆盖数据（全国/分省/分市）
weixin_63042008的博客
09-13 4086
【数据分享】1990-2022年30米土地覆盖数据（全国/分省/分市）
【数据集】中国逐年30mCLCD土地利用公开数据下载与GEE调用（附下载链接）
2301_80199200的博客
03-27 2400
该数据为武汉大学黄昕老师团队基于Google Earth Engine上335,709景Landsat数据，制作了中国年度土地覆盖数据集（annual China Land Cover Dataset, CLCD），包含1985—2019中国逐年土地覆盖信息。该团队是基于GEE上所有可获得的Landsat数据，构建时空特征，结合随机森林分类器得到分类结果，并提出一种包含时空滤波和逻辑推理的后处理方法进一步提高CLCD的时空一致性。最后，基于5,463个目视解译样本，CLCD的总体准确率达80%。
【数据分享】1985-2023年30米分辨率土地覆盖数据（全国/分省/分市）
热门推荐
weixin_63042008的博客
08-27 3万+
【数据分享】1985-2023年30米分辨率土地覆盖数据（全国/分省/分市）
土地利用/土地覆盖数据整理
weixin_42311008的博客
04-21 2万+
土地利用/土地覆盖数据是开展地理、生态、环境等研究的基础数据，本文对目前主流且开源的土地利用数据进行整理，随时更新，欢迎补充！
30m二级分类土地利用数据Arcgis预处理及获取
03-06 2391
（1）首先在Arcgis导入湖北30m精细地表土地利用数据，然后导入武汉各区矢量行政边界对土地利用数据进行掩膜提取。面积制表窗口第一行为武汉市各区行政区划，区域字段选县级市，输入栅格数据为上面裁剪好的武汉市土地利用图，类字段选择vaule，输出位置自由选择，处理像元大小默认。掩膜提取窗口第一项为原始土地利用数据，输入栅格集为武汉市各区行政区划图，输出栅格保存位置可以按实际需求放置，设置好后点击确定。​重采样：ArcToolbox-栅格-栅格处理-重采样。投影：ArcToolbox-数据管理-投影栅格。
clcd土地利用数据分类gee
03-29
### 如何在 Google Earth Engine (GEE) 中使用 CLCD 土地利用数据进行分类 CLCD 数据集是一种高分辨率的土地利用/土地覆盖（Land Use/Land Cover, LULC）数据，其空间分辨率为 30 米，时间跨度从 1985 年到 2023 年[^4]。该数据集可以用于分析长时间序列内的土地变化情况以及支持各种地理信息系统应用。 以下是有关如何加载和处理 CLCD 数据的一些具体指导： #### 加载 CLCD 数据 可以通过 GEE 的内置函数 `ee.ImageCollection` 来访问 CLCD 数据集合。以下是一段 Python 脚本示例，展示如何加载指定年份的数据并将其可视化： ```python import ee ee.Initialize() # 定义研究区域（以中国为例） roi = ee.Geometry.Rectangle([73.5, 18.1, 135.0, 53.6]) # 加载 CLCD 数据集 clcd_collection = ee.ImageCollection('projects/sat-io/open-datasets/CLCD') # 过滤特定年份的数据 year_of_interest = '2020' filtered_clcd = clcd_collection.filter(ee.Filter.eq('MOSAIC_YEAR', year_of_interest)) # 获取第一个图像作为代表 clcd_image = filtered_clcd.first().select('b1').clip(roi) # 可视化参数设置 vis_params = { 'min': 1, 'max': 10, 'palette': ['ffbb22', 'ffff4c', 'ffffff', 'fafafa', 'a5d9af', '1a9850', '66bd63', 'f46d43', 'd73027', 'ababa8'] } # 打印元数据 print(clcd_image.getInfo()) # 显示地图 Map.addLayer(clcd_image, vis_params, f'CLCD {year_of_interest}') Map.centerObject(roi, zoom=5) ``` 上述脚本展示了如何通过过滤器获取某一年的 CLCD 图像，并定义了一个简单的颜色方案来区分不同的类别。 #### 使用机器学习模型增强分类效果 如果需要进一步提高分类精度或者扩展至其他未标注地区，则可考虑引入监督式机器学习算法如随机森林(Random Forest)[^1]。这通常涉及以下几个方面的工作流程： - **样本采集**：手动标记训练样本地点； - **特征提取**：基于 Sentinel-2 或 Landsat 影像计算 NDVI、NDWI 等指数作为输入变量； - **建模预测**：运用 Random Forest 方法完成最终预测。 #### 注意事项 尽管 CLCD 提供了高质量的时间序列信息，但在实际操作过程中仍需注意一些潜在问题，比如不同时间段之间可能存在不一致现象；另外由于遥感技术本身的局限性，在某些复杂地形条件下也可能出现误判的情况。
评论 1
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
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