9个免费全球土地覆盖/土地利用数据集

global land cover

马里兰大学与美国地质勘探局合作,创造了大约2010年的树木覆盖,裸露的地面和持久的地表水。

世界土地覆盖的顶级数据源

在你的一生中,地球发生了多少变化?有点,但你可能就是不能给它加一个数字。

多亏了 全球土地覆盖 卫星传感器,比如modis,avhrr和增强型主题地图绘制器,我们终于可以对我们正在变化的星球发出一些光。

但是什么样的全球土地覆盖数据集存在?什么是最好的?

他们的准确度是多少?它的空间分辨率有多高?

眼见为实

为了帮助您了解土地覆盖分类的准确性,我们制作了纽约的截图。要记住的一些关键特性是:

中央公园 曼哈顿的广场绿地,杰奎琳·肯尼迪·奥纳西斯水库,以及划分纽约和新泽西的上海湾。

消防岛 :位于纽约长岛南岸的薄屏障岛,保护长岛的海滨。

长岛 :长岛东北角的岛屿,如梅子岛、大海鸥岛和小海鸥岛。

这就是`Sentinel-2 <../index.html?p=8492>`__眼中的纽约,精确定位上述功能。

new york sentinel-2

这些特征在土地覆盖图中的分类程度如何?对地球进行分类并不容易。

请阅读以下摘要,免费获取各种可用的土地覆盖分类方案。

1全球土地调查(GLS)

new york usgs maryland global land survey

在30米的分辨率,这片土地覆盖是最好的。马里兰大学与美国地质勘探局合作,将其大约2010年的树木覆盖、裸露地面和持久的地表水系在一起。

使用Landsat7ETM+数据,其最令人印象深刻的属性是 树盖篷 以每个输出网格单元的百分比表示。这种林冠覆盖物用于衡量2000年至2012年全球森林面积、损失和收益,例如: Global Forest Change webmap

研究表明,全球土地调查(GLS)静态森林覆盖的总体准确性 91% with forest cover change at >88% . 与本文的准确性相呼应,中央公园和外岛清晰可见。火岛森林面积的缺乏是一致和合乎逻辑的。一切都很好。

阅读更多: 4 Global Forest Maps to See the Forest for the Trees

2气候变化倡议(CCI)土地覆盖第2版

new york globcover esa

在300米的分辨率下,envisat-meris传感器是3个时代的土地覆盖图(1998-02、2003-07和2008-12)的最大贡献者。 CCI Land Cover V2

按面积比例,它被引用到 73% accuracy 23类土地覆盖图。此外,欧洲航天局还创造了 ESA/CCI Land Cover viewer 动态查看土地覆盖

从视觉上看,你可以看到它是如何捕获长岛南岸的薄屏障的。尽管中央公园大部分(4公里x 0.8公里)都不见了,但它把东北部的岛屿分类得无可挑剔。

3 OSM土地利用数据

new york osm

对于所有其他土地覆盖分类,它是基于 image classification algorithms。 想象一个作曲家写了一首交响曲,把数百张卫星图像分为陆地覆盖的杰作。

但是当你有成千上万的艺术家创作自己的音乐时会发生什么呢?当每一个部分都与被称为OpenStreetmap的巨大的全球社区同步时,你会得到一个 极其精确的土地利用图 .

在一个单像素环境中,用Meris像素计算——157栋建筑

osm pixel

除此之外,它还告诉你它是住宅、商业、工业还是其他类型。

OSM土地利用数据的唯一缺点是:

  • 有大量的数据缺口。

  • 比如说,一棵落叶树从针叶树上落下时,它可能不会被捕获。

  • 你有随机更新的人。(这样说质量相当好)

但在纽约, OSM Land Cover 至高无上。中央公园的轮廓如画。南岸和东北岛屿是矢量化轮廓。往北翻了几遍,地被就空了。

阅读更多: 10 Free GIS Data Sources: Best Global Raster and Vector Datasets

4 MCD12Q1 0.5公里基于MODIS的全球陆地覆盖气候学

new york university arizona

这个 500-meter MODIS Land Cover Maps (17个土地覆盖类别)描述了基于10年跨度(2001-2010年)的主要类别。

研究表明 interannual variability with 40% of pixels 在10年的时间跨度内显示一次或多次班级变化。由于其粗糙,它错过了中央公园和消防岛上的标志。但它很好地捕获了这些岛屿。

然而,无论出于何种意图和目的,它都为天气和气候模型服务。

5 USGS–全球土地覆盖特征(GLCC)

new york usgs glcc

GLCC基于使用无监督图像分类方法的一年高分辨率辐射计(AVHRR)。根据占地面积, GLCC reaches a 66.9% accuracy。 当观察者无法将像素推断为“真实”覆盖时,大多数规则的精度甚至更高,达到78.7丢弃这些站点。

GLCC正在一系列环境建模应用中使用,包括戈达德地球观测系统模型v5(GEOS-5)。

这1公里像素大小的土地覆盖分类已分类中央公园。然而,它错过了去火岛和梅岛的船。

6全球30

globe land 30

globeland30 legend

为了恢复2000年和2010年中国国家地理信息中心30米长的土地覆盖率,它在行动中消失了。

这些30米分辨率的土地覆盖图显示了10个主要土地覆盖类别的全球分布:水体、湿地、人工表面、耕地、永久冰雪、森林、草原、灌木、裸地和苔原。

它用超过10000张陆地卫星图像以30米的分辨率覆盖了整个地球。该土地覆盖使用基于像素和对象的方法,并且每个类都按优先顺序标识。在选定的8个区域,它的总体分类精度达到80%。

目前我们空手前往纽约,但我们所掌握的其他方面的数据似乎相当合理。至少可以说,它的消失是神秘的。目前找不到,我们会在文章重新上线时更新文章。

阅读更多: USGS Earth Explorer: Download Free Landsat Imagery

7联合国粮农组织全球土地覆盖网络(GLC-share)

new york fao glc share

粮农组织的重点 GLC SHARE land cover 是土地管理。这一点尤其体现在它的一些类别中——农田、草地、裸地和红树林。包括人工地表、水体、积雪、树木、灌木、草本和稀疏植被。

在今天的标准下,它比1公里的网格单元更粗糙。此外,它的准确率约为80%,有1087个验证站点。

你可以看到这个分类完全错过了中央公园,大部分火岛和东北岛。这部分是因为它的分辨率很低。

它的主要用途是为了更好地了解土地管理,所以我们希望在农业领域取得更好的成果。

8土地覆盖类型每年L3全球0.05摄氏度

new york mcd12c1

使用相同的监督分类树算法,气候建模网格与MCD12Q1具有相同的根。此数据集可从 USGS Earth Explorer

虽然它产生了与国际地球圈生物圈计划相同的17个等级,但它的空间分辨率要低得多(0.05°)。

当像素为5.5公里时,与所有其他陆地覆盖选项相比,您无法获得精度级别。对于普通人来说,很难再认识到我们在看纽约。

9 Terrapop

TerraPop Landcover

Terrapop 包含已提及的23类ESA GLC和MODIS 1KM的各种现有全球土地覆盖数据集。

除此之外,它还包括一个非常粗糙的农业用地分类,大约2000年,在10公里处,源自全球景观倡议。这包括收获面积和175种农作物的产量,以便更好地了解农业的供求关系。

我们将详细介绍如何从直观的TerraPop界面中提取数据。

阅读更多: How to Get Harmonized Environmental & Demographic Data with TerraPop

你使用哪种土地覆盖?

世界各地的航天机构正在发射卫星,以满足地球精确陆地覆盖的需求。

我们对纽约的简单视觉评估显示了不同提供商的土地覆盖率有多大。

只有在更细的尺度上,土地覆盖才能捕捉到陆地上重要的人类活动。尽管数据有很大差距,但没有OSM那样详细的土地使用。

几乎和隧道视觉一样,科学家们不使用多尺度、多数据迭代的方法,在给定的位置使用最好的方法,这是令人惊讶的。