Google Earth Engine（GEE）：ESRI 10m年度土地利用土地覆盖数据（2017-2021）

ESRI 10m年度土地利用土地覆盖（2017-2021）

   全球土地利用和土地覆盖（LULC）年度地图的时间序列。它目前有2017-2021年的数据。这些地图来自欧空局Sentinel-2图像，分辨率为10米。每张地图是全年9个等级的LULC预测的综合，以产生每年的代表性快照。这个数据集是由Impact Observatory生成的，他们使用了数十亿的人类标记的像素（由国家地理学会策划）来训练一个用于土地分类的 深度学习 模型。全球地图是通过将这个模型应用于行星计算机上的Sentinel-2年度场景集而产生的。每张地图的评估平均精度都超过75%。这些由Impact Observatory制作并由Esri授权的数据集是从微软行星计算机的数据目录和存储中获取的。

Planetary Computer

该地图使用了10级 模型  的更新模型，并将草地（原第3级）和灌丛（原第6级）合并为一个单一的牧场等级（第11级）。最初的Esri 2020土地覆盖集合使用了10个类（草和灌丛分开）和一个旧版本的基础深度学习模型。Esri 2020土地覆盖地图也是由Impact Observatory制作的，你可以在GEE中找到它。该地图仍然可以在现有的应用程序中使用。新的应用程序一旦在这个集合中可用，就应该使用2020的更新版本，特别是在使用这个时间序列的多年的数据时，以确保一致的分类。

ESRI 2020 Global Land Use Land Cover from Sentinel-2 - awesome-gee-community-catalog

处理平台 Sentinel-2 L2A/B数据通过微软的行星计算机访问，并使用微软Azure Batch进行缩放。

你可以在这里找到从第一个版本开始的更多信息Kontgis, C.（2021年，6月24日）。以前所未有的细节绘制世界地图。

https://caitlin-kontgis.medium.com/mapping-the-world-in-unprecedented-detail-7c0513205b90

数据引用：

Karra, Kontgis, et al. “Global land use/land cover with Sentinel-2 and deep learning .”

   IGARSS 2021-2021 IEEE International Geoscience and Remote Sensing Symposium. IEEE, 2021.

类的定义¶

   水域 全年主要有水的区域；可能不包括有零星或短暂的水的区域；几乎不包含稀疏的植被，没有岩石露头，也没有码头等建筑特征；例子：河流、池塘、湖泊、海洋、淹没的盐碱地。

树木 任何明显的高大（约15英尺或更高）的密集植被集群，通常有一个封闭的或密集的树冠；例子：树木茂密的植被，热带草原内密集的高大植被集群，种植园，沼泽或红树林（密集/高大的植被，有短暂的水或树冠太厚，无法检测到下面的水）。

被淹没的植被 任何类型的植被在一年中的大部分时间里都有明显的水的混合；季节性淹没的区域，是草/灌木/树/荒地的混合；例子：被淹没的红树林、水草植被、稻田和其他大量灌溉和淹没的农业。

农作物 人工种植/种植的谷物、草和不在树高的作物；例子：玉米、小麦、大豆、休耕地的结构地块。

建筑区 人类制造的结构；主要的公路和铁路网络；大型均匀的不透水表面，包括停车场结构、办公大楼和住宅；例如：房屋、密集的村庄/城镇/城市、铺设的道路、沥青。

裸地 全年植被非常稀少或没有植被的岩石或土壤区域；没有或很少有植被的大面积沙地和沙漠；例如：裸露的岩石或土壤、沙漠和沙丘、干燥的盐滩/盘子、干涸的湖床、矿井。

雪/冰 大面积均匀的永久性雪或冰，通常只在山区或最高纬度地区；例子：冰川、永久性积雪、雪地。

云层 由于持续的云层覆盖，没有土地覆盖信息。

牧场 被同质草覆盖的开放区域，几乎没有高大的植被；野生谷物和草，没有明显的人为划线（即不是划线的田地）；例子：有稀疏或没有树木覆盖的自然草地和田地，有少量或没有树木的开放草原，公园/高尔夫球场/草坪，牧场。混合小簇植物或单个植物分散在景观上，显示出暴露的土壤或岩石；密林内的灌丛空地，显然不比树木高；例子：中等到稀疏的灌木丛、灌木和草丛覆盖，有非常稀疏的草、树木或其他植物的热带草原。

有关准确性评估的信息，请访问ESRI发布页面

分类列表：

代码：

var esri_lulc_ts= ee.ImageCollection("projects/sat-io/open-datasets/landcover/ESRI_Global-LULC_10m_TS"); // Define a dictionary which will be used to make legend and visualize image on mapvar dict = {  "names": [    "Water",    "Trees",    "Flooded Vegetation",    "Crops",    "Built Area",    "Bare Ground",    "Snow/Ice",    "Clouds",    "Rangeland"  ],  "colors": [    "#1A5BAB",    "#358221",    "#87D19E",    "#FFDB5C",    "#ED022A",    "#EDE9E4",    "#F2FAFF",    "#C8C8C8",    "#C6AD8D"  ]};    function remapper(image){    var remapped = image.remap([1,2,4,5,7,8,9,10,11],[1,2,3,4,5,6,7,8,9])    return remapped  } // This is palette has '#000000' for value 3 and 6.var palette = [    "#1A5BAB",    "#358221",    "#000000",    "#87D19E",    "#FFDB5C",    "#000000",    "#ED022A",    "#EDE9E4",    "#F2FAFF",    "#C8C8C8",    "#C6AD8D",  ]; // Create a panel to hold the legend widgetvar legend = ui.Panel({  style: {    position: 'bottom-left',    padding: '8px 15px'  }}); // Function to generate the legendfunction addCategoricalLegend(panel, dict, title) {    // Create and add the legend title.  var legendTitle = ui.Label({    value: title,    style: {      fontWeight: 'bold',      fontSize: '18px',      margin: '0 0 4px 0',      padding: '0'    }  });  panel.add(legendTitle);    var loading = ui.Label('Loading legend...', {margin: '2px 0 4px 0'});  panel.add(loading);    // Creates and styles 1 row of the legend.  var makeRow = function(color, name) {    // Create the label that is actually the colored box.    var colorBox = ui.Label({      style: {        backgroundColor: color,        // Use padding to give the box height and width.        padding: '8px',        margin: '0 0 4px 0'      }    });      // Create the label filled with the description text.    var description = ui.Label({      value: name,      style: {margin: '0 0 4px 6px'}    });      return ui.Panel({      widgets: [colorBox, description],      layout: ui.Panel.Layout.Flow('horizontal')    });  };    // Get the list of palette colors and class names from the image.  var palette = dict['colors'];  var names = dict['names'];  loading.style().set('shown', false);    for (var i = 0; i < names.length; i++) {    panel.add(makeRow(palette[i], names[i]));  }    Map.add(panel);  }  /* // Display map and legend ///////////////////////////////////////////////////////////////////////////////*/ // Add the legend to the mapaddCategoricalLegend(legend, dict, '10m Global Land Cover: Impact Observatory'); // Add image to the mapMap.addLayer(ee.ImageCollection(esri_lulc10.filterDate('2017-01-01','2017-12-31').mosaic()).map(remapper), {min:1, max:9, palette:dict['colors']}, '2017 LULC 10m')Map.addLayer(ee.ImageCollection(esri_lulc10.filterDate('2018-01-01','2018-12-31').mosaic()).map(remapper), {min:1, max:9, palette:dict['colors']}, '2018 LULC 10m')Map.addLayer(ee.ImageCollection(esri_lulc10.filterDate('2019-01-01','2019-12-31').mosaic()).map(remapper), {min:1, max:9, palette:dict['colors']}, '2019 LULC 10m')Map.addLayer(ee.ImageCollection(esri_lulc10.filterDate('2020-01-01','2020-12-31').mosaic()).map(remapper), {min:1, max:9, palette:dict['colors']}, '2020 LULC 10m')Map.addLayer(ee.ImageCollection(esri_lulc10.filterDate('2021-01-01','2021-12-31').mosaic()).map(remapper), {min:1, max:9, palette:dict['colors']}, '2021 LULC 10m')

https://code.earthengine.google.com/?scriptPath=users/sat-io/awesome-gee-catalog-examples:global-landuse-landcover/ESRI-LULC-2017-2021

Credits, Attributions and License¶

This dataset was produced by Impact Observatory for Esri. © 2021 Esri. This dataset is available under a Creative Commons BY-4.0 license and any copy of or work based on this dataset requires the following attribution:

Data page: Planetary Computer STAC Catalog

Curated in GEE by: Samapriya Roy

Keywords: : landcover, landuse, lulc, 10m, global, world, sentinel, sentinel 2, impact observatory

Last updated: 2022-08-29

生态云计算生态环境、卫星遥感、GEE云计算

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删