1984年至2020年全球土地覆盖培训数据集
Radost Stanimirova1, Katelyn Tarrio2, Konrad Turlej2,3
1Department of Earth and Environment, Boston University, 685 Commonwealth Avenue, Boston, MA, 02215, USA. rkstan@bu.edu.
研究人员创建了一个全球土地覆盖培训数据库,从1984年到2020年有近200万个单位. 这个资源利用谷歌地球引擎,支持准确的土地覆盖地图和变化分析.
科学领域:
- 地球科学 地球科学 地球科学
- 遥感 遥感 遥感 遥感
- 地理信息系统 (GIS) 是指地理信息系统.
背景情况:
- 高质量的培训数据对于使用Google Earth Engine (GEE) 等云平台上的机器学习准确地绘制土地覆盖面至关重要.
- 收集这些数据传统上是昂贵和耗时的,阻碍了大规模的土地覆盖面分析.
- 现有的数据集可能缺乏全面的地理或时间覆盖.
研究的目的:
- 为土地覆盖面和土地覆盖面变化 (LULCC) 地图绘制开发一个大规模,高质量的全球培训数据库.
- 通过提供强大的数据资源,提高LULCC研究的效率和准确性.
- 支持各种应用,包括农业,林业,水文和城市发展.
主要方法:
- 利用谷歌地球引擎 (GEE) 和机器学习算法进行高效的数据收集和质量控制.
- 从Landsat图像中取样了光谱-时间特征,以确保广泛的生物地理表示.
- 整合了各种数据来源,并战略性地增强了数据库,以反映区域分布和干扰.
- 采用基于机器学习的交叉验证来识别和删除错误标记的培训单元.
主要成果:
- 编制了一个包含近200万个培训单元的全面全球数据库.
- 该数据库涵盖1984年至2020年的时间,涵盖了七个主要和九个次要的土地覆盖类别.
- 确保数据质量,生物地理代表性以及各种生态和人类学研究的相关性.
结论:
- 开发的全球培训数据库大大降低了与LULCC数据收集相关的成本和劳动力.
- 该资源增强了土地覆盖地图和变化检测的准确性和可扩展性.
- 该数据库是广泛的环境和发展研究应用的宝贵资产.
更多相关视频
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
07:13Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy
Published on: February 25, 2021
相关概念视频
GIS Software, Hardware, and Sources of GIS Data
Levels of Use of a GIS
Selected Data About Geographic Locations
Topographic Surveying and Contours
Introduction to Surveying, Plane Surveying and Geodetic Surveys
Introduction to GIS
