【资源1212】2017-2021年新土地利用分类和1985-2021年分省逐年土地覆被数据
一、1985-2021年30m全国逐年土地覆被数据（含分省数据）
武汉大学学者在GEE平台上制作了第一个源自 Landsat 的年度中国土地覆盖数据集（CLCD）。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。一、资源名称：1985-2021年30m全国逐年土地覆被数据（含分省数据）二、时间范围：1985-2021年三、主要内容:
2022年8月，武汉大学杨杰和黄昕教授团队向公众发布了CLCD 2021年全国土地覆数据。中国在过去几十年中经济和人口迅速发展，土地覆盖随之发生巨大变化，因此迫切需要对其进行连续和精细的监测。然而，由于缺乏足够的训练样本和计算能力，基于卫星遥感观测数据的中国年度土地覆盖数据集还比较匮乏。
武汉大学的杨杰和黄昕教授团队基于Google Earth Engine上335,709景Landsat影像制作了中国逐年土地覆盖数据集（annual China Land Cover Dataset, CLCD），包含1985—2019中国逐年土地覆盖信息。为此，研究团队基于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的总体精度达80%。此外将CLCD与现有的土地覆被专题产品相互比较，发现CLCD与全球森林变化、全球地表水和不透水面时序数据集表现出良好的一致性。
2021年6月，研究团队发布CLCD 1985-2019年逐年土地覆被数据；同年8月，发布CLCD 2020年全国土地覆被数据。2022年8月，杨杰和黄昕教授团队向公众发布了CLCD 2021年全国土地覆数据。
目前，CLCD 1985-2021年土地覆被数据集是较少的目前可公开获取的30m分辨率长时序逐年土地覆被数据。
四、数据来源及引用方式:
数据来源：Geo地理数据研究所 ，作者杨杰、黄昕等
引用格式：
Yang, J. and Huang, X.: The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019, Earth Syst. Sci. Data, 13, 3907–3925, https://doi.org/10.5194/essd-13-3907-2021, 2021.
论文链接：
https://doi.org/10.5194/essd-13-3907-2021
出版期刊：Earth System Science Data
发表时间：11.Aug.2021
二、2017年-2021年全国土地利用分类数据（空间分辨率是10米）
来源：地学大数据
该数据来源于Esri，以Sentinel-2卫星的遥感图作为数据源，并结合人工智能土地分类模型制作而成。
该数据的时间范围是2017年-2021年，空间分辨率是10米，地理坐标系是WGS-84
土地利用分类编码
可视化预览
版权声明
本次资源来自网络收集，仅作为学习用途，如有侵权，请联系本号删除
资源精选
A002 《34省级统计年鉴》2001-2021
A008 《中国城市统计年鉴》1985-2021
A009 《中国县域统计年鉴》2000-2021
A010 《中国人口就业统计年鉴》1949-2021
A020 《中国农村统计年鉴》1985-2021
A028 《中国统计年鉴》1978-2021
B005 《中国统计年鉴》面板数据 2000-2019
B013 《城市面板数据》面板数据1996-2020
B028 六大份中国农村数据集合
B039 《县域统计年鉴》面板数据整理 》2000-2020
B052 《中国能源统计年鉴》面板数据集合
B087 《中国城市统计年鉴》面板数据（280多个城市、市辖区）》2010-2020
B019《省、市、乡村数字经济大集合》
B115《农业数据研究集合》
B121《碳排放大礼包》
B125《280个地级市数字经济面板数据》
B137《人口数据》大全
B142《数字经济大合集》
C002 《全国矢量地图（专业版、小白版）》
C006 《全国矢量图》
C018 《中国地图空白版》
C021《2020年中国行政村级区划代码及经纬度》
详情请关注下方：
https://mp.weixin.qq.com/s?__biz=Mzg2NTQyMzE0OA==&mid=2247515647&idx=1&sn=a1831b9ea0dd33f1782ed7c29022cab5&chksm=ce58a7bcf92f2eaa50fe6dfe1f28b80a5c613bbcbec723c4a0ca54b1238025ec259ee64b7026&token=2066235213&lang=zh_CN#rd
