This application displays the land use/land cover (LULC) timeseries layer derived from ESA Sentinel-2 imagery at 10m resolution.

LULC（the land-use/land-cover 土地利用和土地覆盖）数据包括城市和建筑区、农田、牧场、林地、水、湿地、荒地、冻土带和终年积雪或终年结冰地带的有关信息。

土地利用和土地覆被 (LULC) 年度全球地图时间序列已更新至 v3 版，包含 2017-2023 年全球 10 米土地覆被。 这些地图来自 欧空局哨兵-2 10 米分辨率图像。 每张地图都是全年 9 个等级的 LULC 预测值的合成，以便生成每年的代表性快照。 该数据集由 Impact Observatory 生成，他们使用了数十亿人类标记的像素（由 国家地理学会 策划）来训练土地分类的深度学习模型。 全球地图是将该模型应用于 行星计算机 上的哨兵-2 年度场景集合而生成的。 经评估，每张地图的平均准确 …

2023年3月6日 · 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 …

Existing artificial intelligence (AI) land classification models were enhanced by bringing together a massive training dataset of billions of human-labeled image pixels. These models were applied to the entire Sentinel-2 scene collection for each year – that’s over 2,000,000 Earth observations from 6 spectral bands to produce the maps.

2021年12月19日 · 土地利用/覆被变化是自然客观条件和人类社会经济活动综合作用的结果，其形成与演变过程在受到地理自然因素制约的同时，也越来越多的受到人类改造利用行为的影响。 伴随城市化进展，土地供需矛盾日益凸显，土地利用已经成为城市发展的重要影响力量，是国际研究的热门课题。 与此同时，城市空间扩张、用地结构失衡、生态环境破坏等问题。 面对土地资源的这种矛盾化利用，如何把握土地利用类型之间的合理增长与平衡成为城市研究中的一个重要问题 …

2024年6月7日 · Time series of annual global maps of land use and land cover (LULC) was updated to v3 with global 10m land cover from 2017-2023. The maps are derived from ESA Sentinel-2 imagery at 10m resolution. Each map is a composite of LULC predictions for 9 classes throughout the year in order to generate a representative snapshot of each year.

2021年4月15日 · The USGS's FORE-SCE model was used to produce land-use and land-cover (LULC) projections for the conterminous United States. The projections were originally created as part of the "LandCarbon" project, an effort to understand biological carbon sequestration potential in the United States.

2024年6月1日 · 基于 ESA Sentinel-2 影像的 10 米分辨率全球土地利用/土地覆盖 (LULC) ，每年的地图均采用 Impact Observatory 的深度学习 AI 土地分类模型生成，该模型使用国家地理学会数十亿人工标记的图像像素进行训练。

2020年9月6日 · 土地利用/土地覆盖（lulc）地图是分析师和决策者在政府、民间社会、工业和金融领域中监测全球环境变化和衡量可持续生计与发展的风险时所需的基础地理空间数据产品。