世界土地覆盖的主要数据来源是什么？
在您的一生中，地球发生了多少变化？相当多，但您可能无法给出一个数字。
多亏了全球土地覆盖和卫星传感器，如 MODIS、AVHRR 和增强型专题制图器，我们终于可以了解我们不断变化的星球。
但是存在哪些全球土地覆盖数据集？什么是最好的？
它们的准确性是多少？它的空间分辨率有多好？
眼见为实
为了帮助您跟进并直观地了解土地覆盖分类的准确性，我们制作了纽约的屏幕截图。要记住的一些关键特性是：
CENTRAL PARK : 曼哈顿的方形绿地，杰奎琳·肯尼迪·奥纳西斯水库，以及分隔纽约和新泽西的上海湾。
火岛：南部海岸外的薄屏障岛保护着纽约长岛的海滨。
长岛：位于长岛东北角的岛屿，如梅花岛、大鸥岛和小鸥岛。
这是Sentinel-2眼中的纽约，精确定位了上述特征。
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是一件容易的事。
阅读下文，了解可免费获取的各种土地覆盖分类方案的摘要。
1. Esri Land Cover 10m
Esri Land Cover (10m)确实是使用 Sentinel-2 实现 10 米分辨率土地覆盖的第一个坚实成果。虽然空间分辨率比列表中的其他土地覆盖产品大得多，但它在某些方面仍然很挣扎。
但首先，Esri Land Cover 数据集包含 50 亿个人工标记像素，是训练深度学习模型的结果。这个 10 米分辨率的数据源是开源的，可以在 Esri 的Living Atlas of the World上找到。
这些类别包括建筑区域、水、树木、草地、农作物、水淹植被、灌木丛/灌木、裸地、雪/冰和云。总体而言，它是当今可用的最佳全球土地覆盖，因为它使用了最高分辨率的空间开放数据源。但是，请注意道路和其他几个类别的准确性。
2. 全球土地调查（GLS）
在 30 米的分辨率下，这片土地覆盖是最好的土地覆盖之一。马里兰大学与 USGS 合作，将其大约 2010 年的树木覆盖、裸露地面和持久的地表水结合在一起。
使用 Landsat 7 ETM+ 数据，其最令人印象深刻的属性是其树冠覆盖度，描述为每个输出网格单元的百分比。此树冠覆盖用于衡量 2000 年至 2012 年的全球森林范围、损失和收益，例如此全球森林变化网络地图。
研究表明，全球土地调查 (GLS) 静态森林覆盖的总体准确率为91%，森林覆盖变化 >88% 。与本文的准确性相呼应，中央公园和外岛清晰可见。火岛上缺乏森林区域是一致且合乎逻辑的。事情看起来不错。
阅读更多： 4 幅全球森林地图，只见树木，只见森林
3. 气候变化倡议 (CCI) 土地覆盖 V2
在 300 米分辨率下，ENVISAT MERIS 传感器是CCI Land Cover V2的 3 个时期土地覆盖图（1998-02、2003-07 和 2008-12）的最大贡献者。
按面积比例，它被引用为 23 级土地覆盖图的准确度达到 73% 。此外，欧洲航天局还创建了ESA/CCI 土地覆盖查看器以动态查看土地覆盖
在视觉上，您可以看到它如何捕捉长岛南岸的薄屏障。尽管缺少大部分中央公园区域（4 公里 x 0.8 公里），但它对东北岛屿的分类无可挑剔。
4. OSM 土地利用数据
此列表中的每一个土地覆盖分类都使用图像分类算法。想象一下，一位作曲家写了一首交响曲，将数百张卫星图像分类成一幅土地覆盖杰作。
但是当你有成千上万的艺术家创作他们自己的音乐时会发生什么？当每件作品都与被称为 OpenStreetMap 的巨大全球社区同步时，您将获得一张极其准确的土地使用地图。
在一个单像素 ENVISAT MERIS 像素中，您可以数出所有 157 座建筑物。
最重要的是，它会告诉您它是住宅、商业、工业还是任何其他类型。
OSM 土地使用数据的唯一缺点是：
- 存在大量数据缺口。
- 它可能不会从针叶树上捕获落叶树。
- 你有随机的人更新它。 （用这个说质量还是不错的）
但在纽约， OSM Land Cover占主导地位。中央公园的轮廓如画。南岸和东北岛屿是矢量化轮廓。向北平移几次，土地覆盖是空的。
阅读更多： 10 个免费 GIS 数据源：最佳全球栅格和矢量数据集
5. MCD12Q1 0.5 km 基于MODIS的全球土地覆盖气候学
500 米 MODIS 土地覆盖图（17 个土地覆盖类别）描述了基于 10 年跨度（2001-2010）的主要类别。
研究表明年际变化有 40% 的像素显示在 10 年跨度内发生一次或多次类变化。由于它的粗糙，它错过了中央公园和火岛的标记。但是中分辨率成像光谱仪 (MODIS)很好地捕获了这些岛屿。
然而，就所有意图和目的而言，它为天气和气候模型服务。
6. USGS – 全球土地覆盖特征（GLCC）
GLCC 基于使用无监督图像分类方法的一年高级超高分辨率辐射计 (AVHRR)。基于占用的土地面积， GLCC 达到 66.9% 的准确率。当观察者无法将某个像素推断为“真实”封面时，这种多数规则的准确性甚至更高，达到 78.7℅ 并丢弃这些站点。
GLCC 被用于一系列环境建模应用程序，包括戈达德地球观测系统模型 V5 (GEOS-5)。
这个 1 公里像素大小的土地覆盖分类已对中央公园进行分类。然而，它错过了去火岛和梅花岛的船。
7. GlobeLand30
为了从中国国家地理信息中心复活 2000 年和 2010 年 30 米的土地覆盖，它在行动中失踪了。
这些 30 米分辨率的土地覆盖图显示了 10 种主要土地覆盖类别的全球分布：水体、湿地、人造表面、耕地、永久性冰雪、森林、草原、灌木丛、裸地和苔原。
它拍摄了 10,000 多张 Landsat 卫星图像，以 30 米的分辨率覆盖整个地球。这种土地覆盖使用基于像素和对象的方法，并且每个类别都按优先顺序进行识别。在 8 个选定区域中，它实现了 80% 的整体分类准确率。
目前我们对纽约空手而归，但我们拥有的其他地区的数据看起来相当合理。至少可以说，它的消失是神秘的。目前无处可寻，我们会在文章重新上线时更新文章
阅读更多： USGS Earth Explorer：下载免费的 Landsat 图像
8.联合国粮农组织全球土地覆盖网络（GLC-SHARE）
粮农组织GLC SHARE 土地覆盖的重点是土地管理。这尤其反映在它的某些类别中——农田、草地、裸土和红树林。它包括人造表面、水体、雪、树木、灌木、草本和稀疏植被。
按照今天的标准，它比 1 公里的网格单元更尖锐一点，这是很粗糙的。此外，它在 1087 个验证站点上的准确率约为 80%。
你可以看到这种分类是如何完全错过中央公园、火岛的大部分地区和东北岛屿的。这部分是由于其粗糙的分辨率。
它的主要用途是更好地了解土地管理，因此我们期望在农业领域取得更好的成果。
9. 土地覆盖类型每年 L3 全球 0.05Deg CMG
气候建模网格与 MCD12Q1 具有相同的根，使用相同的监督分类树算法。该数据集可从USGS Earth Explorer下载。
尽管它生成由国际地圈-生物圈计划定义的相同 17 类，但它的空间分辨率 (0.05°) 低得多。
在 5.5 公里像素处，您无法获得与所有其他土地覆盖选项相比的精度级别。对于普通人来说，甚至很难认出我们正在看着纽约。
10. 兵马俑
Terrapop包含来自已经提到的 23 级 ESA GLC 和 MODIS 1km 的各种现有全球土地覆盖数据集。
最重要的是，它包括一个非常粗略的农业土地分类，大约 2000 年在 10 公里处来自全球景观倡议。这包含 175 种作物的收获面积和产量，以更好地了解农业供求关系。
我们提供了一个非常详细的教程，介绍如何从直观的 Terrapop 界面中提取数据。
阅读更多： 如何使用 TerraPop 获取协调一致的环境和人口统计数据
你使用哪种土地覆盖？
全球各地的航天机构都在发射卫星，以满足对地球准确土地覆盖的需求。
我们对纽约的简单视觉评估显示了供应商之间的土地覆盖差异。
只有在更精细的尺度上，土地覆盖才能捕捉到土地上重要的人类活动。尽管数据存在重大差距，但没有像 OSM 那样详细的土地使用情况。
几乎就像隧道视野一样，令人惊讶的是，科学家们没有使用给定位置可用的最佳数据的多尺度、多数据迭代方法。
