世界土地覆盖的主要数据源是什么？
在你的一生中，地球发生了多大的变化？相当多，但你可能只是不能给它一个数字。
多亏了MODIS、AVHRR 和增强型专题地图等全球土地覆盖和卫星传感器，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？
它们的准确性如何？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：
中央公园：曼哈顿的广场绿地、杰奎琳肯尼迪奥纳西斯水库和分隔纽约和新泽西的上湾。
火岛：南岸的薄障岛保护着纽约长岛的海滨。
LONG ISLAND：长岛东北角的岛屿，如梅花岛、大鸥岛、小海鸥岛。
这里是Sentinel-2眼中的纽约，准确定位了上述特征。
这些特征在土地覆盖图中的分类程度如何？对地球进行分类并非易事。
阅读以下内容，了解各种免费提供的土地覆盖分类方案的摘要。
1. Esri 土地覆盖 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次坚实的努力。尽管空间分辨率远高于列表中的其他土地覆盖产品，但在某些方面仍然存在困难。
但首先，Esri Land Cover 数据集由 50 亿个人工标记的像素组成，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，可在Esri的Living Atlas of the World上找到。
这些类别包括建筑面积、水、树木、草、农作物、被淹的植被、灌木/灌木、裸露的地面、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，这种土地覆盖是最好的土地覆盖之一。马里兰大学与美国地质调查局合作，将其大约 2010 年的树木覆盖、裸露的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木覆盖树冠，以每个输出网格单元的百分比来描述。此树冠覆盖用于衡量从 2000 年到 2012 年的全球森林范围、损失和收益，例如这张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度为91%，森林覆盖变化大于 88%。与本文的准确性相呼应，中央公园和外岛清晰可见。火岛上缺乏森林地区是一致且合乎逻辑的。情况看起来不错。
阅读更多： 4张全球森林地图，以树见林
3. 气候变化倡议 (CCI) 土地覆被 V2
在 300 米分辨率下，ENVISAT MERIS 传感器是CCI Land Cover V2的 3 个时代土地覆盖图（1998-02、2003-07 和 2008-12）的最大贡献者。
按面积比例计算， 23 类土地覆盖图的准确率达到73% 。此外，欧洲航天局创建了ESA/CCI 土地覆盖查看器以动态查看土地覆盖
视觉上，你可以看到它是如何捕捉长岛南岸的薄壁垒的。尽管错过了大部分中央公园区域（4 公里 x 0.8 公里），但它对东北岛屿进行了无可挑剔的分类。
4. OSM 土地利用数据
此列表中的每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为一幅土地覆盖杰作。
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？当每一块都从名为 OpenStreetMap 的庞大全球社区同步时，你会得到一张极其准确的土地利用地图。
在单像素 ENVISAT MERIS 像素中，您可以计算所有 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 土地利用数据的唯一缺点是：
- 有大量的数据缺口。
- 它可能不会从针叶树中捕捉到落叶树。
- 你有随机的人更新它。（用这个说质量很好）
但在纽约，OSM 土地覆盖至高无上。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 MODIS-based Global Land Cover Cclimatology
500 米长的 MODIS 土地覆盖图（17 个土地覆盖等级）描述了基于 10 年跨度（2001-2010）的主导等级。
研究表明年际变化有 40% 的像素在 10 年的跨度中显示了一次或多次的类变化。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)可以很好地捕捉这些岛屿。
然而，出于所有意图和目的，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为期一年的高级甚高分辨率辐射计 (AVHRR)。根据占用的土地面积，GLCC 的准确率达到 66.9%。当观察者无法将像素推断为“真实”覆盖时，这个多数规则的准确性甚至更高，达到 78.7℅ 排除这些站点。
GLCC 正用于一系列环境建模应用，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了分类。然而，它错过了火岛和梅花岛的船。
7. GlobeLand30
为了恢复中国国家地理信息中心 2000 年和 2010 年的 30 米土地覆盖，它在行动中失踪了。
These 30-meter resolution land cover maps show the global distribution of 10 major land cover classes: water bodies, wetland, artificial surfaces, cultivated land, permanent snow and ice, forests, grasslands, shrubland, bare land, and tundra.
It took over 10,000 Landsat satellite images to cover the entire Earth at 30 m resolution. This land cover uses pixel- and object-based methods and each class is identified in a prioritized sequence. In 8 selected areas, it achieves an overall classification accuracy of 80%.
We’re empty-handed for New York at present time, but the data we have for other parts of the going looks fairly reasonable. To say the least, its disappearance is mysterious. Nowhere to be found at present, we’ll update the article when or if it’s back online
READ MORE: USGS Earth Explorer: Download Free Landsat Imagery
8. UN FAO Global Land Cover Network (GLC-SHARE)
The focus of the FAO’s GLC SHARE land cover is on land management. This is reflected particularly in some of its classes – cropland, grassland, bare soil, and mangroves. It includes artificial surfaces, water bodies, snow, treed, shrubs, herbaceous and sparse vegetation.
It’s coarse at today’s standards being a bit sharper than 1km grid cells. Further, it has an accuracy of about 80% with 1087 validation sites.
You can see how this classification completely misses Central Park, the majority of Fire Island, and the northeast islands. This is partly due to its coarse resolution.
Its primary use is for a better understanding of land management so we’d expect better results in agricultural areas.
9. Land Cover Type Yearly L3 Global 0.05Deg CMG
The Climate Modeling Grid has the same roots as MCD12Q1 using the same supervised classification-tree algorithm. This data set is available to download from the USGS Earth Explorer.
Although it generates the same 17-classes defined by the International Geosphere-Biosphere Programme, it’s at a much lower spatial resolution (0.05°).
At 5.5km pixels, you can’t get the precision level compared to all the other land cover options. For the average person, it’s hard to even recognize we’re looking at New York anymore.
10. Terrapop
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用地分类，大约在 2000 年，距离为 10 公里，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需情况。
我们提供了一个关于如何从直观的 Terrapop 界面中提取数据的详细教程。
阅读更多： 如何使用 TerraPop 获取统一的环境和人口数据
您使用哪种土地覆盖？
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不同供应商的土地覆盖差异。
只有在更精细的范围内，土地覆盖才能捕捉到陆地上重要的人类活动。尽管数据存在巨大差距，但没有像 OSM 那样详细的土地利用。
几乎就像隧道视觉一样，令人惊讶的是，科学家们没有使用多尺度、多数据的迭代方法，使用给定位置的最佳可用方法。
