通过组合异构数据集增加欧洲土地利用/覆盖数据的细节

土地利用和土地覆盖（LULC）数据是政策相关研究的重要输入，例如人口、社会经济活动、交通、环境及其相互作用的建模。在欧洲，CORINE土地覆盖是唯一一个持续覆盖整个大陆的数据集，但空间细节相当有限。其他数据集提供了更好的细节，但要么只覆盖了欧洲的一小部分（如城市地图集），要么受到主题限制（如哥白尼高分辨率图层）。在这项研究中，我们处理并组合了不同的LULC数据，创建了一个涵盖41个国家的协调、即用型地图。通过这样做，与CORINE土地覆盖相比，我们增加了空间细节（从25公顷增加到1公顷）和主题细节（增加了7个LULC类别）。重要的是，我们使用机器学习将“工业和商业单位”类分解为“生产设施”、“商业/服务设施”和“公共设施”，以利用大型兴趣点数据库。尽管生产用地和商业用地之间存在混淆，但这一专题细分的总体准确率为74%，这通常归因于嘈杂的训练数据或混合土地用途。讨论了从这项工作中吸取的经验教训，并提出了进一步的研究方向。