中国30m农田数据集（1986-2021年）

该数据集是利用谷歌地球引擎上的大量大地遥感卫星图像制作的。首先，根据前提知识、现有土地覆被基线图和时间加权动态时间扭曲法收集训练样本。其次，将从时间序列陆地卫星图像中获得的多年物候特征输入随机森林分类器，以获得每个像素的年度耕地概率。第三，采用 LandTrendr 变化检测算法将耕...

This dataset was constructed using a large collection of Earth remote sensing satellite imagery hosted on the Google Earth Engine platform. First, training samples were collected leveraging prior knowledge, existing land cover baseline maps, and the Time-Weighted Dynamic Time Warping (TWDTW) method. Second, multi-year phenological features derived from time-series Landsat satellite images were input into a Random Forest classifier to generate annual cropland probabilities for each individual pixel. Third, the LandTrendr change detection algorithm was employed to [the following content is truncated].

搜集汇总

背景与挑战

背景概述

中国30m农田数据集（1986-2021年）是一个高分辨率的年度农田动态监测数据集，覆盖中国全境，时间跨度长达36年。该数据集采用先进的机器学习和变化检测技术，基于Landsat卫星影像制作，数据精度高（F1得分0.79±0.02），优于同类产品，适用于农田动态变化研究。