粮食安全、全球变化、土地利用演变、农业碳汇、国土空间规划等研究都离不开高精度全球耕地底图。目前主流全球耕地产品普遍存在几大短板单一数据源分类偏差大、破碎农田识别漏分、分辨率多为 100m/500m精细地块提取能力不足不同产品间空间一致性差直接影响模型模拟与统计分析精度。现在给你分享一套融合多套全球土地覆盖产品、依托 Landsat 系列 30 米时序影像通过深度学习模型优化生成的全球 30 米耕地混合栅格数据集。不管是遥感专业学生、国土规划从业者、全球变化科研人员还是做农业遥感、生态建模的小伙伴这套数据都能直接替代传统粗分辨率耕地产品大幅提升研究精度请在文末查看数据领取方式。数据集详细介绍本数据集采用多源土地覆盖产品融合 Landsat 时序深度学习分类双架构生成。整合 GlobeLand30、GLC_FCS30、GFSAD30 等主流全球 30 米土地覆盖产品通过证据理论消除不同产品分类冲突统一耕地判定标准解决单一产品漏分、错分问题Landsat 时序特征补充嵌入 Landsat 8/9 OLI 30 米年度时序影像提取 NDVI、NDMI、裸土指数等物候特征区分耕地、草地、果园、撂荒地深度学习模型优化搭建多尺度残差卷积网络ResUNet针对全球不同农业区训练样本修正山区细碎农田、东南亚小块水田、非洲雨养农田识别误差整体分类精度达 92.7%Kappa 系数 0.89优于同类单源耕地产品。空间分辨率为30m全球统一无分区分辨率差异。坐标系统为WGS84 经纬度EPSG:4326兼容 GIS 软件通用底图。数据格式为全球分块 GeoTIFF 栅格单块 1°×1°支持批量拼接。分类体系为二值栅格1 耕地0 非耕地无多余地类干扰方便提取、统计、掩膜。覆盖范围为全球陆域但不含南极洲、永久冰川。精度更高多产品交叉验证 深度学习修正破碎农田识别效果远超单一土地覆盖产品。适配性强30m 中等分辨率兼顾全球尺度与地块精细度适配县域、洲际、全球多尺度分析。轻量化易处理二值栅格占用存储空间低ArcGIS Pro、QGIS、水经微图、GEE 均可流畅加载。全球粮食产能估算、耕地时空演变监测、农业面源污染模拟、碳循环模型输入、国土空间规划、跨境农业对比、气候变化下耕地响应、SDG2 零饥饿目标评估等。数据加载实战对于GIS专业人士在ArcGIS Pro中查看这套数据非常直观。打开ArcGIS Pro新建一个空白地图在“地图”选项卡中点击“添加数据”按钮通过路径导航到你下载的Hcropland30的.tif栅格文件例如“000015.tif”。全球30米耕地数据选中并添加栅格图便会出现在地图上。全球30米耕地数据网格分布添加后你会看到一幅黑白图像因为它的像素值只有1耕地和0非耕地。全球30米耕地数据加载效果你可以通过右键点击图层选择“符号系统”将“1”设置为醒目的方便观察耕地分布。全球30米耕地数据放大效果如果想了解全球格网的划分可以用同样的方法加载配套的“Grids.shp”矢量文件。这个矢量面图层包含了每个格网的详细属性可以直接在地图上点击查看得益于ArcGIS Pro的性能加载大量矢量数据通常很流畅。全球30米耕地数据放大效果如果你还想浏览下载其他人口、森林覆盖等更多专题图可以在水经微图4简称“微图4”进行查看。什么是微图4微图4是一款集地图下载与GIS功能于一体的轻量级GIS产品有更丰富的地图数据和更专业的GIS功能。微图4森林覆盖专题图微图4除了可以轻松下载无水印Google Earth卫星影像、有明确拍摄日期的历史影像。它还可以下载百度高德大字体地图并打印按1万/5千等国家标准图幅下载对百度坐标与火星坐标进行纠偏。以及下载陆地及海洋高程、STRM高程、提取10米等高线等深线、CASS高程点之外还有一个重要的功能就是下载省市县行政区划数据。微图4的更多功能请参阅《微图4桌面版功能简介与价格》一文中的详细说明。写在最后这套 Zenodo 开源 30 米全球耕地混合图通过多源土地覆盖融合 Landsat 深度学习双重技术提升制图精度。解决传统全球耕地产品分辨率低、识别误差大的痛点30m 尺度兼顾宏观全球研究与微观地块分析同时完全开源免费降低遥感、国土、农业领域的数据获取门槛。如果你需要该数据请关注“水经注GIS”公众号自助领取或在后台回复“人工客服”进群领取。你还可以立即点击“分享”按钮将本文分享给你从事农业土壤研究行业的朋友。参考资料Hu, Q., Cai, Z., You, L., Fritz, S., Zhang, X., Yin, H., Wei, H., Yang, J., Li, Z., Wu, H., Xu, B., Wu, W. (2024). Hcropland30: A hybrid 30-m global cropland map by leveraging global land cover products and Landsat data based on a deep learning model (Version: 1.0) [Data set]. Zenodo.https://doi.org/10.5281/zenodo.13169748