EsriLandCover202010m

# 1.数据介绍

Esri_Land_Cover_2020_10m数据来源是Esri公司，基于10m哨兵影像数据，使用深度学习方法制作做的全球土地覆盖数据。该数据集一共分类十类，分别如下所示：

类别	Name	Code
水体	Water	1
林地	Trees	2
草地	Grass	3
淹没植被	Flooded vegetation	4
耕地	Crops	5
灌木	Scrub/shrub	6
建筑	Built Area	7
裸地	Bare ground	8
雪/冰	Snow/Ice	9
云	Clouds	10

该数据集的具体的分类效果如下：

该数据的数据精度总体精度为85%，混淆矩阵如下所示: Esri全球土地覆盖数据的影像数据的分布如下所示: 在这里插入图片描述

# 2.下载教程

# 2.1 官网下载

首先进入官网，会弹出一个下载窗口：

点击链接，即可下载全球的影像。如果你只想下载特定区域的数据，缩放到研究区。例如我们要下载北京市的土地覆盖数据，

鼠标左键点击，会弹出一个下载框：

再次点击进行下载，会自动跳转下载文件。待下载完成后，在gis软件中打开。

该数据是自带颜色映射表，无需手动配色。如果数据没有完整覆盖研究区，多下载两景。再按照研究区进行镶嵌和裁剪。

# 2.2 GEE下载

ESRI数据目前已经共享在Google earth engine平台上。但是ESRI数据在GEE中并没有拼接，需要mosaic。

第一步是设置参数，并加载ESRI的数据。

//显示参数设置
var imageVisParam_ESRI = {"opacity":1,"bands":["b1"],"min":1,"max":10,"palette":["8dffda","14ff31","686dff","ff9b54","ff712d","ff66b4"]};

//浏览全球土地覆盖数据
var ESRI = ee.ImageCollection("projects/sat-io/open-datasets/landcover/ESRI_Global-LULC_10m")
Map.addLayer(ESRI,imageVisParam_ESRI,"ESRI_landcover")

第二步加载待下载区域ROI。

//导入研究区
var ROI  =  ee.FeatureCollection("users/kitmyfaceplease2/lezhixian").geometry()
Map.centerObject(ROI, 8)
Map.addLayer(ROI, {color: 'FF0000', fillColor: '00000000', width: 1}, "ROI")

第三步是筛选影像，并裁剪:
ESRI数据需要使用mosaic函数。

//筛选数据             
var ESRI_ROI_landcover=ESRI
              .filterBounds(ROI)
              .mosaic()
              .clip(ROI)

//研究区土地覆盖影像
Map.addLayer(ESRI_ROI_landcover,imageVisParam_ESRI,"ESRI_ROI_landcover")

第三步是导出影像:

//下载
Export.image.toDrive({
    image:ESRI_ROI_landcover,
    description: "ESRI_ROI_landcover",
    region:ROI,
    scale:10,
    maxPixels:1e13
});

GEE代码链接：

https://code.earthengine.google.com/a38ccac06dcc858b83a65b01b3427819

# 参考

Karra, Kontgis, et al. “Global land use/land cover with Sentinel-2 and deep learning.” IGARSS 2021-2021 IEEE International Geoscience and Remote Sensing Symposium. IEEE, 2021.

https://esri.maps.arcgis.com/apps/instant/media/index.html?appid=fc92d38533d440078f17678ebc20e8e2

PIE&GEE 下载ESA、Esri与FROM三款10米土地覆盖数据代码.https://zhuanlan.zhihu.com/p/424767735