AIEarth中国10米地物分类数据集(AIEC) 简介与Notebook示例¶
达摩院AI Earth团队自研的中国区10m分辨率地物分类产品,数据包含2020-2022年中国逐年土地覆盖信息。研究团队利用Sentinel-2 数据集,借助深度学习方法,融合了多时序、多模态、Low Level约束、半监督等技术,进行精细化地物分割。算法基于LandCoverNet Dataset, Google Dynamic Dataset和自研验证集进行统计评测,整体精度指标均达到一定提升。
AI EarthSentinel地物分类中国年度产品
AI Earth中国10米地物分类数据集(AIEC)是一个用于地物分类的数据集。该数据集包含了中国范围内的高分辨率遥感影像,并对影像中的地物进行分类。前言 – 人工智能教程
AIEC数据集的分辨率为10米,覆盖了中国的各个地区。数据集中的地物分类包括建筑物、道路、水体、农田、森林等。这些分类信息有助于各种应用和研究,如城市规划、土地利用、环境监测等。
AIEC数据集是由人工智能技术自动进行地物分类得到的,具有较高的准确性和可靠性。数据集可以用于训练和评估地物分类模型,以提高地物分类的精度和效果。
使用AIEC数据集可以帮助研究人员和应用开发者更好地理解和利用地物信息,从而为城市规划、农业管理、自然资源管理等领域提供支持和决策依据。
时相:
2020-2022年
范围:
中国
数据来源:
DAMO AI Earth
引用代码:
dataset = aie.ImageCollection('DAMO_AIE_CHINA_LC')
分辨率
10
波段
名称 | 描述 | 最小值 | 最大值 |
---|---|---|---|
Map | 用地类型 | 1 | 9 |
土地分类
数值 | 类型 |
---|---|
1 | 耕地 |
2 | 林地 |
3 | 草地 |
4 | 灌木 |
5 | 湿地 |
6 | 水体 |
7 | 人造地表 |
8 | 裸地 |
9 | 冰雪 |
数据检索
import aie
aie.Authenticate()
aie.Initialize()
# 指定需要检索的区域
feature_collection = aie.FeatureCollection('China_Province').geometry()
#指定检索数据集,可设置检索的时间范围
dataset = aie.ImageCollection('DAMO_AIE_CHINA_LC') \
.filterBounds(feature_collection) \
.filterDate("2022-01-01", "2022-01-31") \
.mosaic()\
.clip(feature_collection)
imgs = dataset.select(['Map']);
map = aie.Map(
center=imgs.getCenter(),
height=800,
zoom=6
)
vis_params = {
'bands': 'Map',
'min': 1,
'max': 9,
'palette': [
'#F8D072','#31AD69','#83C238','#63E038',
'#63E0E4','#A3D6F5','#F1A5B4','#D7C8B9',
'#9C9C9C'
]
}
map.addLayer(
imgs,
vis_params,
'Map',
bounds=imgs.getBounds()
)
map
单景影像检索
import aie
aie.Authenticate()
aie.Initialize()
img = aie.Image('DAMO_AIE_CHINA_LC_2022_N30E117')
map = aie.Map(
center=img.getCenter(),
height=800,
zoom=6
)
vis_params = {
'bands': 'Map',
'min': 1,
'max': 9,
'palette': [
'#F8D072','#31AD69','#83C238','#63E038',
'#63E0E4','#A3D6F5','#F1A5B4','#D7C8B9',
'#9C9C9C'
]
}
map.addLayer(
img,
vis_params,
'Map',
bounds=img.getBounds()
)
map
使用须知
此数据集来源于AI Earth团队,数据版权归AI Earth所有,用户使用中请遵守AI Earth平台用户协议中相关条款。并做好数据集引用说明。