Iran Land Cover Map v1 13-class (2017)

KNTU/LiDARLab/IranLandCover/V1
در دسترس بودن مجموعه داده
2017-01-01T00:00:00Z–2018-01-01T00:00:00Z
ارائه دهنده مجموعه داده
قطعه موتور زمین
ee.Image("KNTU/LiDARLab/IranLandCover/V1")
برچسب ها
زمین پوشش زمین -پوشش زمین ایران
kntu

توضیحات

نقشه پوشش زمین در سراسر ایران با پردازش تصاویر Sentinel در پلتفرم Google Earth Engine Cloud ایجاد شد. برای این منظور، بیش از 2500 تصویر Sentinel-1 و بیش از 11000 تصویر Sentinel-2 برای تولید یک مجموعه داده موزاییکی برای سال 2017 پردازش شد. سپس، یک روش طبقه‌بندی تصادفی جنگل مبتنی بر شی توسط تعداد زیادی نمونه مرجع برای 13 کلاس آموزش داده شد تا نقشه پوشش زمین در سراسر ایران تولید شود.

باندها

باندها

نام اندازه پیکسل توضیحات
classification 10 متر

طبقه بندی

جدول کلاس طبقه بندی

ارزش رنگ توضیحات
1 #000000

شهری

2 #006eff

آب

3 #41a661

تالاب

4 #ff7f7f

کلوت (یاردنگ)

5 #bee8ff

مارشلند

6 #ff00c5

زمین شور

7 #ff0000

خاک رس

8 #00734c

جنگل

9 #732600

رخنمون

10 #ffaa00

دشت بدون پوشش

11 #d3ffbe

شن و ماسه

12 #446589

زمین مزرعه

13 #cccccc

زمین مرتع

شرایط استفاده

شرایط استفاده

این اثر «نقشه پوشش سرزمین ایران v1 13-class (2017)» اثر ارسلان قربانیان، محمد کاکویی، میثم امانی، ساحل مهدوی، علی محمدزاده، مهدی حسنلو تحت مجوز Creative Commons Attribution 4.0 International (CC BY 4.0) منتشر شده است.

نقل قول ها

نقل قول ها:

  • قربانیان، ع.، کاکویی، م.، امانی، م.، مهدوی، س.، محمدزاده، ع.، و حسنلو، م. (1399). بهبود نقشه پوشش زمین ایران با استفاده از تصاویر سنتینل در موتور Google Earth و یک گردش کار خودکار جدید برای طبقه بندی پوشش زمین با استفاده از نمونه های آموزشی مهاجرت شده. ISPRS مجله فتوگرامتری و سنجش از دور، 167، 276-288. doi:10.1016/j.isprsjprs.2020.07.013

با Earth Engine کاوش کنید

ویرایشگر کد (جاوا اسکریپت) 

var dataset = ee.Image('KNTU/LiDARLab/IranLandCover/V1');

var visualization = {
  bands: ['classification']
};

Map.setCenter(54.0, 33.0, 5);

Map.addLayer(dataset, visualization, 'Classification');
در ویرایشگر کد باز کنید
نقشه پوشش زمین در سراسر ایران با پردازش تصاویر Sentinel در پلتفرم Google Earth Engine Cloud ایجاد شد. برای این منظور، بیش از 2500 تصویر Sentinel-1 و بیش از 11000 تصویر Sentinel-2 برای تولید یک مجموعه داده موزاییکی برای سال 2017 پردازش شد. سپس، یک روش طبقه‌بندی جنگل تصادفی مبتنی بر شی آموزش داده شد.
KNTU/LiDARLab/IranLandCover/V1, landcover, landuse-landcover
2017-01-01T00:00:00Z/2018-01-01T00:00:00Z
24.62 43.46 39.95 65.58
موتور Google Earth