此数据集属于发布商目录，并非由 Google Earth Engine 管理。 如需报告 bug 或查看 MapBiomas Catalog 中的更多数据集，请发送电子邮件至 contato@mapbiomas.org。详细了解发布商数据集。
- 目录所有者
- MapBiomas
- 数据集可用时间
- 1985-01-01T00:00:00Z–2024-12-31T00:00:00Z
- 数据集提供方
- MapBiomas
- 联系人
- contato@mapbiomas.org
- 标签
说明
巴西的 MapBiomas 土地利用和土地覆盖 (LULC) 数据集由 MapBiomas 项目每年使用 Landsat 卫星图像和机器学习分类技术生成。该数据集以 30 米的分辨率提供一致且主题详细的地图，涵盖数十年，每年都会更新。
集合中的每张图片都包含年度土地覆盖分类，像素值表示类别土地覆盖类别，例如森林、农业、牧场、水体和城市地区。 分类图例在所有年份中均保持标准化和一致性，从而能够对土地利用变化、森林砍伐、重新造林和其他景观动态进行多时相分析。
分类基于 Landsat 5 (TM)、Landsat 7 (ETM+)、Landsat 8 和 9 (OLI/TIRS) 的地表反射率数据，这些数据经过预处理和镶嵌，可生成每年的无云合成影像。 分类流程包括使用参考样本训练的自动化决策树，以及区域专家的手动验证。
每个映像都包含一个名为“classification”的波段，表示相应年份、版本和集合 ID 的土地覆盖分类。
如需详细了解分类图例、方法和准确性评估，请访问 MapBiomas 网站。
建议您参考分类图例来解读类别值。 请注意，MapBiomas 提供的是离散分类地图，而不是概率。 这些地图最适合用于地图过渡、时间序列分析和土地政策监控应用。
频段
像元大小
30 米
波段
| 名称 | 像元大小 | 说明 |
|---|---|---|
classification |
米 | 土地利用和土地覆盖分类，整数值对应于 MapBiomas 图例类别。 |
分类类别表
| 值 | 颜色 | 说明 |
|---|---|---|
| 1 | #1f8d49 | 森林 |
| 3 | #1f8d49 | 森林形成 |
| 4 | #7dc975 | 稀树草原的形成 |
| 5 | #04381d | Mangrove |
| 6 | #007785 | 可淹没的森林 |
| 9 | #7a5900 | 森林种植园 |
| 10 | #d6bc74 | 草本和灌木植被 |
| 11 | #519799 | 湿地 |
| 12 | #d6bc74 | 草地 |
| 14 | #ffefc3 | 农业 |
| 15 | #edde8e | 牧场 |
| 18 | #e974ed | 农业 |
| 19 | #c27ba0 | 临时作物 |
| 20 | #db7093 | 甘蔗 |
| 21 | #ffefc3 | 用途多样 |
| 22 | #d4271e | 无植被区域 |
| 23 | #ffa07a | 海滩、沙丘和沙地 |
| 24 | #d4271e | 市区 |
| 25 | #db4d4f | 其他非植被区域 |
| 26 | #2532e4 | 水 |
| 29 | #ffaa5f | 岩石露头 |
| 30 | #9c0027 | 矿业 |
| 31 | #091077 | 水产业 |
| 32 | #fc8114 | 高盐潮滩 |
| 33 | #2532e4 | 河流、湖泊和海洋 |
| 35 | #9065d0 | 棕榈油 |
| 36 | #d082de | 多年生作物 |
| 39 | #f5b3c8 | 大豆 |
| 40 | #c71585 | Rice |
| 41 | #f54ca9 | 其他临时作物 |
| 46 | #d68fe2 | 咖啡 |
| 47 | #9932cc | Citrus |
| 48 | #e6ccff | 其他多年生作物 |
| 49 | #02d659 | 有树木的沙洲植被 |
| 50 | #ad5100 | 草本沙洲植被 |
| 62 | #ff69b4 | Cotton（Beta 版） |
| 75 | #c12100 | 光伏发电厂（Beta 版） |
图片属性
图像属性
| 名称 | 类型 | 说明 |
|---|---|---|
| 年 | INT | 土地利用和土地覆盖分类的年份。 |
| 版本 | STRING | 土地利用和土地覆盖分类的版本。 |
| collection_id | 双精度 | 土地利用和土地覆盖分类的集合标识符。 |
使用条款
使用条款
引用
Souza 等人 (2020) - Reconstructing Three Decades of Land Use and Land Cover Changes in Brazilian Biomes with Landsat Archive and Earth Engine - Remote Sensing, Volume 12, Issue 17, 10.3390/rs12172735。
DOI
通过 Earth Engine 探索
代码编辑器 (JavaScript)
/** MapBiomas Collection 10 - LULC Visualization for 2024 */ // Define the asset path for MapBiomas Collection 10 var assetPath = 'projects/mapbiomas-public/assets/brazil/lulc/v1'; // Define the year for visualization var year = 2024; // Load the classified image for the year 2024 from Collection 10 var collection = ee.ImageCollection(assetPath) .filter(ee.Filter.eq('collection_id', 10.0)) .filter(ee.Filter.eq('version', 'v1')) .filter(ee.Filter.eq('year', year)); // Define visualization parameters var visParams = { min: 0, max: 75, // Maximum class value in Collection 10 palette: [ 'ffffff', // [0] Not Observed '32a65e', // [1] -- '32a65e', // [2] -- '1f8d49', // [3] Forest Formation '7dc975', // [4] Savanna Formation '04381d', // [5] Mangrove '026975', // [6] Floodable Forest '000000', // [7] -- '000000', // [8] -- '7a6c00', // [9] Forest Plantation 'ad975a', // [10] -- '519799', // [11] Wetland 'd6bc74', // [12] Grassland 'd89f5c', // [13] Other Non Forest Formations 'FFFFB2', // [14] -- 'edde8e', // [15] Pasture '000000', // [16] -- '000000', // [17] -- 'f5b3c8', // [18] Agriculture 'C27BA0', // [19] -- 'db7093', // [20] Sugar Cane 'ffefc3', // [21] Mosaic of Uses 'db4d4f', // [22] Non vegetated area 'ffa07a', // [23] Beach, Dune and Sand Spot 'd4271e', // [24] Urban Area 'db4d4f', // [25] Other Non Vegetated Areas '0000FF', // [26] -- '000000', // [27] -- '000000', // [28] -- 'ffaa5f', // [29] Rocky Outcrop '9c0027', // [30] Mining '091077', // [31] Aquaculture 'fc8114', // [32] Hypersaline Tidal Flat '2532e4', // [33] Rivers, Lakes and Ocean '93dfe6', // [34] Glacier '9065d0', // [35] -- 'd082de', // [36] -- '000000', // [37] -- '000000', // [38] -- 'f5b3c8', // [39] Soybean 'c71585', // [40] Rice 'f54ca9', // [41] Other Temporary Crops 'cca0d4', // [42] -- 'dbd26b', // [43] -- '807a40', // [44] -- 'e04cfa', // [45] -- 'd68fe2', // [46] Coffee '9932cc', // [47] Citrus 'e6ccff', // [48] Other Perennial Crops '02d659', // [49] Wooded Sandbank Vegetation 'ad5100', // [50] Herbaceous Sandbank Vegetation '000000', // [51] -- '000000', // [52] -- '000000', // [53] -- '000000', // [54] -- '000000', // [55] -- '000000', // [56] -- 'CC66FF', // [57] -- 'FF6666', // [58] -- '006400', // [59] -- '8d9e8b', // [60] -- 'f5d5d5', // [61] Salt Flats 'ff69b4', // [62] Cotton 'ebf8b5', // [63] -- '000000', // [64] -- '000000', // [65] -- '91ff36', // [66] -- '7dc975', // [67] -- 'e97a7a', // [68] -- '0fffe3', // [69] Coral Reefs '000000', // [70] -- '000000', // [71] -- '000000', // [72] -- '000000', // [73] -- '000000', // [74] -- 'c12100', // [75] Photovoltaic Power Plant ] }; // Add the layer to the map Map.addLayer(collection, visParams, 'MapBiomas LULC 2024'); // Center the map on the image with a zoom level of 5 (covers Brazil) Map.centerObject(collection, 5);