网站背景图片优化网站开发用不用写交互
数据集摘要
本数据是从“中国首个 1 米分辨率全国尺度土地覆盖图 SinoLC-1”数据中下载的新疆范围的数据，新疆数据包含13个地州市的tif格式数据，数据分辨率1米，GCS_WGS1984投影坐标，全国范围的数据发布于2023年。
基本信息
| 数据量 | 8.9 GiB |
|---|---|
| 数据空间分辨率(/米) | 1米 |
| 坐标系 | WGS84 |
| 投影 | GCS_WGS84 |
数据源描述
中国首个 1 米分辨率全国尺度土地覆盖图 SinoLC-1，利用基于深度学习的框架和开放数据建立，包括全球土地覆盖（GLC）产品、OpenStreetMap（OSM）和谷歌地球影像。通过结合三个 10 米 GLC 产品和 OSM 数据生成了可靠的训练标签。这些训练标签和从谷歌地球衍生出的 1 米分辨率图像被用于训练所提出的框架。 该框架通过结合一个分辨率保持型骨干网络、一个弱监督模块和一个自监督损失函数，解决了因图像与标签分辨率不匹配而产生的标签噪声问题，从而无需人工标注即可自动优化高分辨率土地覆盖结果。基于大存储和计算服务器，处理 73.25 TB 数据集以获取覆盖中国全境（960 万平方公里）的 SinoLC-1，耗时约 10 个月。
数据加工方法
数据作者的最新制图算法被计算机视觉顶会CVPR2024接收(https://arxiv.org/abs/2403.02746), 代码开源在:https://github.com/LiZhuoHong/Paraformer/ ,感兴趣的用户可以利用该代码高效地更新自己数据集的高分土地覆盖图。
数据质量描述
SinoLC-1 产品通过一个包含超过 10 万个随机样本的可视化判读验证集和一个从中国政府提供的官方土地调查报告中收集的统计验证集进行了验证。验证结果显示，SinoLC-1 的整体精度为 73.61%，κ系数为 0.6595。对每个省级区域的验证进一步表明了该数据集在中国全境的精度。此外，统计验证结果表明，SinoLC-1 与官方调查报告相符，整体误差率为 6.4%。此外，SinoLC-1 与其他五个广泛使用的 GLC 产品进行了比较。 这些结果表明 SinoLC-1 具有最高的空间分辨率和最精细的景观细节。总之，作为中国首个 1 米分辨率全国尺度土地覆盖地图，SinoLC-1 提供了准确性和为全国相关研究和应用提供了基础支持。
引用和标注
为保障平台科技资源的权益、扩展平台中心的服务、提升科技资源的应用潜力，请资源使用者在使用资源所产生的研究成果中（包括公开发表的论文、论著、数据产品和未公开发表的研究报告、数据产品等成果），请按以下方式规范标注和引用。
Zhuohong Li, Wei He, Mofan Cheng, Jingxin Hu, Xiao An, Yan Huang, Guangyi Yang, & Hongyan Zhang. (2023). SinoLC-1: the first 1-meter resolution national-scale land-cover map of China created with the deep learning framework and open-access data (Northwest of China) (Northwest of China) [Data set]. Zenodo. https://doi.org/10.5281/zenodo.7708740
中文发表的成果中参考以下规范注明： 数据来源于干早区生态与资源科学数据中心 (https://data.dcxjegi.cn)。
英文发表的成果中参考以下规范注明： The dataset is provided by Arid Land Ecology and Resources Science Data Center. (https://data.dcxjegi.cn).
数据引用
李锦. 新疆地州市1米分辨率土地覆盖图. 干旱区生态与资源科学数据中心(https://data.dcxjegi.cn), 2025. https://www.doi.org/10.5281/zenodo.7708740.
文章引用
Li Zhuohong, He Wei, Cheng Mofan, Hu Jingxin, Yang Guangyi, Zhang Hongyan. SinoLC-1: the first 1-meter resolution national-scale land-cover map of China created with the deep learning framework and open-access data[J]. Earth System Science Data Discussions, 2023, .
Li Zhuohong, He Wei, Li Jiepan, Lu Fangxiao, Zhang Hongyan. Learning without exact guidance: Updating large-scale high-resolution land cover maps from low-resolution historical labels[]. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2024, : 27717-27727.