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 aieaie.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 aieaie.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。