本数据集基于深度学习的框架和开放获取数据(包括全球土地覆盖(GLC)产品、开放街道地图(OSM)和谷歌地球图像)建立了中国首个1米分辨率的国家尺度土地覆盖地图SinoLC-1。将三个10 m GLC产品和OSM数据结合生成可靠的训练标签。使用这些训练标签和来自Google Earth的1m分辨率图像来训练所提出的框架。该框架通过结合分辨率保持主干、弱监督模块和自监督损失函数，解决了图像和标签之间分辨率不匹配引起的标签噪声，从而在不需要人工标注的情况下自动改进VHR土地覆盖结果。基于大型存储和计算服务器，对73.25 TB数据集进行处理，获得覆盖全中国约960万平方公里的SinoLC-1。
数据来源于全球土地覆盖(GLC)产品、开放街道地图(OSM)和谷歌地球图像。
将三个10m GLC产品和OSM数据结合生成可靠的训练标签，使用这些训练标签和来自Google Earth的1m分辨率图像来训练所提出的框架。该框架通过结合分辨率保持主干、弱监督模块和自监督损失函数，解决了图像和标签之间分辨率不匹配引起的标签噪声，从而在不需要人工标注的情况下自动改进VHR土地覆盖结果。基于大型存储和计算服务器，对73.25TB数据集进行处理，获得覆盖全中国约960万平方公里的SinoLC-1。
SinoLC-1产品使用包括超过10万个随机样本的视觉解释验证集和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验证。验证结果表明，SinoLC-1的总体准确率为73.61%，κ系数为0.6595。对各省区的验证进一步表明了该数据集在整个中国的准确性。此外，统计验证结果表明，SinoLC-1与官方调查报告一致，总体误估率为6.4%。此外，还将SinoLC-1与其他五种广泛使用的GLC产品进行了比较。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。
本作品采用
知识共享署名 4.0 国际许可协议进行许可。
CSTR:11738.11.NCDC.ZENODO.DB6468.2024
10.5281/zenodo.8214871
