2020年长三角土地利用遥感监测数据30m_中科院土地利用数据资源-CSDN文库

共6个文件

tfw：1个

xml：1个

cpg：1个

版权申诉

栅格数据

arcgis

5星 · 超过95%的资源 52 浏览量 2022-06-11 09:45:44 上传评论 4 收藏 29.63MB ZIP 举报

《2020年长三角土地利用遥感监测数据30m》是一份涵盖三省一市（江苏、浙江、安徽及上海）的土地利用情况的重要资料，具有30米的高分辨率，提供了对区域土地覆盖变化的详尽分析。这份数据集在地学研究、城市规划、环境监测等领域具有极高的应用价值。遥感监测是一种非接触式的地球观测技术，通过卫星或航空器上的传感器捕获地表的电磁波信息，从而分析和理解地表特征。2020年的长三角地区遥感数据，反映了这一区域在当年的土地利用状态，包括城镇居民点、农村居民点等多种类型的土地利用类别，这为了解区域人口分布、城乡发展、耕地保护等方面提供了直观的数据支持。 "土地利用覆被数据"是地理信息系统（GIS）中的关键组成部分，它记录了特定时间点地表各类土地类型的分布。这份数据的30米分辨率意味着每个像素代表实地30米×30米的区域，能够精确地展示地形地貌和人类活动对土地的影响。这种高精度的数据对于城市规划、农业管理、生态保护、灾害预警等都至关重要。 "栅格数据"是遥感和GIS领域常用的数据结构，由一系列按网格排列的像素组成，每个像素都有相应的值，代表特定的地理信息。2020长三角-30m数据集就是一种栅格数据，其每个像素值对应的土地利用类别，可以进行空间分析和模型构建，以揭示土地利用变化的规律和趋势。 "ArcGIS"是由Esri公司开发的地理信息系统软件，是处理和分析地理信息的强大工具。这些遥感数据可以通过ArcGIS进行加载、显示、分析和制图，用户可以利用其丰富的功能，如空间叠加、缓冲区分析、景观格局分析等，深入探究长三角地区的土地利用模式和变化动态。总结来说，这份《2020年长三角土地利用遥感监测数据30m》提供了高分辨率的区域土地利用信息，结合遥感技术、栅格数据和ArcGIS软件，可以为政策制定者、科研人员和规划师提供科学依据，促进区域可持续发展，实现资源的有效管理和环境保护。通过对数据的深度挖掘和分析，我们可以更准确地了解长三角地区的城乡结构、生态环境状况，以及未来发展的可能路径。

资源推荐

资源详情

资源评论

收起资源包目录

2020年长三角土地利用遥感监测数据30m.zip （6个子文件）

2020长三角-30m

CSJ-2020.tif 741.66MB

CSJ-2020.tif.aux.xml 2KB

CSJ-2020.tfw 92B

CSJ-2020.tif.ovr 251.18MB

CSJ-2020.tif.vat.dbf 788B

CSJ-2020.tif.vat.cpg 5B

<PAMDataset> <Metadata domain="Esri"> <MDI key="PyramidResamplingType">NEAREST</MDI> </Metadata> <PAMRasterBand band="1"> <Histograms> <HistItem> <HistMin>-128.5</HistMin> <HistMax>127.5</HistMax> <BucketCount>256</BucketCount> <IncludeOutOfRange>1</IncludeOutOfRange> <Approximate>0</Approximate> <HistCounts>0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|117643906|68468355|0|0|0|0|0|0|0|0|91039415|11253238|6176481|2725568|0|0|0|0|0|0|12675356|389458|233067|0|0|0|0|0|0|0|7349022|10105507|9896731|0|1765453|2949017|0|0|0|0|17978884|29897320|5987468|1962|0|0|0|0|0|0|0|0|1108|446666|59201|104626|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|89098|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0|0</HistCounts> </HistItem> </Histograms> <Metadata> <MDI key="RepresentationType">THEMATIC</MDI> <MDI key="STATISTICS_COVARIANCES">214.1375516983553</MDI> <MDI key="STATISTICS_MAXIMUM">99</MDI> <MDI key="STATISTICS_MEAN">22.906536118998</MDI> <MDI key="STATISTICS_MINIMUM">11</MDI> <MDI key="STATISTICS_SKIPFACTORX">1</MDI> <MDI key="STATISTICS_SKIPFACTORY">1</MDI> <MDI key="STATISTICS_STDDEV">14.633439503355</MDI> </Metadata> </PAMRasterBand> </PAMDataset>

评论收藏

内容反馈

版权申诉