全球首套 30 米精细化森林分类数据基于 Landsat 长时序遥感精准区分天然林 / 人工林 / 非林地总体精度85%双碳、生态保护、林业经济、GIS 空间分析必备 数据核心速览数据编号D226年份2021 年训练样本时序1985–2021空间分辨率30m全球最高精度覆盖范围全球陆地数据格式GeoTIFFTif分类精度总体 OA85%数据来源Landsat 遥感 随机森林分类顶刊发表可引用 栅格数值含义直接用1 天然林自然林2 人工林3 非林地 核心亮点论文直接写全球首次30m分辨率天然 / 人工林全覆盖制图基于扰动频率驱动自动样本生成解决大样本短缺难题融合光谱 地形 结构 纹理多特征分类可靠与FAO 2020 全球森林资源评估高度一致天然林斜率 1.005 6 大顶刊研究方向天然林保护、人工林扩张时空格局与驱动机制森林碳汇、碳储量、碳中和贡献评估生物多样性、生态系统服务差异对比人工林侵占天然林风险监测、冲突分析林业可持续管理、国土空间规划、生态修复气候变化对森林类型分布的影响数据简介该数据集数据集基于1985-2021年Landsat时间序列影像首次实现了2021年全球30米空间分辨率的天然林与人工林精细化制图该数据为栅格数据方便大家研究使用。该数据集首次以30米分辨率绘制2021年全球天然林与人工林分布填补了全球高精度森林类型制图的空白。其创新的扰动频率驱动样本生成方法突破了大范围样本短缺的瓶颈并通过融合光谱、地形与结构特征实现85%的分类精度。数据集为评估人工林扩张的生态影响如碳汇、生物多样性、量化全球森林恢复贡献提供了关键数据支撑对实现碳中和目标及《巴黎协定》履约具有战略意义。公开共享模式将进一步推动森林可持续管理的跨国研究与政策制定。数据详情数据来源Yuqin Li,Jining Yan,Xiaohui Huang,Xiangyou He,Ze Deng,Yunliang Chen,R-MLGTI: A Grid- and R-Tree-Based Hybrid Index for Unevenly Distributed Spatial Data, ISPRS International Journal of Geo-Information, 14, 6, (231), (2025).数据范围全球数据格式Tif数据概览该栅格数据有3个波段的数据其中分布代表1天然林2人工林3非林地数据概览如下参考文献[1]Yuqin Li,Jining Yan,Xiaohui Huang,Xiangyou He,Ze Deng,Yunliang Chen,R-MLGTI: A Grid- and R-Tree-Based Hybrid Index for Unevenly Distributed Spatial Data, ISPRS International Journal of Geo-Information, 14, 6, (231), (2025).