1984-2024年中国10米分辨率城市土地利用栅格数据(商业、公服、居住等9类)

城市土地利用是刻画城市扩张与功能空间演化的重要基础信息。长时序、高分辨率且具有跨期可比性的城市土地利用数据,已成为城市扩张诊断、空间结构演化研究、国土空间规划评估与生态环境效应分析的重要支撑。而现有城市土地利用数据往往存在时间跨度不足、历史时期分辨率偏低、早期样本缺乏以及多期结果可比性不足等局限。

**今日分享的是1984-2024年中国10米分辨率城市土地利用栅格数据!**该数据集简称TCULU,是由北京大学Shuping Xiong等在2026年发布在Zenodo 平台上的数据集。该数据集包括1984、1990、1995、2000、2005、2010、2015、2024这八个年份的数据。数据格式为tif栅格格式,数据空间分辨率为10米,数据坐标系为WGS84,数据空间范围为中国。

该数据的栅格值包括1---9这9个数字,对应9种城市土地利用类型,具体为:水体(1)、绿地(2)、农田(3)、裸地(4)、居住(5)、商业(6)、公共服务(7)、工业(8)和交通(9)。该数据集以 2022 年全球城市边界(Global Urban Boundary,GUB)数据集作为城市范围基准,以保证不同年份之间的空间可比性。

该数据集主要基于多源遥感影像构建:以 Landsat 5、Landsat 8 和 Sentinel-2 影像为主要数据源,经预处理、超分辨率重建、半监督分类和道路约束时序分割等步骤,最终形成覆盖 1984--2024 年约5年一期的中国城市土地利用时序栅格数据。

需要说明的是:该数据全国范围的数据很大,不方便打开,我们基于全国数据裁剪出了分省份的数据和分城市的数据,一起分享给大家!

以下为数据的详细介绍:

01

数据预览

本次提供的数据集包括全国、分省、分城市的数据如下图:

下面我们以全国范围的数据为例打开看一下,包括8个tif文件,对应8个年份的城市土地利用数据,如下图:

下面我们以上海市的数据为例来看看数据细节,如下图:

02

数据的其他信息

数据来源:

数据来源于Zenodo平台

数据格式:

tif

地域范围:

中国

时间范围:

1984-2024年(1984、1990、1995、2000、2005、2010、2015和2024 年)

分辨率:

10米

坐标系

WGS84(EPSG:4326)

数据发布时间:

2026年

数据引用格式:

Xiong, S., Zhang, X., Wang, H., Meng, Q., & Du, S. (2026). 40-year (1984-2024) mapping of urban land use dynamics in China. Science Bulletin. Advance online publication.

如有数据使用需求请按照官方平台的要求进行引用,更多数据详情可以查看官网获悉!

【下载→

方式一(推荐):主页 *个人* 简介

城数派-CSDN博客

方式二:数据下载方式汇总-CSDN博客

相关推荐
城数派2 小时前
2015-2024年我国1km分辨率逐日地表温度(LST)栅格数据
数据库·arcgis·信息可视化·数据分析·excel
城数派2 小时前
中国全国土壤有机碳密度数据集(2010-2024年)
数据库·arcgis·信息可视化·数据分析·excel
码界筑梦坊5 小时前
354-基于Python的全国水稻数据可视化分析系统
开发语言·python·信息可视化·数据分析·flask·bootstrap·毕业设计
码界筑梦坊5 小时前
336-基于Python的肺癌数据可视化分析预测系统
开发语言·python·信息可视化·数据分析·django·vue·毕业设计
Ama_tor5 小时前
Electron经典入门 |创建“Hello World”桌面应用,并将其打包成 Windows 可执行文件(.exe)
arcgis
zandy10116 小时前
从拖拽到对话:衡石Agentic BI如何重构企业数据分析的交互范式
重构·数据分析·交互
源码之家7 小时前
计算机毕业设计:基于Python的美食数据采集可视化系统 Django框架 Scrapy爬虫 可视化 数据分析 大数据 机器学习 食物 食品(建议收藏)✅
python·算法·机器学习·信息可视化·课程设计
源码之家7 小时前
计算机毕业设计:Python智慧交通大数据监控系统 Flask框架 可视化 百度地图 汽车 车况 数据分析 大模型 机器学习(建议收藏)✅
大数据·python·算法·机器学习·信息可视化·flask·课程设计
keke.shengfengpolang7 小时前
大专电子商务转数据分析:把“会卖货”变成“会分析”的四个阶段
数据挖掘·数据分析