不贪吃1. 什么是GlobeLand30？
GlobeLand30是一套由中国研制的全球地表覆盖数据集，空间分辨率达到30米。简单来说，它就像是给地球表面拍了一张高清照片，然后把照片中的每个像素点（30米×30米）都标注上对应的地表类型。这套数据目前包含2000年、2010年和2020年三个时间点的全球地表覆盖情况，就像是给地球做了三次"体检"。
我第一次接触这套数据是在做一个湿地变化研究项目时。当时需要找一套能覆盖全球、时间跨度长、精度又足够高的地表覆盖数据，找来找去发现GlobeLand30是最合适的选择。它把全球地表分为10大类：耕地、林地、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪。这种分类既科学又实用，基本覆盖了我们常见的各种地表类型。
这套数据的精度相当不错。2010年版的总体精度达到83.5%，2020年版更是提高到85.72%。这是什么概念呢？相当于在100个检验点中，有85个点的分类结果与实际地表情况完全一致。在遥感领域，这个精度已经相当可靠了。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. GlobeLand30的数据来源与技术特点
GlobeLand30的数据来源主要是Landsat系列卫星的影像，包括TM5、ETM+和OLI传感器获取的多光谱影像，还有中国环境减灾卫星HJ-1的数据。2020版还加入了16米分辨率的GF1卫星影像。这些卫星就像是在太空中运行的"相机"，不断拍摄地球表面的照片。
数据处理过程很有意思。科研人员会优先选择生产基准年或更新年度±2年内植被生长季的无云或少云影像。为什么要选生长季的影像呢？因为这个时候植被特征最明显，更容易准确分类。对于影像获取困难的地区，时间要求会适当放宽，确保全球覆盖。
分类算法是这套数据的核心技术之一。虽然官方没有详细公开具体算法，但从精度评价结果来看，算法效果相当不错。我曾在项目中尝试用GlobeLand30的数据做二次分类，发现原始分类结果已经相当精细，特别是对森林、水体等大面积均质区域的识别非常准确。
3. 如何获取和使用GlobeLand30数据？
获取GlobeLand30数据其实比想象中简单。数据可以通过PIE-Engine等平台在线获取和使用。下面我分享一个实际使用中的代码示例：
javascript复制// 加载全球地表覆盖GlobeLand30数据
var img