2001–2020年中国广西及东盟区域1 km分辨率降尺度月度降水数据集

中国广西及东盟区域位于亚洲东南部,同属亚热带季风气候,降水充沛,洪涝灾害频发,直接影响社会经济活动,高分辨率、高精度降水资料可有效支撑区域水资源、农业、灾害及生态等管理和研究。本研究以2001–2020年全球降水观测计划降水数据(GPM IMERG)为因变量,结合中分辨率成像光谱仪(MODIS)增强植被指数(EVI)、地表蒸散发(ET)、地表温度(LST)、先进星载热发射和反射辐射仪(ASTER)海拔(ELV)等解释变量,引入考虑变量随地理环境影响变化的地理加权回归(GWR)模型,构建空间分辨率为10 km的年尺度模型,经过测试选取验证精度良好的指数核函数。通过回代,基于空间分辨率为1 km的解释变量,构建了2001–2020年中国广西及东盟区域1 km年度降水数据集,并进一步采用比例指数法获得研究区2001–2020年1 km月度降水数据集。采用2001–2020年2679个地面观测站点数据对降尺度数据集进行验证,相关系数、均方根误差和偏差分别为0.792、74.610mm、-0.122%。本数据集能够有效反映1 km分辨率下的降水时空分布及其差异性,可广泛应用于水资源、农业、生态环境、灾害模拟等研究领域。

2000–2023年平陆运河区域环境时空变化特征数据集

运河是区域发展的重要水运通道,不仅是物资运输流通的走廊,也是区域社会、经济和环境可持续发展的核心纽带。运河的建设和运行直接关联着沿线地区发展,平陆运河是西部陆海新通道的重要工程,其社会和经济效益潜力巨大,而环境要素是区域可持续发展的关键。为开展运河流域环境评估,满足区域时空变化监测需求,本研究以平陆运河区流域和行政区划为研究范围,结合公开发布的社会、经济和环境等多要素数据,采用标准格网,构建公里级多维、时空一致的运河数字环境数据集。本数据集包括水文气象、生态环境、大气环境和社会经济四大类参数,总计涵盖26套参数数据,其中包括流域的19套参数数据和乡镇区划的7套参数数据。数据集的参数数据均为公开可获取,经过严格的数据质量评估。基于这26套参数数据,对其中的14套长时序参数数据进行时空变化特征分析,计算得到每个参数每年的平均变化量,并提供了研究区域的5个数据文件。本数据集可支撑平陆运河区域数据可视化、运河综合环境评估以及数字孪生应用等,为未来运河管理和可持续发展研究提供数据基础。

全格陵兰冰盖表面融水卫星遥感观测

每年夏季,格陵兰冰盖表面消融产生大量融水。冰面融水由冰面河输送,存储在冰面湖或注水冰裂隙中,形成了规模庞大、结构复杂的水文系统。然而,目前研究对全格陵兰冰面融水空间分布的理解十分有限。文章利用134景10 m空间分辨率的Sentinel-2遥感影像,提取了2019年消融旺盛期格陵兰冰面融水遥感信息;进一步,对比分析了遥感观测的冰面融水分布与区域大气气候模型(regional atmospheric climate model,RACMO)模拟的冰面融水径流量。结果表明:①2019年消融旺盛期,格陵兰冰面融水面积为9900.9 km^(2),融水体积为6.8 km^(3);②格陵兰冰面融水的空间分布差异较大,呈现明显的“西多东少”“北多南少”的态势;③格陵兰冰面融水主要由冰面河组成,冰面河占冰面融水总体积的57.1%,其次是注水冰裂隙(25.6%)和冰面湖(17.3%);④RACMO在多数流域准确模拟了冰面融水径流区域。研究反映了高分辨率遥感在格陵兰冰面水文研究中的应用潜力,提升了对冰面融水输送与存储等关键水文过程的理解。

2000、2010和2020年中国广西土地利用/土地覆盖融合数据集

本研究选取全球/中国广泛应用的6大土地利用/土地覆盖遥感数据产品,包括欧空局全球土地覆盖产品(ESAGC)、ESRI全球10米土地利用/土地覆盖数据(ESRI-LULC)、清华大学高分辨率全球土地覆盖产品(FROM-GLC)、武汉大学中国土地覆盖数据集(CLCD)、全球30米高分辨率系统土地覆盖产品(GLC_FCS30)以及Globe Land30(GLC30),通过对多个数据产品进行重分类,提出基于一致性评估的多源数据产品融合方法,合成新的广西区域2020年度土地利用/土地覆盖数据产品,与地方统计年鉴数据相关系数大于0.94。研究进一步选用有长时间序列的三套数据(CLCD、GLC_FCS30和GLC30)融合形成广西2000、2010及2020年共三期土地利用/土地覆盖融合数据产品。本研究可以为区域土地利用/土地覆盖数据产品的融合应用提供方法基础,融合数据可以更好的支持广西区域的环境保护、农业生产规划和城市发展规划等相关研究。

积雪遥感监测产品研究与应用进展

积雪是表征地表冰冻圈的重要因子,也是重要的天气、水文现象的参数。借助遥感技术对积雪形态及变化进行长时序、大范围监测,在全球气候变化研究、水文水资源调查和地质灾害预防等领域有重要作用。经过数十年的发展,国内外积雪遥感监测技术领域取得了很大进展,积雪遥感监测产品种类不断丰富,积雪反演的算法也在不断改进。文章对现有应用比较广泛的积雪产品按照积雪范围产品、积雪覆盖率产品和雪深/雪水当量产品3类进行归纳总结,梳理当前典型积雪范围及覆盖率产品和雪深/雪水当量产品的业务化遥感反演算法。文章指出,随着国内外高时间和空间分辨率传感器的不断出现,在光学和微波新数据源、新技术支持下,研究人员逐渐针对区域特点优化积雪反演算法,使得反演精度不断提高,为未来积雪遥感监测产品的不断改进提供更多支持。

中国广西、云南、贵州及东盟十国河流、湖库面域矢量及其覆盖率数据集

径流是水循环中的重要过程,流域中河流的分布信息对该区域的水资源、生态、环境及其社会经济活动具有重要意义。我国广西、云南、贵州和东盟十国属于多云雨、山地特点突出的区域,对比已有的河流面域数据产品,发现对该区域的河流信息表征不足。为获得更为精确的河流分布数据,满足水资源及生态环境评估,本文采用欧亚大陆河流矢量数据(2010)及欧空局(ESA)全球土地分类数据(2020)陆表水体产品,通过融合形成综合河流矢量数据,再采用膨胀和收缩缓冲分析方法,解决河流不连续问题,并制作了中国广西、云南、贵州及东盟十国河流面域矢量数据。通过对ESA土地分类数据的进一步处理,获得了同区域的湖泊面域矢量数据。最终,本文计算了河流和湖泊的覆盖率,并生成1 km格网的河流和湖库覆盖率数据集。与Hydro RIVERS数据集,以及4种水体遥感数据集(Global Surface water,Esri Land Cover,Dynamic World V1,GRWL)的对比结果显示,本数据集在研究区对河流水系的表征能力更强,比原始输入数据集具有更丰富的细节,表现为:本数据集填补了欧亚大陆河流矢量数据(2010)中缺少的山区支流部分,解决了河流不连续、缺失等问题。本数据集为我国广西、云南、贵州及东盟十国的水体提取提供基础的先验数据,在洪水预报、水资源管理等方面具有重要价值,可服务于生态环境、交通运输、农业灌溉、能源等社会经济活动。

2015–2022年漓江流域12天时间分辨率地表水体面积数据集

喀斯特地貌在广西地区分布广泛,具有汛期降水强度大、水文过程迅速且时空异质性高等特点。水是重要的生态基础和自然资源,及时、准确地获取地表水体的时空变化特征,对于水资源的保护与管理、旱涝灾害的快速评估以及实现各个经济产业的可持续发展等具有现实意义。本数据集以广西桂林漓江流域为研究区域,针对当前地表水体监测频次低、水体提取方法受限于样本信息以及在复杂地形区域内提取精度较低等问题,结合Sentinel-1雷达和Sentinel-2光学等多源遥感数据,基于雷达和光学传感器成像原理的不同,提出了一种基于经验阈值进行矢量分类的方法,剔除了绝大部分地物阴影的干扰,构建了2015–2022年漓江流域时间分辨率为12天、空间分辨率为10米的地表水体面积数据集,共包括196期地表水体矢量数据。通过对数据集的空间分布和定量精度验证,结果表明:本数据集对河流、湖泊和水库的入、出水口以及复杂地形区域内小型水体等的提取精度较高,总体精度达到92.73%,Kappa系数为0.85。本数据集可用于支撑漓江流域水资源保护和生态环境的可持续管理,能够为应急管理、灾害防治、水利开发和经济发展等领域的决策提供可靠数据。

基于人工智能的地球物理参数反演范式理论及判定条件

[目的/意义]人工智能(Artificial Intelligence,AI)技术已在学术和工程应用领域掀起了研究高潮,在地球物理参数和农业气象遥感参数反演方面也表现出了强大的应用潜力。目前大部分AI技术在地学和农学的应用还是“黑箱”,没有物理意义或缺乏可解释性及通用性。为了促进AI在地学和农学的应用和培养交叉学科的人才,本研究提出基于AI耦合物理和统计方法的地球物理参数反演范式理论。[方法]首先基于物理能量平衡方程进行物理逻辑推理,从理论上构造反演方程组,然后基于物理推导构建泛化的统计方法。通过物理模型模拟获得物理方法的代表性解以及利用多源数据获得统计方法代表性的解作为深度学习的训练和测试数据库,最后利用深度学习进行优化求解。[结果和讨论]判定形成具有通用性和物理可解释的范式条件包括:(1)输入与输出变量(参数)之间必须存在因果关系;(2)输入和输出变量(参数)之间理论上可以构建闭合的方程组(未知数个数少于或等于方程组个数),也就是说输出参数可以被输入参数唯一确定。如果输入参数(变量)和输出参数(变量)之间存在很强的因果关系,则可以直接使用深度学习进行反演。如果输入参数和输出参数之间存在弱相关性,则需要添加先验知识来提高输出参数的反演精度。此外,本研究以农业气象遥感中的关键参数地表温度、发射率、近地表空气温度和大气水汽含量联合反演作为案例对理论进行了证明,分析结果表明本理论是可行的,并且可以辅助优化设计卫星传感器波段组合。[结论]本理论和判定条件的提出在地球物理参数反演史上具有里程碑意义。

1972-2017年西藏卡若拉冰川分布数据集

西藏卡若拉冰川位于西藏自治区山南地区浪卡子县和日喀则地区江孜县交界处,北纬28°54′23.30″~28°56′50.95″,东经90°11′42.21″~90°09′26.23″,属大陆性冰川,平均海拔5042米,是近南北向展布的宁金岗桑峰的组成部分。本数据集在综合中国科学院寒区旱区环境与工程研究所的我国第一次冰川编目数据、地球系统科学数据共享平台的雅鲁藏布江流域冰川2005年1∶10万编目数据、Google Earth遥感影像及野外考察等相关数据的基础上,借助ArcGIS、ENVI等软件,对数据进行波段组合、研究区裁剪、人工目视解译等技术研发完成,最后对所得的数据进行了精度验证。本数据集共包括1972~2017年间的25期冰川矢量数据和面积数据统计表,反映了45年来卡若拉冰川边界变化情况,可以作为青藏高原冰川变化、气候变化等研究的参考数据。

北极海冰密集度遥感数据产品对比及航道关键区验证研究

为分析并评价海冰边缘区海冰密集度数据产品,选取北冰洋区域8种公开发布的产品,基于平均偏差和标准差(Standard Deviation, SD)展开分析,结果表明:Bremen/ASI(ARCTIC Sea Ice)、Bremen/BT (Bootstrap)、NSIDC(National Snow and Ice Data Center)/BT和NSIDC/CDR(Climate Data Record)四种数据全年平均偏差整体高于平均值,在夏季偏差高于冬季;Hamburger/ASI全年平均偏差低于平均值,冬春季偏差为负,夏季梢高于均值;NSIDC/NT(NASA Team)、NOAA OI SIC(National Oceanic and Atmospheric Administration Optimum Interpolation Sea Ice Concentration)和OSISAF(The Ocean and Sea Ice Satellite Application Facility)三种数据全年平均偏差为负,夏季负向增加;夏季和秋季标准差较大区域主要分布在东北航道薄冰区,东西伯利亚、拉普捷夫海和喀拉海区域标准差变化较大,从3%增加到10%~15%。围绕航道区,以MODIS(Moderate Resolution Imaging Spectroradiometer)影像作为参考,对8种数据的对比评估结果表明:在25km空间分辨率下,Bremen发布的两种数据相关性较高,均为0.80;NOAAOISIC数据相关性最低,为0.63;Bremen/BT平均偏差较小,为7.11%;基于ASI算法的Bremen/ASI数据和Hamburger/ASI数据平均偏差较大,分别为14.38%和14.99%,且在夏季和秋季偏差波动较大,对应标准差分别为12.16%和11.01%。该项研究对于提升遥感数据产品在海冰边缘或航道区的应用及进一步的算法研发具有指导意义。

气候变化对南极冰面湖的影响研究:以埃默里和拉森A冰架为例

冰面湖作为区域气候变化的灵敏指示器,对研究全球气候变化背景下南极冰冻圈的稳定性具有重要意义。本文基于2000—2019年区域气象数据、LandsatETM+/OLI影像与LIMA(LandsatImageMosaicof Antarctica)镶嵌影像,选取东南极的埃默里冰架和西南极的拉森A冰架作为研究区,采用归一化水体指数(Normalized Difference Water Index, NDWI)提取冰面湖面积信息,对冰面湖面积与气象数据开展遥相关分析,探索冰面湖与区域气候变化的联系。结果表明:埃默里冰面湖总面积较为稳定并有减小趋势,拉森A冰面湖总面积则呈增加趋势;冰面湖与气温和海温之间存在正向反馈特征;两个冰架区域的反馈特征规律明显不同,埃默里冰面湖面积受气温影响显著,但受海温影响并不明显,而拉森A冰面湖则对海温变化敏感,其面积与海温变化趋势一致。

面向航运服务的海冰密集度遥感产品对比研究

北极快速升温为北极通航窗口期延长提供了重大机遇,为北极航运和极区科考船只的空间信息提供服务,海冰边缘区浮冰遥感信息产品的可靠性非常关键。对比和分析了9种海冰密集度数据产品,并采用高分雷达数据开展面向海冰边缘区精度评估。结果表明,北极地区的9种海冰密集度产品相对其平均值的最大日偏差出现在夏季6—8月航道窗口期,其中采用被动微波高频算法的ASI产品和综合算法OSI SAF产品的整体平均偏差分别为0.59%和–0.65%。经对比发现各产品空间分布的不一致性主要存在于海冰边缘区。2018年,9种产品海冰范围的逐日最大和最小值之差为2.51×10^(6)~6.26×10^(6)km^(2)。在边缘区采用高分辨率雷达数据开展对比,结果表明在密集压实型海冰边缘,除基于ASI和NT2算法的三种产品外,其余六种产品均呈低密集度区高估、高密集度区低估的特点;基于AMSR2传感器的ASI-AMSR2和OSI SAF-AMSR2产品与雷达观测具有较高相关性,R^(2)分别为0.85和0.82,且均方根误差(RMSE)最小,分别为12.19%和9.70%。在分散型冰边缘,各产品对海冰密集度全面低估,OSI SAF-AMSR2相关性最高,R^(2)为0.78,RMSE最小,为6.19%。分析认为基于AMSR2的OSI SAF-AMSR2产品在现有9种产品中更能表征航道区海冰边缘与低密集区。

青藏高原MODIS逐日无云积雪面积数据集 (2002-2015年)

青藏高原积雪对于能量和水循环起着重要的反馈和调节作用,其消融过程也直接影响着融雪性河流流量的变化,积雪的存在以及长时间变化等也是区域气候、生态和灾害的影响和响应敏感因素之一。中分辨率成像光谱仪(MODIS)具有高时空分辨率的特点,被广泛应用于积雪遥感动态监测。青藏高原地区积雪的赋存变化较快,高原周边高山区具有冰雪资源丰富,大气对流活跃等特点,而光学遥感往往受云的影响,在日时间尺度上积雪覆盖监测需要考虑去云问题。在充分考虑青藏高原的地形和山地积雪特征的情况下,本套数据集采用了多种去云过程和步骤相结合,逐步实现保持积雪分类精度的情况下,完成逐日积雪的云量消除,形成了“青藏高原MODIS逐日无云积雪面积”的逐步综合分类算法,完成了“青藏高原MODIS逐日无云积雪面积数据集(2002~2015年)”。论文选取2009年10月1日至2011年4月30日中的两个积雪季为算法研究和精度验证试验数据,采用研究区145个地面台站提供的雪深数据作为地面参考。结果表明,在高原地区,当积雪深度>3 cm时,无云积雪产品总分类精度达到96.6%,积雪分类精度达89.0%,整个算法流程对MODIS积雪产品去云的精度损失较低,数据可靠性较高。

2013–2020年喜马拉雅山中段和东段Landsat 8积雪覆盖范围数据

喜马拉雅山脉位于青藏高原南巅边缘,是世界上海拔最高的山脉,其积雪及其变化影响着区域气候、水资源及生态环境。为更好地理解该地区的积雪变化,克服中低分辨率遥感在地形复杂山区积雪监测存在细节描述不足等问题,采用空间分辨率为30 m的Landsat 8晴空条件数据开展积雪监测。由于山区地形复杂,针对归一化积雪指数方法在喜马拉雅山的普遍高估问题,应用支持向量机分类方法,逐景选取不同地形、阴影等条件的积雪特征训练样本进行积雪分类,结合冰湖、地表水体等辅助数据及空间邻域分析进行数据后处理,构建了喜马拉雅山中段和东段2013–2020年30 m分辨率的积雪数据集。通过对比Sentinel-2高分辨率积雪分类,在900×900 m的网格内,其积雪覆盖率相关系数在0.95以上,均方根误差约0.1%,两者所构建积雪判识结果有较好的一致性。该积雪范围数据集包括覆盖喜马拉雅山中段和东段8年来积雪数据共607景,主要分布在当年10月至次年4月冬季积雪期。本数据集可为积雪时空和特征分析、低分辨率积雪数据提供验证和优化基础,为喜马拉雅山脉及下游地区的气候变化、水资源管理和生态效益等研究提供支持。

基于星载被动微波遥感的青藏高原湖冰物候监测方法

湖冰物候影响着区域及全球气候,是全球变化的敏感因子,青藏高原湖泊众多,冻融现场监测数据缺乏,而微波具有对冰水相变敏感、时间分辨率高、历史存档数据长等特点,这对于长时间序列湖冰物候研究具有重要意义.然而,被动微波遥感空间分辨率低、湖泊亮温的精准定位难.论文通过获取AMSR-E/Aqua和AMSR-2/Gcom-W1的亮温数据,构建了基于轨道亮温数据的阈值判别法,通过对青藏高原不同区域和不同大小的青海湖、色林错、哈拉湖以及阿其克库勒湖进行测试研究:与青海湖现场观测对比,湖泊完全冻结日期与开始融化日期最大误差小于3天;与无云光学遥感判别结果相比,4个湖泊的冻融参数误差为2~4天.结果表明,被动微波轨道亮温数据可实现青藏高原地区亚像元级中大型湖泊冻融信息的获取,历史卫星资料可为湖冰物候的监测提供重要的支撑.

基于TM影像的西伯利亚北方森林覆盖度近30 a空间变化研究

在全球变暖的背景下,研究西伯利亚北方森林覆盖的长时间尺度空间变化特征不仅对全球气候变化研究和可持续发展有着重要意义,也为进一步研究北方森林变化对气候变化的响应提供支撑。以1985年和2015年2期Landsat TM/OLI为数据源,选取俄罗斯克拉斯诺亚尔斯克边疆区为西伯利亚北方森林典型研究区,采用决策树分类法得到研究区2期森林覆盖分类图,并采用高分二号(GF-2)影像随机选点验证,分类精度达到94.53%。对2期森林覆盖分类图在N51°~69°纬度范围内以2°为区间进行纬度分割并开展空间叠加分析,定量化分析每个纬度带内森林覆盖空间变化信息及其空间变化规律。结果表明:近30 a来,西伯利亚北方森林变化显著,森林总体覆盖度由1985年的75.42%增加到2015年的80.53%,增加了5.11百分点。同时,不同纬度带林地面积变化率有较大的差异:N67°~69°纬度带林地面积变化率最高,N63°~65°纬度带次之,N57°~59°纬度带最低。总体上看,森林覆盖度在各个纬度内都出现了不同程度的增加,在N63°~67°纬度带内增加最显著;N57°~63°纬度带森林覆盖度变化相对平稳;而N51°~57°纬度带内森林覆盖度增加量随着纬度的降低而降低。

高亚洲地区被动微波遥感雪水当量数据集

高亚洲是以青藏高原为主的亚洲高海拔地区,是中低纬度积雪的重要分布区,其积雪的动态变化对该区域水和能量循环、气候及环境变化具有重要的影响。全球广泛使用的积雪雪水当量(SWE)产品(如ESA GlobSnow)在高亚洲地区出现数据空缺情况,部分全球算法(如NASA SWE产品)则在高亚洲地区具有普遍高估的现象。本数据以AMSR-E亮温数据为输入基础,利用NASA积雪算法及针对不同下垫面的青藏高原改进算法分别生产了1套高亚洲地区和1套青藏高原地区2002–2011年AMSR-E雪水当量数据集,其中青藏高原改进算法采用地面气象台站实测雪深进行了验证和评估,结果表明青藏高原改进算法产品精度具有提升。此外,本研究还结合MODIS逐日无云积雪面积产品和NASA积雪算法的SWE产品,获得高亚洲地区2003–2011年微波和光学雪水当量综合数据集1套。此3套雪水当量产品数据集可为高亚洲区域气候变化、水、能量平衡、环境变化和水资源利用等科学研究提供基础数据支持。

2002-2016年高亚洲地区中大型湖泊微波亮温和冻融数据集

高亚洲地区是中纬度全球变化敏感区和研究的热点区域,其境内湖泊星罗棋布,湖冰冻融参数是全球变化的关键敏感因子之一。由于冰水介电常数差异大,高重访率且对天气不敏感的星载被动微波遥感可实现湖冰冻融状态的快速监测。本数据集依据微波辐射计像元内湖泊和陆表的面积比例,应用混合像元分解方法获取了像元(亚像元级)的湖泊亮温信息,实现高亚洲地区被动微波遥感亚像元级湖冰冻融监测,并采用多种被动微波数据,共计获得高亚洲区域2002~2016年51个中大型时间序列湖泊亮温数据和冻融状态信息。以无云MODIS光学产品为验证数据,在高亚洲不同区域,选取可可西里湖、达则错、库赛湖等三个大小不一的湖泊进行冻融判别验证,结果表明微波和光学遥感所获取的湖冰冻结和融化参数具有较高的一致性,其相关系数可达0.968与0.987。本数据集包含湖泊的时间序列亮温值和湖冰冻融参数,可进一步对湖泊开展特征参数反演,以及提升对高亚洲地区的湖冰冻融的理解,为高亚洲地区气候、环境变化以及高亚洲对全球气候变化响应模型提供数据基础。

2002-2016年高亚洲逐日积雪覆盖率数据集

高亚洲是以青藏高原为主要区域的亚洲高海拔地区,是中低纬度高山积雪的重要分布区,其积雪的动态变化对水和能量平衡及区域气候具有重要的影响。由于青藏高原地区季节性积雪具有赋存时间短、雪层较薄的特点,在对水循环等问题的理解中,迫切需要日时间尺度的积雪覆盖率动态监测数据。本数据集基于空间分辨率为500 m的MODIS归一化积雪指数数据,结合地形和多种云覆盖下积雪覆盖率估算算法的优势,实现云覆盖条件下的积雪覆盖率再估算,满足高亚洲地区逐日少云(<10%)数据产品的生产要求,构建了2002~2016年高亚洲地区MODIS逐日积雪覆盖率数据集。选取无云条件下的二值积雪产品作为参考,通过云量分布和积雪总面积的时空对比,表明该产品的时空特征和二值产品具有较好的一致性。以2013年冬季为例,当积雪覆盖率大于50%时,其相关性可达0.8628。本数据集可为高亚洲地区的积雪动态监测、气候环境、水文和能量平衡、灾害评估等研究提供逐日积雪覆盖率数据。

1988~2014年赣州地区地表覆盖分类数据集

地表覆盖(Land cover)是地表空间中各种覆被组合,是理解与获取区域自然资源与环境变化的重要参数。随着经济发展深入与自然资源消耗加速,土地利用发生剧烈的变化。土地覆盖及区域生态环境变化信息的获取,已成为研究环境变化、管理资源与可持续发展规划等的必要条件。本数据集以Landsat无云(少云)数据为基础,采用监督分类和人工识别等方式,高精度地制作了1988~2014年约每隔5年的地表覆盖分类数据。该数据具有区域代表性,可以直观地反映赣州地区的主要地表类型的变化,特别是受人为影响较大的不透水层(城市)、受环境保护影响较大的森林等面积的变化情况。