全球30米耕地数据，通过全球土地覆盖产品与Landsat数据融合而成

粮食安全、全球变化、土地利用演变、农业碳汇、国土空间规划等研究，都离不开高精度全球耕地底图。

目前主流全球耕地产品普遍存在几大短板：单一数据源分类偏差大、破碎农田识别漏分、分辨率多为 100m/500m，精细地块提取能力不足，不同产品间空间一致性差，直接影响模型模拟与统计分析精度。

现在给你分享一套融合多套全球土地覆盖产品、依托 Landsat 系列 30 米时序影像，通过深度学习模型优化生成的全球 30 米耕地混合栅格数据集。

不管是遥感专业学生、国土规划从业者、全球变化科研人员，还是做农业遥感、生态建模的小伙伴，这套数据都能直接替代传统粗分辨率耕地产品，大幅提升研究精度，请在文末查看数据领取方式。

数据集详细介绍

本数据集采用多源土地覆盖产品融合 + Landsat 时序深度学习分类双架构生成。

整合 GlobeLand30、GLC_FCS30、GFSAD30 等主流全球 30 米土地覆盖产品，通过证据理论消除不同产品分类冲突，统一耕地判定标准，解决单一产品漏分、错分问题；

Landsat 时序特征补充，嵌入 Landsat 8/9 OLI 30 米年度时序影像，提取 NDVI、NDMI、裸土指数等物候特征，区分耕地、草地、果园、撂荒地；

深度学习模型优化，搭建多尺度残差卷积网络（ResUNet），针对全球不同农业区训练样本，修正山区细碎农田、东南亚小块水田、非洲雨养农田识别误差，整体分类精度达 92.7%，Kappa 系数 0.89，优于同类单源耕地产品。

空间分辨率为30m全球统一，无分区分辨率差异。

坐标系统为WGS84 经纬度（EPSG:4326），兼容 GIS 软件通用底图。

数据格式为全球分块 GeoTIFF 栅格，单块 1°×1°，支持批量拼接。

分类体系为二值栅格（1 = 耕地，0 = 非耕地），无多余地类干扰，方便提取、统计、掩膜。

覆盖范围为全球陆域但不含南极洲、永久冰川。

精度更高，多产品交叉验证 + 深度学习修正，破碎农田识别效果远超单一土地覆盖产品。

适配性强，30m 中等分辨率，兼顾全球尺度与地块精细度，适配县域、洲际、全球多尺度分析。

轻量化易处理，二值栅格，占用存储空间低，ArcGIS Pro、QGIS、水经微图、GEE 均可流畅加载。

全球粮食产能估算、耕地时空演变监测、农业面源污染模拟、碳循环模型输入、国土空间规划、跨境农业对比、气候变化下耕地响应、SDG2 零饥饿目标评估等。

数据加载实战

对于GIS专业人士，在ArcGIS Pro中查看这套数据非常直观。

打开ArcGIS Pro，新建一个空白地图，在“地图”选项卡中，点击“添加数据”按钮，通过路径导航到你下载的Hcropland30的.tif栅格文件（例如“000015.tif”）。

全球30米耕地数据

选中并添加，栅格图便会出现在地图上。

全球30米耕地数据网格分布

添加后，你会看到一幅黑白图像，因为它的像素值只有1（耕地）和0（非耕地）。

全球30米耕地数据加载效果

你可以通过右键点击图层，选择“符号系统”，将“1”设置为醒目的，方便观察耕地分布。

全球30米耕地数据放大效果

如果想了解全球格网的划分，可以用同样的方法加载配套的“Grids.shp”矢量文件。

这个矢量面图层包含了每个格网的详细属性，可以直接在地图上点击查看，得益于ArcGIS Pro的性能，加载大量矢量数据通常很流畅。

全球30米耕地数据放大效果

如果你还想浏览下载其他人口、森林覆盖等更多专题图，可以在水经微图4（简称“微图4”）进行查看。

什么是微图4

微图4是一款集地图下载与GIS功能于一体的轻量级GIS产品，有更丰富的地图数据和更专业的GIS功能。

微图4森林覆盖专题图

微图4除了可以轻松下载无水印Google Earth卫星影像、有明确拍摄日期的历史影像。

它还可以下载百度高德大字体地图并打印，按1万/5千等国家标准图幅下载，对百度坐标与火星坐标进行纠偏。

以及下载陆地及海洋高程、STRM高程、提取10米等高线等深线、CASS高程点之外，还有一个重要的功能就是下载省市县行政区划数据。

微图4的更多功能，请参阅《微图4桌面版功能简介与价格》一文中的详细说明。

写在最后

这套 Zenodo 开源 30 米全球耕地混合图，通过多源土地覆盖融合 + Landsat 深度学习双重技术提升制图精度。

解决传统全球耕地产品分辨率低、识别误差大的痛点，30m 尺度兼顾宏观全球研究与微观地块分析，同时完全开源免费，降低遥感、国土、农业领域的数据获取门槛。

如果你需要该数据，请关注“水经注GIS”公众号自助领取，或在后台回复“人工客服”进群领取。

你还可以立即点击“分享”按钮，将本文分享给你从事农业土壤研究行业的朋友。

参考资料：

Hu, Q., Cai, Z., You, L., Fritz, S., Zhang, X., Yin, H., Wei, H., Yang, J., Li, Z., Wu, H., Xu, B., & Wu, W. (2024). Hcropland30: A hybrid 30-m global cropland map by leveraging global land cover products and Landsat data based on a deep learning model (Version: 1.0) [Data set]. Zenodo.

https://doi.org/10.5281/zenodo.13169748