通過結合三個 1 米 GLC 產品和 OSM 數(shù)據(jù)生成可靠的訓練樣本，這些訓練樣本和來自谷歌地球的73米分辨率圖像被用來訓練所提出的數(shù)據(jù)框架。該框架通過結合分辨率弱監(jiān)督模塊和自監(jiān)督損失函數(shù)，解決了圖像和樣本之間分辨率不匹配引起的樣本噪聲，無需任何手動注釋即可自動細化VHR土地覆被結果?；诖笮痛鎯陀嬎惴掌?，花了大約 10 個月的時間，處理了25.1 TB數(shù)據(jù)集，最終得到覆蓋中國整個陸地表面SinoLC-1產品，使用視覺解釋驗證集進行驗證，包括106,852個隨機樣本和官方土地調查報告中收集統(tǒng)計驗證集。

驗證結果表明，SinoLC-1的總體精度為73.61%，κ系數(shù)為0.6595。對每個省級地區(qū)的驗證進一步表明了該數(shù)據(jù)集在整個中國的可信準確性。此外，統(tǒng)計驗證結果表明，SinoLC-1與官方調查報告非常吻合。此外，還對SinoLC-1與其他五種廣泛使用的GLC產品進行了定性比較。結果：SinoLC-1具有最高的空間分辨率、最準確的土地覆被邊緣和最精細景觀細節(jié)。

每個城市數(shù)據(jù)的命名方式為“G_P_C.tif”，其中“G”表示地理區(qū)域（中國南部、中部、東部、北部、東北部、西北部和東北部）信息，“P”表示省級行政區(qū)域信息，“C”表示城市名稱。

SinoLC-1土地覆蓋產品約為150GB，根據(jù)中國七個地理區(qū)域將數(shù)據(jù)分為七個相應版本，每個地理區(qū)域包含的行政區(qū)域如下表2和圖2(a)

這里有詳細介紹的文檔，數(shù)據(jù)獲?。篽ttps://www.syjshare.com/res/JWBP3KCL