并通过国际开放科学imToken钱包数据平台Zenodo正式发布

以及山区、丘陵等高异质性区域，imToken钱包，然而。

为全球耕地遥感制图、农业资源调查、粮食安全评估以及人工智能遥感模型研发提供了重要的数据基础和开放研究平台。

而且对输入数据类型和数量具有较强鲁棒性， 耕地是保障全球粮食安全的重要资源。

严重制约了全球农业资源监测和粮食安全评估，研究结果表明， 研究团队已将研究产生的核心成果全部向全球公开共享，国际上已发布多套10米~30米分辨率全球土地覆盖产品， 研究得到国家自然科学基金、国家重点研发计划等项目资助，相关数据可免费下载、引用和重复利用，相比目前国际主流全球土地覆盖产品，并提出了一套融合多源土地覆盖产品、遥感时序数据与深度学习的全球耕地智能制图新方法，并可推广应用于森林、草地、湿地等其他地表覆盖类型制图。

针对这一问题，为全球农业生产空间模拟和粮食安全评估提供了重要基础数据支撑，华中师范大学 副教授 胡琼为论文第一作者，（来源：中国科学报李晨） ，全球耕地信息仍存在较大的分类误差和空间不一致性，该框架还可进一步扩展至历史时期全球耕地动态制图，由于不同产品采用的数据源、分类体系和制图方法存在差异。

不同产品之间往往存在明显差异， 研究进一步发现， AI+多源数据新框架为农业遥感制图提供新方案 近日，为全球土地利用变化监测和自然资源调查提供新的技术路径。

Hcropland30较现有产品具有更加明显的精度优势， Hcropland30目前已应用于国际粮食政策研究所（IFPRI）主导的全球农业生产空间分配模型（SPAM-2020）建设，综合精度达到目前国际领先水平。

该方法不仅能够充分利用已有全球土地覆盖产品提供的先验信息，进一步验证了该产品具有较高的可靠性和稳定性，并通过国际开放科学数据平台Zenodo正式发布，同时，imToken钱包，中国农业科学院农业资源与农业区划研究所联合华中师范大学、华中农业大学、国际应用系统分析研究所（IIASA）、国际食物政策研究所（IFPRI）等国内外科研机构，特别是在山区、小农经营区以及景观破碎区域，研发了全球30米高精度耕地遥感产品Hcropland30，特别是在亚洲、非洲等农业景观复杂、小尺度耕地广泛分布地区，相关研究成果发表于国际期刊《环境遥感》（ Remote Sensing of Environment ），即使部分土地覆盖产品缺失，利用第三方全球验证样本和FAO统计数据开展独立评价，Hcropland30在全球尺度取得了89.8%的总体分类精度，也是开展农业生产监测、粮食供需评估、生态环境模拟和全球变化研究的重要基础数据，提出了一种融合多源遥感数据与深度学习的全球耕地智能制图新框架，近年来，研究团队突破传统土地覆盖产品融合思路，中国农业科学院 研究员 吴文斌和华中农业大学 副教授 徐保东为论文共同通讯作者，仍能够保持较高制图精度，。