上海（简称：沪、申） 是中国国家中心城市、超大城市 ， 沪杭甬大湾区核心城市，是国际经济、金融、贸易、 航运 、科技创新中心，是首批沿海开放城市 。上海地处长江入海口，是长江经济带的龙头城市，隔东中国海与日本九州岛相望，南濒杭州湾，北、西与江苏、浙江两省相接。
截至2021年，上海市下辖16个区，分别为：黄浦区、徐汇区、长宁区、静安区、普陀区、虹口区、杨浦区、闵行区、宝山区、嘉定区、浦东新区、金山区、松江区、青浦区、奉贤区、崇明区。上海市镇级行政单位：共220个。其中：嘉定区12个，宝山区12个，崇明县24个，浦东新区38个含南汇区，青浦区11个，金山区11个，奉贤区8个，松江区14个，闵行区12个。市中心区：静安区5个，黄浦区6个，卢湾区4个，闸北区9个，虹口区10个，杨浦区12个，普陀区9个，长宁区10个，徐汇区13个。
土地利用数据是在根据影像光谱特征，结合野外实测资料，同时参照有关地理图件，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析，建立统一解译标志的基础之上，依据多源卫星遥感信息，结合实地调查和其他辅助数据，采用全数字化人机交互作业方法，主要根据对图像光谱、纹理、色调等的认识结合地形图目视解译而成；在内业建立解译标示与实现数据获取的基础上，结合外业实地考察验证，提高土地利用数据精度。
2020年天津市土地利用数据是在对2020年植被生长较好时间的Sentinel、Landsat、GF、ZY等多源卫星影像的下载、拼接、校正、配准等预处理以及高程等辅助信息的搜集整理的基础上，通过目视解译得到的2020年的土地利用数据。该数据主要包括6个一级分类和25个二级分类，通过抽样人工检查，在1：10万比例尺的基础上，一级类精度在85%以上，二级类在75%以上。
二、计算过程
1.数据获取与数据准备
本研究采用的遥感影像数据来自美国马里兰大学和中国科学院国际科学数据服务平台，均采用美国陆地卫星于1990年和2018年所拍摄的LandsatTM/ OLI30m遥感影像，云量均接近0%。本文的遥感影像成像时间不一致，根据瞬时状态下最大限度使图像上尽可能丰富地反映地表信息的原则，本次遥感调查主要选择5月下旬至6月中旬或8月下旬至9月中旬的图像，由于地物信息较清楚，由此带来的地物反射光谱差异显著，容易识别，影像解译比较容易。
2.数据预处理
在对影像数据进行分类解译之前，首先要对数据做预处理工作，主要步骤有:
（1）波段选择及融合
本文采用最佳指数法（Optimum Index Factor，简称）和特征值法相结合，共同确定了最佳波段组合，也就是Landsat5-TM4、3、2波段，Landsat8-OLI5、4、3波段，分别赋予红、绿、蓝色作为标准假彩色合成的RGB波段。这一假彩色影像最关键的是突出了植被特征，并且能提供丰富的信息，能充分显示各种地物特征的差别，便于分类，可以保证分类的准确性。
（2）图像几何校正与配准
采用的Landsat系列图像已经在中国遥感卫星地面站进行过辐射校正和几何粗校正，但为了使研究结果更加的科学、可信，则必须的对影像进行几何精校正。几何精校正是利用地面控制点(Ground control Point，GPC)对由各种随机因素引起的遥感图像进行几何畸变的校正。本研究以研究区的地形图作为参考图像，必要时辅以实地考察的GPS点，采用多项式几何纠正计算模型，对遥感影像进行几何精校正。
（3）图像增强处理
传感器获取的遥感图像含有大量地物特征信息，在图像上这些特征信息以灰度形式表现出来，当地物特征间表现的灰度差很小时，目视判读就无法辨认，图像增强处理是的目的在于突出图像中有用的信息，扩大不同图像特征之间的差别，从而提高对图像的解译和分析能力。遥感数字图像增强处理一般可分为两大类：频域法和空间域法。本文主要采用空间域图像增强方法，其遵循视觉效果比较好、计算相对简单、合乎应用要求的原则。另外，在后面遥感图像分类的新波段变量构造部分还应用了NDVI指数以区分植被和非植被以提高分类精度。
（4）影像拼接与裁剪
本案例中的研究区域为西宁市，则遥感影像数据需要覆盖整个研究区，因此需要进行影像拼接，进行拼接时首先要参照某一遥感影像，将其它遥感影像进行直方图匹配处理，使得所有用到的遥感影像具有基本一致的色调，然后再将要用到的影像进行无缝的拼接处理，之后经过裁剪得到覆盖整个研究区的遥感影像。
3.分类方法
本次服务是基于Landsat等遥感信息基础上，在多位专家的参与下，采用全数字人机交互作业方法，同时参照有关地理图件和统计资料，结合外业实地考察验证，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析，并在综合各位专家意见后，建立遥感影像解译标志。在内业建立解译标志与实现数据获取的基础上，不断的对解译模板进行修改，直到修改的模板经过评价以后比较满意为止，以提高土地利用/覆盖类型精度。动态图斑数据主要采用“动态分割图斑法”。参照国内外现有土地利用/土地覆盖 的分类体系，结合本项目的开展的目的和要求以及遥感信息源的情况，制定了有6个一级分类，25个二级分类的土地利用/土地覆盖分类体系。
在分类过程中，由于遥感图像自身的空间分辨率，同物异谱以及异物同谱现象广泛存在，所以错分和误分的情况很常见，因此对分类结果要做进一步的处理工作，也就是去除小图斑的工作，我们常称之为分类后处理。常用的分类后处理方法有：聚类统计（Clump）、过滤分析（Sieve）、去除分析（Eliminate）和分类重编码（Recode）等。
4.质量控制与检查
各工序过程质量按要求进行过程检查 ,需100%检查。
土地利用/覆盖数据抽样检查
对获取的土地利用/覆盖数据产品进行空间抽样检查，验证土地利用/覆盖数据类型定性是否正确。验证的方式主要依靠高分影像（要考虑影像的时效性）与野外实地验证相结合的方式作业，未达到抽样精度90%的重新修正数据。
同时地理遥感生态网平台也正式发布该项数据，数据来源请引用：地理遥感生态网科学数据注册与出版系统
