Abstract Computational and data handling limitations have constrained time-series analyses of land-cover change at high-spatial resolution over large (e.g., continental) extents. However, a new set of cloud-computing services offer an opportunity for improving knowledge of land change at finer grain. We constructed a historical set of seven high-resolution wall-to-wall land-cover maps at continental scale for Australia and analyzed temporal and spatial changes of land-cover from 1985 to 2015 at 5-year time-steps using Google Earth Engine (GEE). We used 281,962 Landsat scenes for producing median cloud-free composites at each time-step. We established a pseudo ground-truth dataset and used a PCA-based outlier detection method to reduce its uncertainty. A random forest model was trained at each time-step for classifying raw data into six land-cover classes: Cropland, Forest, Grassland, Built-up, Water, and Other areas, using 49 predictor datasets and nearly 20,000 training points. We further constructed uncertainty maps at each time-step as a proxy of per-pixel confidence. The average overall accuracy of the seven 30 m-resolution land-cover maps was ~93%. Built-up and Water areas displayed the highest user and producer accuracies (>93%), with Grasslands and Other areas slightly lower (~82–88%). Classification uncertainty was lower in more homogeneous landscapes (i.e., large expanses of a single land-cover class). Around 510,975 km2 (±69,877 km2) of land changed over the 30 years at an average of ~17,033 km2 yr−1 (±2329 km2 yr−1). Cropland and Forests declined by ~64,836 km2 (±16,437 km2) and ~ 152,492 km2 (±24,749 km2) over 30 years, mainly converting to Grassland. Built-up areas experienced the highest relative increases, increasing from 12,320 km2 in 1985 to 15,013 km2 in 2015 (~19.2%, ±3.1%). The sensitivity, i.e., proportion of pixels correctly classified as having changed, was over 96%, whereas the specificity, i.e., the proportion of pixels correctly classified as no-change, was over 68%. Numerous potential applications of these first-of-their-kind, detailed spatiotemporal maps of land use and land-change assessment exist spanning many areas of environmental impact assessment, policy, and management. Similarly, this methodological framework can provide a useful template for assessing continental-scale, high-resolution land dynamics more broadly.

中文翻译：

---

1985 年至 2015 年澳大利亚的高分辨率墙到墙土地覆盖图和土地变化评估

摘要 计算和数据处理的限制限制了在大（例如大陆）范围内以高空间分辨率对土地覆盖变化进行时间序列分析。然而，一套新的云计算服务提供了一个机会，可以更好地了解土地变化。我们为澳大利亚在大陆尺度上构建了一组包含七幅高分辨率墙到墙土地覆盖图的历史集，并使用 Google Earth Engine 分析了 1985 年至 2015 年以 5 年为时间步长的土地覆盖的时空变化（啧啧）。我们使用 281,962 个 Landsat 场景在每个时间步生成中值无云复合材料。我们建立了一个伪真值数据集，并使用基于 PCA 的异常值检测方法来降低其不确定性。在每个时间步训练随机森林模型，使用 49 个预测数据集和近 20,000 个训练点将原始数据分为六个土地覆盖类别：农田、森林、草地、建筑、水域和其他区域。我们在每个时间步进一步构建了不确定性图，作为每像素置信度的代表。七幅 30 m 分辨率的土地覆盖图的平均整体精度约为 93%。建成区和水域的用户和生产者准确度最高 (>93%)，草原和其他地区略低 (~82–88%)。在更同质的景观中（即大面积的单一土地覆盖类别），分类不确定性较低。大约 510,975 平方公里 (±69,877 平方公里) 的土地在 30 年间以平均约 17,033 平方公里 yr-1 (±2329 平方公里 yr-1) 的速度变化。农田和森林减少了约 64,836 平方公里（±16, 437 平方公里) 和 ~ 152,492 平方公里 (±24,749 平方公里) 超过 30 年，主要转变为草地。建成区的相对增长幅度最大，从 1985 年的 12,320 平方公里增加到 2015 年的 15,013 平方公里（~19.2%，±3.1%）。灵敏度，即正确分类为有变化的像素比例超过96%，而特异性，即正确分类为无变化的像素比例，超过68%。这些首创的详细的土地利用和土地变化评估时空地图的众多潜在应用存在于环境影响评估、政策和管理的许多领域。同样，这种方法框架可以为更广泛地评估大陆尺度、高分辨率土地动态提供有用的模板。建成区的相对增长幅度最大，从 1985 年的 12,320 平方公里增加到 2015 年的 15,013 平方公里（~19.2%，±3.1%）。灵敏度，即正确分类为有变化的像素比例超过96%，而特异性，即正确分类为无变化的像素比例，超过68%。这些首创的详细的土地利用和土地变化评估时空地图的众多潜在应用存在于环境影响评估、政策和管理的许多领域。同样，这种方法框架可以为更广泛地评估大陆尺度、高分辨率土地动态提供有用的模板。建成区的相对增长幅度最大，从 1985 年的 12,320 平方公里增加到 2015 年的 15,013 平方公里（~19.2%，±3.1%）。灵敏度，即正确分类为有变化的像素比例超过96%，而特异性，即正确分类为无变化的像素比例，超过68%。这些首创的详细的土地利用和土地变化评估时空地图的众多潜在应用存在于环境影响评估、政策和管理的许多领域。同样，这种方法框架可以为更广泛地评估大陆尺度、高分辨率土地动态提供有用的模板。正确分类为有变化的像素比例超过96%，而特异性，即正确分类为无变化的像素比例超过68%。这些首创的详细的土地利用和土地变化评估时空地图的众多潜在应用存在于环境影响评估、政策和管理的许多领域。同样，这种方法框架可以为更广泛地评估大陆尺度、高分辨率土地动态提供有用的模板。正确分类为有变化的像素比例超过96%，而特异性，即正确分类为无变化的像素比例超过68%。这些首创的详细的土地利用和土地变化评估时空地图的众多潜在应用存在于环境影响评估、政策和管理的许多领域。同样，这种方法框架可以为更广泛地评估大陆尺度、高分辨率土地动态提供有用的模板。现有土地利用和土地变化评估的详细时空图，涵盖环境影响评估、政策和管理的许多领域。同样，这种方法框架可以为更广泛地评估大陆尺度、高分辨率土地动态提供有用的模板。现有土地利用和土地变化评估的详细时空图，涵盖环境影响评估、政策和管理的许多领域。同样，这种方法框架可以为更广泛地评估大陆尺度、高分辨率土地动态提供有用的模板。