Land change is a cause and consequence of global environmental change1,2. Changes in land use and land cover considerably alter the Earth's energy balance and biogeochemical cycles, which contributes to climate change and-in turn-affects land surface properties and the provision of ecosystem services1-4. However, quantification of global land change is lacking. Here we analyse 35 years' worth of satellite data and provide a comprehensive record of global land-change dynamics during the period 1982-2016. We show that-contrary to the prevailing view that forest area has declined globally5-tree cover has increased by 2.24 million km2 (+7.1% relative to the 1982 level). This overall net gain is the result of a net loss in the tropics being outweighed by a net gain in the extratropics. Global bare ground cover has decreased by 1.16 million km2 (-3.1%), most notably in agricultural regions in Asia. Of all land changes, 60% are associated with direct human activities and 40% with indirect drivers such as climate change. Land-use change exhibits regional dominance, including tropical deforestation and agricultural expansion, temperate reforestation or afforestation, cropland intensification and urbanization. Consistently across all climate domains, montane systems have gained tree cover and many arid and semi-arid ecosystems have lost vegetation cover. The mapped land changes and the driver attributions reflect a human-dominated Earth system. The dataset we developed may be used to improve the modelling of land-use changes, biogeochemical cycles and vegetation-climate interactions to advance our understanding of global environmental change1-4,6.

Abstract We developed a global, 30-m resolution dataset of percent tree cover by rescaling the 250-m MOderate-resolution Imaging Spectroradiometer (MODIS) Vegetation Continuous Fields (VCF) Tree Cover layer using circa- 2000 and 2005 Landsat images, incorporating the MODIS Cropland Layer to improve accuracy in agricultural areas. Resulting Landsat-based estimates maintained consistency with the MODIS VCF in both epochs (RMSE =8.6% in 2000 and 11.9% in 2005), but showed improved accuracy in agricultural areas and increased discrimination of small forest patches. Against lidar measurements, the Landsat-based estimates exhibited accuracy slightly less than that of the MODIS VCF (RMSE=16.8% for MODIS-based vs. 17.4% for Landsat-based estimates), but RMSE of Landsat estimates was 3.3 percentage points lower than that of the MODIS data in an agricultural region. The Landsat data retained the saturation artifact of the MODIS VCF at greater than or equal to 80% tree cover but showed greater potential for removal of errors through calibration to lidar, with post-calibration RMSE of 9.4% compared to 13.5% in MODIS estimates. Provided for free download at the Global Land Cover Facility (GLCF) website (www.landcover.org), the 30-m resolution GLCF tree cover dataset is the highest-resolution multi-temporal depiction of Earth's tree cover available to the Earth science community.

Abstract Spatiotemporally consistent data on global cropland extent is essential for tracking progress towards sustainable food production. In the present study, we present an analysis of global cropland area change for the first two decades of the twenty-first century derived from satellite data time-series. We estimate that, in 2019, the cropland area was 1,244 Mha with a corresponding total annual net primary production (NPP) of 5.5 Pg C year −1 . From 2003 to 2019, cropland area increased by 9% and cropland NPP by 25%, primarily due to agricultural expansion in Africa and South America. Global cropland expansion accelerated over the past two decades, with a near doubling of the annual expansion rate, most notably in Africa. Half of the new cropland area (49%) replaced natural vegetation and tree cover, indicating a conflict with the sustainability goal of protecting terrestrial ecosystems. From 2003 to 2019, global per-capita cropland area decreased by 10% due to population growth. However, the per-capita annual cropland NPP increased by 3.5% as a result of intensified agricultural land use. The presented global, high-resolution, cropland map time-series supports monitoring of natural land appropriation at the local, national and international levels.

Land use policies have turned southern China into one of the most intensively managed forest regions in the world, with actions maximizing forest cover on soils with marginal agricultural potential while concurrently increasing livelihoods and mitigating climate change. Based on satellite observations, here we show that diverse land use changes in southern China have increased standing aboveground carbon stocks by 0.11 ± 0.05 Pg C y-1 during 2002-2017. Most of this regional carbon sink was contributed by newly established forests (32%), while forests already existing contributed 24%. Forest growth in harvested forest areas contributed 16% and non-forest areas contributed 28% to the carbon sink, while timber harvest was tripled. Soil moisture declined significantly in 8% of the area. We demonstrate that land management in southern China has been removing an amount of carbon equivalent to 33% of regional fossil CO2 emissions during the last 6 years, but forest growth saturation, land competition for food production and soil-water depletion challenge the longevity of this carbon sink service.

Abstract The compilation of global Landsat data-sets and the ever-lowering costs of computing now make it feasible to monitor the Earth's land cover at Landsat resolutions of 30 m. In this article, we describe the methods to create global products of forest cover and cover change at Landsat resolutions. Nevertheless, there are many challenges in ensuring the creation of high-quality products. And we propose various ways in which the challenges can be overcome. Among the challenges are the need for atmospheric correction, incorrect calibration coefficients in some of the data-sets, the different phenologies between compilations, the need for terrain correction, the lack of consistent reference data for training and accuracy assessment, and the need for highly automated characterization and change detection. We propose and evaluate the creation and use of surface reflectance products, improved selection of scenes to reduce phenological differences, terrain illumination correction, automated training selection, and the use of information extraction procedures robust to errors in training data along with several other issues. At several stages we use Moderate Resolution Spectroradiometer data and products to assist our analysis. A global working prototype product of forest cover and forest cover change is included.

Recent advances in Landsat archive data processing and characterization enhanced our capacity to map land cover and land use globally with higher precision, temporal frequency, and thematic detail. Here, we present the first results from a project aimed at annual multidecadal land monitoring providing critical information for tracking global progress towards sustainable development. The global 30-m spatial resolution dataset quantifies changes in forest extent and height, cropland, built-up lands, surface water, and perennial snow and ice extent from the year 2000 to 2020. Landsat Analysis Ready Data served as an input for land cover and use mapping. Each thematic product was independently derived using locally and regionally calibrated machine learning tools. Thematic maps validation using a statistical sample of reference data confirmed their high accuracy (user’s and producer’s accuracies above 85% for all land cover and land use themes, except for built-up lands). Our results revealed dramatic changes in global land cover and land use over the past 20 years. The bitemporal dataset is publicly available and serves as a first input for the global land monitoring system.

Abstract Phytoplankton blooms in coastal oceans can be beneficial to coastal fisheries production and ecosystem function, but can also cause major environmental problems 1,2 —yet detailed characterizations of bloom incidence and distribution are not available worldwide. Here we map daily marine coastal algal blooms between 2003 and 2020 using global satellite observations at 1-km spatial resolution. We found that algal blooms occurred in 126 out of the 153 coastal countries examined. Globally, the spatial extent (+13.2%) and frequency (+59.2%) of blooms increased significantly ( P < 0.05) over the study period, whereas blooms weakened in tropical and subtropical areas of the Northern Hemisphere. We documented the relationship between the bloom trends and ocean circulation, and identified the stimulatory effects of recent increases in sea surface temperature. Our compilation of daily mapped coastal phytoplankton blooms provides the basis for global assessments of bloom risks and benefits, and for the formulation or evaluation of management or policy actions.