基于GEE平台广西桉树快速提取研究

为进一步提高基于遥感影像森林(人工林)植被信息提取的工作效率,基于Google Earth Engine(GEE)平台,以Landsat8 OIL影像为实验数据,利用监督分类、支持向量机、最大熵模型、随机森林以及根据试验区实际构建的决策树分类方法对试验区桉树人工林种植面积进行提取,并对各方法进行了比较,在此基础上利用决策树法提取了广西地区桉树种植面积,并利用无人机影像与Google Earth Pro历史影像对实验结果进行了验证。实验过程及结果表明:利用GEE平台可以高效快速地提取遥感植被信息。在以上5种方法中,决策树分类方法取得最好的效果,其试验区桉树提取总体精度与Kappa系数分别达到0.82,0.85;同时,利用决策树提取的广西桉树种植面积与统计资料的面积统计结果具有较好的一致性。说明构建的决策树分类方法对大区域、复杂山区植被覆盖信息的快速提取具有参考意义。

基于TRMM数据与SPI指数的广西地区旱涝演变分析

干旱是一种影响大、受灾重且恢复周期长的自然灾害,广西是农业大省,对广西地区进行干旱情况分析及预测对该地防灾减灾具有重要意义。通过对广西地区1998—2019年的降雨情况进行分析,并引入标准化降水指数(standardized precipitation index,SPI),验证了热带降雨测量卫星(tropical rainfall measuring mission,TRMM)数据在广西地区的适用性,研究了广西地区22 a间旱涝演变情况,并对未来广西地区旱涝变化趋势做出预测。结果表明:①TRMM 3B43降雨数据与地面台站实测数据具有高度相关性,适用于广西地区的干旱监测;②广西地区旱涝灾害频繁,平均每6 a就会有范围较大的洪涝事件发生;每2~3 a就会有范围较大的严重的干旱事件发生;③广西地区夏季降雨量最大,冬季最小,且降雨总体呈现“东多西少”的格局;④根据结果可以预测,2020年广西地区整体没有较大的干旱和洪涝事件发生,部分城市将会出现轻度洪涝和轻度干旱的情况。

基于自动阈值决策树分类的桉树提取研究

在连年种植桉树的区域选取了不同龄期及其生长特性的样本点形成桉树样本集,并以Landsat 8为数据源进行样本集NDVI等8种指数的统计规律性分析,构建了一种基于指数分布规律性的自动阈值决策树分类方法,通过GEE平台将该方法应用于研究区的桉树林分类中,试验表明:1)2013—2019连年种植桉树样本集的多种指数变化具有明显的规律,各种指数每隔3年出现一次极小值,符合桉树的种植-砍伐周期性;2)与随机森林算法分类结果相比,自动阈值决策树的分类结果精度提高了约4%,平均分类总体精度达到0.88,平均kappa系数达到0.83;3)利用谷歌历史影像对自动阈值决策树分类结果进行验证,桉树分布区域重合率达到88.4%。以上结论均表明本文提出的自动阈值决策树分类法能有效实现桉树信息提取。