基于谷歌地球引擎的开封城区2010—2019年水体分布变化研究

为了研究开封市年际水体分布变化,选用Landsat系列多时相影像数据,在谷歌地球引擎google earth engine(GEE)云平台上结合归一化水指数、改进的归一化水指数、归一化植被指数以及归一化建筑指数构建光谱特征使用分类回归树、支持向量机、随机森林分类方法对开封市城区的水体进行提取并分析。结果表明:基于GEE云平台和机器学习的分类,能够很好地提取出开封市城区年际水体分布变化情况;开封市城区的水体面积处于不断变化中,先减少后增加,总体上趋于增加,随着城市的发展变化,城区的景观格局发生较大改变,影响开封市水体面积产生变化的主要因素是北部黄河水量的变化以及开封市近年来正在实施的“城市双修”对水体的影响;使用随机森林分类能更好地对开封市城区的水体进行提取,提取水体的最小精度为94.6%,平均总体分类精度为96.9%,平均Kappa系数为0.954。

基于GEE和Sentinel-1/2数据的夏玉米种植面积精细化识别方法

作物种植面积提取方式的选取,对农作物遥感监测有重要意义。为探究夏玉米遥感识别最佳时相、夏玉米遥感识别光学时序和夏玉米遥感识别光学与星载合成孔径雷达(synthetic aperture radar,SAR)融合时序3种方案在夏玉米种植区识别的差异,选取山东商河为研究区。基于谷歌地球引擎(Google Earth Engine,GEE)云平台Sentinel-1/2数据,构建分类数据集,结合地面调查制作分类样本,采用随机森林法进行3种方案下研究区夏玉米种植区域提取,并分析各方案精度。结果表明:3种方案均能较高精度地实现夏玉米与其他作物的区分;相对于夏玉米遥感识别最佳时相方案,夏玉米遥感识别光学时序方案下夏玉米总体分类精度由83.01%提高到89.44%,Kappa系数由0.77提高到0.86;相对于夏玉米遥感识别最佳时相和夏玉米遥感识别光学时序方案,夏玉米遥感识别光学与SAR融合时序方案的总体分类精度最高,达92.51%,Kappa系数达0.89。研究表明,夏玉米遥感识别光学与SAR融合时序方案可以在较高精度下有效识别夏玉米种植区,为发育期内的农情调查管理提供参考。

基于GEE平台的水稻田快速识别与提取方法

水稻是中国65%以上人口的主粮。及时准确地掌握水稻种植面积和空间分布,对于制定农业政策、保障粮食安全具有重要意义。本文提出了一种基于水稻种植模式的小型水体识别与阈值分割相结合的方法进行省域水稻田识别。该方法数据采用哨兵2号光学遥感影像,利用谷歌地球引擎(GEE)平台在广西壮族自治区进行了试验和精度验证。本文方法在水稻田识别方面表现出可靠、快速的性能,Kappa系数为0.76,总体精度为92%,生产者精度为70%,用户精度为95%。这种计算开销节约的方法实现了提取精度与计算效率的平衡,可有效应用在省域或更大区域的单季稻水稻田识别中。

基于GEE的山西省土地利用时空演变分析

快速、准确获取土地利用变化信息是实现区域可持续发展的基础。基于谷歌地球引擎(Google Earth Engine,GEE),分析山西省1986—2022年土地利用变化。结果表明,随机森林算法得到的土地利用分类结果精度较高,山西省土地利用类型中,耕地、林地和草地占主导;37年间,山西省土地利用类型变化最大的为建设用地,增长的建设用地主要为耕地转化,水域面积逐渐减小,林地与草地面积变化不大;山西省土地利用程度呈现“中部高、东西低”的特点,主要受到社会因子的影响,人口数量影响最大。

基于GEE的徐州市土地利用分类研究

及时、准确地获取土地利用信息,可为城市发展和生态环境保护提供参考依据.基于谷歌地球引擎(Google earth engine)云平台,联合Sentinel-1 SAR数据、Sentinel-2 MSI高分辨率光学影像数据、SRTM高程数据等多源数据构建分类特征集,利用随机森林算法对徐州市2021年的土地利用类型进行分类,并对分类结果进行精度评价.研究结果表明:1)地物的光谱特征,尤其是归一化水体指数(NDWI)对分类结果贡献较大,多特征集的分类精度明显高于单一光谱特征;2)综合利用地物光谱特征、纹理特征、地形特征和雷达后向散射特征进行随机森林分类,分类精度最高,达93.55%,水体和耕地的分类效果明显优于裸地和建设用地;3)徐州市的主要土地利用类型为耕地和建设用地,两者面积占比达92.44%,水体主要分布于铜山区和新沂市,林草地和裸地分布较少.

基于Landsat 8的漓江流域生态环境质量及其影响因素分析

漓江流域生态环境质量时空变化及其影响因素的精准评价对桂林国际旅游胜地与国家可持续发展议程创新示范区建设具有重要的现实意义。通过谷歌地球引擎(Google Earth Engine,GEE),融合Landsat 8遥感影像构建遥感生态指数(remote sensing ecological index,RSEI),探讨自2012年桂林国际旅游胜地建设以来漓江流域生态环境质量的时空变化格局及其主要影响因素。结果表明:漓江流域生态环境质量呈现上升趋势且总体处于中上等水平,其中,流域林地和草地生态环境质量等级主要为优和良,而建设用地和耕地等区域主要为差和较差;流域的生态环境质量具有较强的空间自相关性,呈聚集性分布格局,主要表现为高-高聚类、低-低聚类和不显著聚类;绿度和湿度指标对RSEI指数有正向影响,而干度和热度指标则为反向影响;由人为因素引起的流域土地利用和植被覆盖度变化对漓江流域生态环境质量的影响要远远大于自然因素。在国际旅游胜地建设过程中,要坚持生态保护优先发展战略,注重保护和恢复漓江流域的生态环境,以促进桂林市国家可持续发展议程创新示范区建设。

基于云计算平台的撂荒耕地提取方法

快速准确查明我国耕地撂荒情况对于粮食增产尤为重要,利用遥感进行撂荒地监测是一种重要手段。由于西南山区耕地破碎,撂荒地植被生长迅速与正常耕地难以区分,利用遥感提取撂荒耕地的传统方法耗时且存在算力限制,本文基于谷歌地球引擎(GEE)云平台,利用哨兵2号(Sentinel-2A)遥感影像,运用随机森林(RF)与支持向量机(SVM)两种机器学习方法进行四川省宜宾市耕地提取,并结合归一化植被指数(NDVI)阈值分割模型分割撂荒地,绘制出2018—2021宜宾市撂荒地分布图,撂荒地面积分别占耕地面积的6.37%、5.15%、4.31%、3.02%,校验总体精度达到83.87%。基于云计算平台机器学习方法并联合NDVI阈值分割模型,能利用更少实地调查样本实现大范围内撂荒地的提取。

基于GEE的土地利用变化对生态系统服务价值的影响研究——以京津冀地区为例

基于Google Earth Engine(GEE)云平台提供的随机森林分类算法对京津冀地区2017年—2019年遥感影像进行分类,解译出林地、耕地、草地、建设用地,水域和未利用地等类型,由此发现三年内林地、耕地、草地面积变化幅度最大,其次为建设用地、水域和未利用地.土地利用类型主要由耕地转向林地、草地;土地利用面积的变化导致研究区生态系统服务价值(ESV)总值从2017年的3914亿元增长到2019年的4013.99亿元,其中林地面积的变化起主要作用,而未利用地贡献最低;ESV对三地的生态价值系数缺乏弹性,生态系统服务价值系数对ESV的影响较小,结果具有可靠性.研究表明伴随京津冀协同发展战略的推进,生态服务有所提高,但应当根据各地区实际情况合理规划土地利用格局,加强对林地、草地、水域的保护,推进集约用地,合理开发未利用地.

基于GEE的淮南市土地利用变化对生态系统服务价值的影响

以淮南市为研究区,基于谷歌地球引擎(GEE)云平台获取的土地利用数据和修正的当量因子表,分析2010—2018年淮南市生态系统服务价值(ESV)的时空变化,以期探究淮南市煤炭开采对ESV的影响,为淮南市可持续发展提供决策依据。结果表明:2010—2018年,淮南市的耕地面积减少,建设用地和水域面积增加,其他土地利用类型变化幅度较小;淮南市ESV呈增长趋势,由2010年的98.37亿元增长到了2018年的119.64亿元;基于1 km×1 km的格网尺度对淮南市ESV进行分析发现:淮南市ESV低值区面积减少,较低、中等、较高、高等级的面积均呈上升趋势;各土地利用类型价值系数的敏感性指数均小于1,说明研究结果具有可靠性;淮南市ESV与累计原煤产量有较高的相关性,两者相关系数R2为0.8546。

基于GEE平台的1991-2020年环洱海地带土地利用时空变化分析

洱海作为我国重点保护湖泊“新三湖”之一,近30年间环洱海地带经济发展与人地矛盾的问题日益突出.研究环洱海地区长时间序列的土地利用变化规律,分析人类活动的影响程度对保护治理洱海具有重要意义.基于谷歌地球引擎(GEE)云平台,以1991—2020年7期Landsat TM/OLI影像为基础数据,融合光谱、归一化差异指数和增强型植被指数等特征,采用随机森林方法对环洱海10 km范围进行了土地利用分类,结合土地利用变化图谱、人类活动指数模型定量分析了城镇化背景下环洱海地带土地利用类型的演变趋势及人类活动强度.结果表明:1991—2020年林地、草地面积整体呈减少趋势,主要转出方向为耕地;建设用地面积持续增长,主要转入来源为耕地;水域面积变化较小,湿地呈先增加后减少趋势,上述变化趋势与环洱海地区城镇化快速推进有关;人类活动强度总体逐年上升,以低影响区为主且保持相对稳定.高影响区和中高影响区主要集中于环湖南侧和环湖西侧,中低影响区呈零星块状分布且一直呈减少趋势.

基于LandTrendr算法海南东寨港红树林扰动研究

随着我国社会经济的快速发展和对自然资源需求的日益增加,自然保护区面临的压力越来越重。在对于红树林扰动和恢复的监测当中,应用时间序列分析法对其进行遥感研究还处于起步阶段,并且时间序列算法本身都十分复杂。文章基于谷歌地球引擎(Google Earth Engine,GEE)云平台的LandTrendr时间分割算法和Landsat影像时序数据,研究了东寨港红树林自然保护区1990—2020年期间红树林的扰动情况。研究结果表明:1990—2020年间,共有42.39 hm 2的红树林发生了扰动,其中2014年保护区内红树林扰动面积最大,为12.78 hm 2;1990—2020年间,轻微扰动和中度扰动所占比例较大,分别为65.39%和30.78%,严重扰动所占比例最少,只有3.83%;红树林变化像元的总体识别精度为89.50%,对扰动年份检测的总体精度为88%,Kappa系数为0.79。本研究基于LandTrendr算法解析了30 a间东寨港保护区内红树林发生扰动的年份和面积,结合实际情况分析了导致扰动的因素,认为人类活动是红树林扰动的主要原因,自然因素(如病虫害和极端天气等)是导致扰动的次要原因。研究结果能够为红树林保护区的管理提供科学依据和决策参考。

基于Google Earth Engine的合肥市土地覆盖变化研究

针对传统的单机处理遥感影像方式难以进行大尺度和长时间序列土地覆盖监测的缺点,文章以合肥市为研究区,借助谷歌地球引擎(Google Earth Engine,GEE)平台,利用2000—2020年多景Landsat卫星影像和多种辅助数据,采用随机森林(random forest,RF)算法得到土地覆盖分类图,并对土地覆盖变化(land cover change,LCC)进行驱动力因素分析,基于植被覆盖度(fractional vegetation cover,FVC)反演算法进一步得到FVC时空变化。研究结果表明:近20年来研究区土地覆盖时空变化特征十分明显,FVC时空变化呈现减少特征;人口增加和社会经济发展是LCC主要驱动因素。

基于Landsat时序影像和LandTrendr算法的森林保护区植被扰动研究--以陕西柴松和太白山保护区为例

跟踪森林自然保护区的森林变化及其时空特征,可为保护区生态保护评价提供科学依据。使用LandTrendr算法和谷歌地球引擎(GEE)的Landsat卫星时间序列数据,描述了柴松和太白山保护区的长期(1984—2018年)森林变化模式。对森林变化像元和稳定像元的总体识别精度达到93%,对扰动年探测的总体精度为89%。在柴松保护区,扰动年发生在2008年左右,大部分扰动由人类活动引起。在太白山保护区,扰动年主要发生在2013年,由自然因素造成。柴松和太白山保护区的森林扰动面积分别为42.74 hm2和23.68 hm2。柴松保护区的扰动斑块数多于太白山,表明柴松保护区自2004年建立后干扰频繁。本研究可以帮助研究人员和决策者了解这两个保护区的森林状况,可为森林生态系统的自然保护区保护评估提供基线信息。

2000-2021年大别山西段生态环境质量演化及其与区域土地利用耦合关系

大别山区是长江流域重要的生态屏障和我国重要的生态功能区,监测、评估其生态环境质量动态变化及其与土地利用变化的耦合关系,对推动流域综合治理和区域高质量发展具有重要意义。该文基于GEE平台获取的多源遥感数据计算遥感生态指数(RSEI),分析2000-2021年大别山西段生态环境质量,在此基础上探究土地利用/覆被变化与生态环境质量的耦合关系。结果表明:1)2000-2021年大别山西段生态环境质量显著提升,RSEI的增加速率为0.004/a(R^(2)=0.58,P<0.05);2)39.66%的区域生态等级得到改善,但区域间分异明显,信阳市南部和黄冈市北部生态环境质量提升最好,RSEI分别提升0.14和0.13,而黄冈市南部、信阳市北部局部地区生态环境质量呈下降趋势,RSEI分别下降0.16和0.01;3)土地利用变化与生态等级变化空间耦合密切,建设用地—耕地和耕地—林地的变化方式促进当地生态环境改善,耕地流转导致生态环境恶化。

基于GEE平台LandTrendr算法的海南岛森林扰动快速监测方法及分析

热带森林具有重要的经济价值和生态价值,快速准确地监测其扰动对促进热带森林的可持续发展有重要意义。为探究适用于热带森林扰动快速监测的方法,本研究基于1987年以来海南岛所有Landsat 5/7/8和Sentinel-2时间序列光学影像和野外调研数据,在谷歌地球引擎(Google Earth Engine,GEE)云平台利用LandTrendr算法快速监测海南岛1990—2020年的森林年度扰动时空分布特征,并结合7期天然橡胶种植历史分布图、林业政策和自然灾害等因素探讨森林扰动的驱动因子。研究表明:(1)1990—2020年海南岛森林扰动总面积为2.53×10^(3)km^(2)(占2020年森林总面积的11.78%),集中分布在中部、北部和西北部地区,扰动面积最大的3个市县分别是儋州市、琼中县和白沙县;(2)海拔300 m以下区域的森林扰动占83.40%,坡度25°以下的森林扰动占94.86%,高海拔地区森林保存完好,鲜有大面积的森林扰动发生;(3)2000—2010年森林扰动发生最频繁,其中2005年的扰动面积最大,2010年后森林扰动趋势明显减缓;(4)森林主要受橡胶种植、桉树发展和严重自然灾害(如台风与干旱)共同影响,其中因橡胶种植导致的森林扰动面积占全岛森林扰动总面积的43.48%。本研究建立的森林扰动快速监测方法和研制的海南岛热带森林扰动数据集可为森林监测研究及林业部门决策提供参考。

长时序Landsat和GEE云平台的杭州湾土地利用/覆被变化时空格局演变

海湾处于水陆交互的区域,生态系统较为脆弱,资源环境极易受损。大尺度、长时序和高精度的土地利用/覆被变化LUCC (Land Use/Cover Change)制图是海湾区域国土空间规划和环境保护的基础。现有的制图方法多是针对原始遥感影像,难以充分挖掘和联合利用特征空间和变换空间蕴含的信息潜力,导致传统方法在地表异质性较高的海湾区域应用效果较差。本文面向杭州湾区域,基于Landsat长时间序列卫星影像和谷歌地球引擎GEE (Google Earth Engine),提出了融合遥感指数和主成分分量的随机森林遥感影像分类方法,实现了1985年—2020年(5年时间间隔)的LUCC制图及时空格局分析。结果表明:(1)融合遥感指数和主成分分量的随机森林算法能够准确提取杭州湾LUCC信息,8个时相的平均总体精度OA (Overall Accuracy)和Kappa系数分别为92.83%和0.9108。(2)研究期间内,建设用地(278.26 km2至2984.76 km2,年均增加77.33 km2)、水体(509.32 km2至680.21 km2,年均增加4.88 km2)、裸地(768.99 km2增长至1078.13 km2,年均增加8.83 km2)的面积呈现增加趋势,而林地(2159.49 km2至1881.52 km2,年均减少7.94 km2)、耕地(6998.45 km2至4800.59 km2,年均减少62.80 km2)、滩涂(181.65 km2至161.50 km2,年均减少0.58 km2)的面积呈现减少趋势。(3)研究期间内,耕地是最主要的转出源,总面积占比由64.23%减少至41.43%,耕地面积转出以建设用地(2268.05 km2)与裸地(630.20 km2)为主;耕地面积转入以水体(376.22 km2)与林地(352.22 km2)为主。本研究能够为杭州湾区域土地资源的科学管理提供数据支持,所得LUCC数据集对区域可持续发展具有重要意义。

基于GEE的1985—2020年胶州湾形态变化及驱动因素分析

胶州湾沿岸是青岛市人口密度最大、经济最发达的地区,分析其形态变化对沿岸海洋环境保护及维持区域可持续发展有重要的意义。本文在谷歌地球引擎(Google Earth Engine,GEE)云平台上基于Landsat系列遥感影像,综合利用最大类间方差法、数学形态法处理和Canny边缘检测等方法,自动提取了1985—2020年每5 a的海湾岸线空间信息,从点线面三个维度定量分析了胶州湾35 a形态时空变化过程,并探讨了其驱动因素。结果表明:在GEE云平台上自动解译遥感影像可提高海湾岸线空间信息的提取效率;1985—2020年胶州湾重心位移平均方向为北偏东7.61°,海湾南岸向海扩张远大于北岸,西岸向海扩张略大于东岸;研究时段内岸线长度、分形维数和海湾形态发育指数均在1990年最大,岸线长度总体表现为先增大后快速降低而后小幅增长又缓慢减少的特征;35 a来岸线开发利用程度指数不断上升,海湾面积缩小了17.31%(70.34 km^(2)),海湾形态变化的主要驱动因素是近岸养殖池塘、港口工程、城镇建设和沿海交通线建设等围填海活动。

基于遥感生态指数的淮河流域生态环境质量时空演化及其驱动因素分析

厘清流域生态环境质量的时空演化特征及其对自然环境和人为因素的响应,对流域生态环境政策实施至关重要.利用谷歌地球引擎建立遥感生态指数(RSEI),结合趋势分析、变异系数和Hurst指数对淮河流域2002~2022年的生态质量时空变化进行评价,并运用地理探测器探究RSEI空间分异性的主要驱动因子.结果表明:(1)近21年淮河流域RSEI总体上改善,但呈阶段性上升-下降趋势,其中差和较差等级面积呈减小趋势,中等级面积呈增加趋势,良和优等级面积呈增加趋势.改善面积占比为55.93%,退化面积占比为22.01%.(2)空间分布上,RSEI整体呈现自东向西逐渐变差的分布特征(西北和西南边缘山区除外).东部稳定性较好,西部和中部稳定性较差.未来流域生态质量变化为反持续性,以改善为主.(3)因子探测结果显示,淮河流域RSEI空间分异主要受到植被因子的驱动作用,其次为海拔.双因子间的交互作用增强了对RSEI空间分异的驱动力,其中植被因子和海拔的交互作用对RSEI空间分异的驱动力最强,达到86.3%.

典型黄土丘陵沟壑区生境质量时空变化及驱动力:以祖厉河流域为例

黄土丘陵沟壑区是我国重要的生态屏障之一,研究其生境质量的时空变化及其驱动力,对保障我国的生态安全,维护国家生态权益具有重要意义.以祖厉河流域为例,采用Google Earth Engine平台和Landsat遥感数据,系统调查了2000~2020年间遥感生态指数RSEI的时空分布情况,结合变异系数CV、Theil-Sen Median斜率估计、Mann-Kendall显著性检验和Hurst指数,分析了研究区生境质量的时空变化格局,并利用地理探测器方法研究了6个主要的驱动因子对RSEI空间分布的影响,结果表明:①2000~2020年,RSEI值呈先下降后上升的趋势,年均增幅为0.0845·(10 a)^(−1).②20 a间,生境质量改善区域占92.06%,其中显著改善区域占28.49%,改善地区以会宁县境内为主,而生境退化区域仅占7.82%.未来生态状况的变化趋势显示,74.98%的区域呈现持续改善或未来改善的趋势,但仍有23.48%的区域未来存在生态退化的潜在风险.③降水等气候因子是影响祖厉河流域生境质量的关键因素;因子之间的交互作用对生境质量的解释力高于单因子,其中降水因子与高程因子的交互解释力最强;梯田因子与环境因子交互作用能显著增加解释力,说明梯田对改善生境质量起到重要作用.研究结果可为黄土丘陵沟壑区生态环境管理和可持续发展提供科学基础.

基于遥感生态指数的粤港澳生态环境质量与土地利用变化空间关系

生态环境质量与土地利用变化的协调关系,是区域可持续发展的重要保障.广东、香港地区和澳门地区(“粤港澳”)历来紧密联系,现正进入加速发展时期,缺乏粤港澳整合的生态环境质量与土地利用变化空间关系研究.基于土地利用历史数据和谷歌地球引擎(GEE云平台),选取2000~2020年夏季(6月1日至9月1日)MODIS影像(时间跨度为5 a),计算遥感生态指数(RSEI)以表征生态环境质量状况,挖掘生态环境质量与土地利用变化的空间关系.结果表明:①粤港澳土地利用类型以林地为主,林地是北部生态发展区(生态区)和粤港澳大湾区(大湾区)西北部景观的基底,土地利用程度呈现“中间高,四周低”、“南高北低”和“西南、东北有高值”的空间格局,土地利用变化强度在生态区最小.②按RSEI由小到大排序,生态环境质量由低至高的区域依次为大湾区、沿海经济带东翼(东翼)、沿海经济带西翼(西翼)和生态区.③生态环境质量与土地利用程度呈强负相关关系,高-低(H-L)聚类分布范围较为稳定,主要集中在大湾区中心,低-高(L-H)聚类分布相对不稳定,以分布于生态区为主,东翼和西翼县域、香港地区和澳门地区均为无显著相关特征.④粤港澳中心的生态环境质量低值斑块扩张与人工表面扩张表现出一致性,广州佛山的中心、汕头的东部以及湛江雷州的西南部多以耦合为主,生态区、东翼中部、西翼东部和大湾区西北部以非耦合为主.土地利用变化是生态环境质量改变的重要因子,需要全域重点规划与布局土地利用结构,从整体上提升生态环境质量.