基于Google earth engine渭-库绿洲果园遥感提取

针对干旱区果园大面积遥感提取困难、识别精度低等问题,本研究基于GEE(Google earth engine)平台,综合应用Sentinel-1/Sentinel-2影像构建特征集。通过对比原始特征组合、Jeffries-Matusita(J-M)距离、属性重要度3种优化方式,结合随机森林(Random forest,RF)分类方法,对比得到最佳优化方式,探索果园最优分类特征集。结果表明:识别效果最好的方案为G17 JM,总体精度为91.25%,kappa系数为0.89,面积精度为82.55%。最优特征集为B8_asm、B8_ent、B8_idm、NDVI re3、B6、B7、a、e、b、EVI、B11、B8A、B8、VV。使用J-M距离进行特征集优化,有效降低数据量、提高计算效率,更有利于精确遥感识别果园种植面积。表明GEE快速、准确获取果园种植面积的可行性,为获取果园动态变化提供强有力的基础。

利用GEE云平台实现三峡库区滑坡危险性动态分析

传统的遥感监测手段受限于数据的可用性以及计算性能,往往无法满足大区域的滑坡灾害监测研究。为此,该文利用谷歌地球引擎(Google Earth Engine,GEE)云平台建立了三峡库区滑坡危险性动态评价模型,依托GEE云平台海量的存储数据和强大的算力,实现了三峡库区的滑坡危险性动态评价。首先,采用坡度、坡向、归一化植被指数、归一化水体指数和地质构造等因子,通过加权的梯度提升决策树(weighted gradient boosting decision tree,WGBDT)模型生成了滑坡易发性分区图;然后,利用全球降雨测量(Global Precipitation Measurement,GPM)数据,研究三峡库区诱发滑坡的降雨阈值,建立了降雨分级标准,构建了联合降雨和滑坡易发性的滑坡危险性评价模型;最后,以三峡库区“8·31”降雨过程为研究对象,逐日生成三峡库区滑坡危险性分布图,得到了滑坡危险性的时空变化趋势。利用GEE提供的一系列的数据处理和分析工具,可以用来分析三峡库区滑坡地质灾害相关的数据,并提供滑坡危险性近实时的监测和预警信息,为政府部门防灾减灾政策的制定提供决策依据。

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。

GEE平台下考虑潮位变化及植被物候特征的盐城滨海湿地精细化遥感分类

滨海湿地具有重要的经济价值与生态价值,快速准确地监测其现状对滨海湿地资源的保护和管理具有重要意义。由于潮汐动态变化、植被光谱相似性以及云覆盖等因素的影响,滨海湿地的遥感监测具有较大挑战。本文提出了一个综合考虑潮位变化及植被物候特征的滨海湿地遥感分类方法,基于GEE(Google Earth Engine)平台,首先引入Fmask(Function of mask)算法进行云检测与去云处理,然后利用S-G(Savitzky-Golay)滤波算法重构NDVI(Normalized Difference Vegetation Index)时间序列数据,提取植被物候特征参数,采用随机森林算法实现互花米草(Spartina alterniflora)、芦苇(Phragmites australis)、碱蓬(Suaeda salsa)与茅草(Imperata cylindrica)4种湿地植被类型的提取;最后利用最大光谱指数合成算法(Maximum Spectral Index Composite,MSIC)生成最高与最低潮位合成影像,结合大津算法(Otsu)提取光滩与海水,实现滨海湿地的精细化遥感分类。研究结果表明,生长季开始时间、生长季结束时间、生长季时长、基准值、振幅、小季节积分是区分滨海湿地植被的重要植被物候特征参数。利用本方法对盐城滨海湿地进行分类,湿地总体分类精度达96.50%,Kappa系数为0.957 1,湿地植被中互花米草的使用者精度最高,为96.59%;其次是芦苇与碱蓬;茅草最低,为93.55%。与面向对象分类相比,本方法不仅能够提取完整的光滩范围,而且将总体精度提高了10.25%,体现出植被物候特征在滨海湿地动态变化遥感监测中的应用潜力。

基于GEE云平台和Sentinel-2时序数据的土地利用分类研究——以南宁市为例

以南宁市为研究区域,基于GEE云平台调用2020年65景Sentinel-2 MSI时序数据,分别采用随机森林(Random Forest,RF)和支持向量机(Support Vector Machine,SVM)分类算法进行土地利用分类研究。结果表明:(1)RF分类的总体精度和Kappa系数分别为85.59%和0.82,高于SVM分类的72.57%和0.66,且RF分类结果与实际统计数据更加贴合。(2)利用RF分类结果进行土地利用现状分析,南宁市林地所占面积比例最大,主要分布在中部及东西部的高海拔地区;其次为耕地和园地,相间分布于南宁市大部分区域;建设用地主要集中分布在南宁市主城区;水域以南部的邕江和大王滩水库为主;未利用地占比较小,在研究区范围内零散分布。

GEE平台支持下内蒙古实时中高空间分辨率森林火点监测

森林火灾是森林三大自然灾害之一。为实现对森林火灾的监测,文章以内蒙古自治区为研究区域,基于GEE平台中的Landsat8数据集和Sentinel2数据集通过常规判定方法和机器学习方法分别提出了森林火点的监测方法,确定了2种影像火点判定的最佳阈值。经历史地表火点验证,常规判定方法、随机森林方法和支持向量机模型判定Landsat8影像的准确率分别为98.0%、98.5%和98.0%,判定Sentinel2影像的准确率分别为95.5%、97.5%和97.0%,均可用于内蒙古自治区的森林火灾监测。建议通过GEE平台的API接口,研发实时森林火点监测系统,对森林火点进行实时监测,降低林火损失。

OpenSSL Engine安全平台下的Engine对象分析

OpenSSLEngine安全平台的主要目的是替换OpenSSL的底层加密机制.介绍了OpenSSLEngine安全平台的原理,分析OpenSSLEngine安全平台下Engine对象的关键技术,剖析了OpenSSLEngine安全平台的不足并提出了相应的解决方案,对Engine对象的开发有指导意义.

基于ArcGIS Engine的数字农业空间信息管理平台的设计与开发——以上海市数字农业空间信息管理平台为例

数字农业是在"数字地球"的基础上提出并发展的,是21世纪新型的农业模式,以3S技术应用为核心的数字农业空间信息管理平台开发研究是数字农业研究的重要方向之一。文章着重分析了数字农业空间信息管理平台开发中所涉及到的关键技术;在研究空间信息管理平台桌面部分的开发背景、需求分析的基础上,对平台进行了总体设计、数据库设计、系统功能设计、界面设计;对系统各个功能模块进行了开发实现。

基于ArcGIS Engine二次开发的单体自然保护区生物多样性数字化平台设计与实现——以宁夏沙坡头为例

针对宁夏沙坡头自然保护区生物多样性数字化管理的需求,建立1个基于ArcGIS Engine二次开发的生物多样性数字化平台,实现对生物多样性资料中属性、空间数据的查询、浏览和空间分析等功能。通过多源遥感平台输入生物多样性变化信息,为保护区管理提供决策支持。

基于GEE云平台的三江源湖泊面积提取及动态变化

基于GEE(Google Earth Engine)遥感云计算平台和Landsat TM、ETM+和OLI卫星影像数据,采用修正归一化水体指数(MNDWI)、归一化植被指数(NDVI)和增强植被指数(EVI)等多个指数的综合水体识别算法,提取三江源区1990—2020年大于1 km^(2)的湖泊面积,结合气象、冰川编目、冻土分布等数据分析了湖泊面积变化及其影响因素。结果表明:1990年以来,三江源区湖泊增加了46个,湖泊面积从10811.8 km 2增加到12449.53 km^(2),增长了15%;其中,黄河源区湖泊面积增长了10%,长江源区湖泊面积增长了29%,长江源区较黄河源湖泊面积增幅更明显。平均气温升高和降水量增加是湖泊面积增加的主要因素;气温升高导致冰川退缩和冻土退化,使得冰川补给型湖泊和冻土区湖泊面积增加更快,这就是长江源区湖泊增长更为明显的主因,而黄河源湖泊面积增长与降水变化联系更为紧密。

基于GEE平台渭库绿洲棉花水分生产率遥感估算

作物水分生产率的准确和定量化评价是提高干旱区作物产量的基础,对缓解水资源短缺和农业可持续发展具有重要意义。以塔里木盆地北岸的渭干河-库车河绿洲(渭库绿洲)为典型区域,基于Google Earth Engine(GEE)云平台,通过建立2009—2020年流域SEBAL遥感蒸散发模型、棉花分布识别模型及估产模型,对流域棉花水分生产率进行评价。结果表明:(1)渭库绿洲棉花产量从2009年的1610.10 kg·hm-2增长到2020年的1855.05 kg·hm-2,增长率为13.20%,棉花种植面积逐年向绿洲边缘延伸,棉花产量重心整体自西向东移动2485 m。(2)棉花生长期2009年蒸散发均值为686.80 mm,2020年为738.66 mm,整体呈上升趋势,其增长率为7.02%,棉花生长期蒸散发最大值为花铃期和吐絮期,蒸散发较高值主要分布在绿洲内部与塔里木河北岸边缘。(3)2009年水分生产率均值为0.21 kg·m^(-3),2020年均值为0.25 kg·m^(-3),12 a间水分生产率均值增长率为16%。在空间上,渭库绿洲水分生产率重心在红旗镇自东北向西南移动1832 m,年均移动速度为152.67m·a^(-1)。绿洲棉花水分生产率呈现东西方向大于南北方向扩张趋势,空间分布方向趋势增强,空间格局趋向集聚化。(4)12 a间产量的增长速度超过了蒸散发的上升速度,促使水分生产率提高。其次,水分生产率与棉花种植面积和合理的水量灌溉技术密切相关,水分生产率高值主要分布于沙雅县新垦农场和新和县桑塔木农场,由于农场规模化种植和集约化管理,促进了棉花增产、农业水资源的稳定分配和高效利用。

基于GEE的中国不同生态系统林火驱动力研究

针对同时对大尺度范围内的不同生态系统林火驱动力研究的难题,提出一种基于谷歌地球引擎(google earth engine,GEE)实现大范围不同生态系统林火驱动力的分析方法。首先基于GEE在线获取中国4个主要不同生态系统林火数据集、Sentinel-2卫星影像和驱动因子等信息,再通过Sentinel-2影像提取的归一化燃烧率差值筛选真实林火点,然后利用随机森林、支持向量机和增强回归树法对林火点分类并评价其表现,最后筛选最佳方法进行林火驱动力重要性分析。研究结果表明:随机森林预测林火的精度最高,均超过92%;山西省长治市和内蒙古大兴安岭地区林火最重要的驱动力分别为人口分布和最高温度,而四川省凉山彝族自治州和江西省赣州市林火发生最重要的两个驱动因子均为帕默尔干旱指数和土壤湿度。研究证明基于GEE的方法可有效地同时实现大范围内中国不同生态系统林火驱动力研究。

基于Google Earth Engine平台的官厅水库流域开放水体动态研究

利用二阶段城市水体指数(two steps urban water index)结合地形坡度掩膜方法,基于Google Earth Engine(GEE)平台调用了5196幅Landsat影像,提取并分析了官厅水库流域1987-2018年长时间序列的开放水体动态.水体提取总体精度达到93.5%,Kappa系数达到0.871,提取的开放水体可用于动态分析.在此基础上,基于分段线性回归,将1987-2018年官厅水库流域开放水体面积划分为缓慢上升、快速下降和迅速回升3阶段的变化.相应地,1987-1996、1997-2010和2011-2018年水体面积年均变化量分别为5.50、-7.45和15.19 km^(2).年均降水量的变化是官厅水库流域开放水体面积变化的重要影响因素,一元线性回归决定系数为0.29(P<0.01).1997年后,流域水体面积变化受人类用水增加及土地利用变化的影响增强.研究结果可为城市化背景下区域水资源保护,促进区域可持续发展提供借鉴.

基于Google Earth Engine平台与复杂网络的黄河流域土地利用/覆被变化分析

黄河流域在中国社会经济发展和生态安全方面的地位十分重要,过去几十年的自然演变和人类活动对其造成了深远影响,系统科学地认识黄河流域的环境格局变化是实现黄河流域高质量发展的重要前提。基于Google Earth Engine平台和复杂网络分析方法,解译并分析了1986年至2018年黄河流域的连续年度土地利用/覆被变化(LUCC)。基于1000个独立验证点进行的评估显示解译的覆盖黄河流域33年的年度土地利用/覆被数据集的7个一级类的总体准确率为82.6%,15个二级类的总体准确率为74.7%。分析结果显示黄河流域的土地系统在整个研究期间呈现出复杂的时空变化,主要的LUCC模式包括:不变或很小的变化、伴随耕地流失的城市扩张、草地恢复、果园和梯田扩张和森林增加。基于复杂网络方法对黄河流域土地系统的分析表明,土地利用/覆被转移网络中的高覆盖草地、低植被覆盖地表和落叶常绿混交林与其他地类的转移较频繁,地类节点的中介中心性和度值较高,是黄河流域土地系统中的关键地类。另外与人类活动关系密切的果园和梯田、谷物耕地和城市及建设用地节点组成了较为活跃的网络社区结构,它们都有较高的结构多样性、接近中心性,这些地类之间的转移是土地系统中重要的地类转移类型。时间序列的转移网络分析表明黄河流域的土地系统在1993—1998年、2001—2007年、2011—2014年存在三个不稳定时期,这三个不稳定时期的出现可能分别由大量的农业土地开发、退耕还林还草工程和果园梯田的大量增加导致。对黄河流域的长时间土地利用/覆被动态的系统性分析提供了关于环境政策和社会经济活动对土地系统造成何种影响的见解,表明黄河流域正朝着实现农民生计安全,区域经济增长和生态环境保护的可持续发展的目标迈进,并为LUCC研究提供了新的数据处理方式和新的系统科学视角,有助于实现区域的高质量可持续发展和理解人与自然系统之间的相互作用关系。

全球气候变化下麦兹巴赫冰湖面积变化归因分析及对冰湖溃决洪灾预防的启示——基于GEE平台遥感云计算方法

萨雷扎兹河-库玛拉克河是中国和吉尔吉斯斯坦间的国际河流,属塔里木河一级支流阿克苏河。阿克苏河水量约占塔里木河总径流量的73%,是塔里木河流域经济社会与生态保护的命脉。萨雷扎兹-库玛拉克河上的麦兹巴赫冰川湖是典型的频繁发生溃决洪水的冰湖。随着全球气温继续变暖,冰川对冰湖的融水补给进一步增多,冰坝稳定性降低,可能导致麦兹巴赫湖溃决频率增加和溃决时间提前,对新疆阿克苏地区防洪安全和水电工程安全产生极大威胁。本研究运用1987—2018年间覆盖研究区所有可用的Landsat 5 TM、Landsat 7 ETM+、Landsat 8 OLI Collection 1 Tier 1地表反射率数据及代表气候变化的ERA5-land数据集,选取最高温、均温、最低温、辐射和降水等每月气象因子数据,对麦兹巴赫冰川湖受南伊利尔切克冰川阻塞产生的“下湖”地表水体进行遥感提取,获得2000年、2005年、2010年、2015年、2021年每年12个月共60个时间点的冰湖面积提取结果。使用线性回归、偏相关分析和结构方程模型探究麦兹巴赫冰湖2000—2021年每月冰湖面积与气象因子间的关系。结果表明,麦兹巴赫冰湖每年几乎都在7月溃决,产生面积陡降的拐点,在9月达到最小值。2021年冰湖面积数据明显偏小,这与该年度极端高温关系密切。通过偏相关分析得出,对麦兹巴赫冰湖面积影响大小的气象因子排序为最低温(0.245)>均温(-0.239)>降水(0.228)>辐射(0.154)>最高温(0.128)。构建结构方程模型后得出的结果与偏相关分析结果一致,即均温对麦兹巴赫冰湖面积变化贡献为负,最低温、辐射和降水对麦兹巴赫冰湖面积贡献为正,各因子间对麦兹巴赫冰湖面积影响大小排序为均温(-3.32)>最低温(2.87)>辐射(0.48)>降水(0.47)。结合已有文献成果认为,增温不仅导致冰川融水增加,直接引发冰湖面积的扩张,还影响冰湖坝体的稳定性,制约冰湖面积变化。为有效减轻阿克苏及周围地区防洪压力,确保洪水危害地区社会经济稳定,研究认为以下几方面工作亟需开展:(1)进一步加强国际合作,增加上游吉尔吉斯斯坦京内冰川堰塞湖监测手段,与阿克苏地区大石峡和小石峡等水利工程联合调度,减少洪灾损失;(2)进一步加快阿克苏河流域开发利用,从全流域角度考虑和规划有关工程,达到防灾和水资源利用目标平衡;(3)深入对冰湖溃决洪水机理研究,提高洪水预警预报能力和水平。研究成果对新疆防洪减灾及经济社会发展具一定科研价值。

Google Earth Engine平台支持下的铁矿区开采及植被变化遥感动态监测

针对露天开采带来的环境问题,文中基于Google Earth Engine云平台下Landsat卫星长时间序列遥感数据,利用时间序列法和梯度分水岭分割算法,提取1999~2019年鞍山市铁矿区植被和开采破坏变化信息,实现实时、快速获取矿区开采破坏以及复垦土地时空变化特征,为东北老工业基地的生态文明建设、绿色矿山建设提供支持。

基于GEE平台和多维特征优选的粮食作物提取——以西辽河流域为例

快速准确地掌握作物种植类型和布局,对农业生产和管理具有重要意义。选取西辽河流域为研究区,基于Google Earth Engine(GEE)云平台,以Landsat和MODIS影像作为数据源,构建时序NDVI、物候参数、光谱指数、反射率及地形因子等多维特征。分别采用随机森林、支持向量机、分类回归树等方法,对比不同特征和分类器组合,选择优选特征和随机森林分类器,完成西辽河流域玉米、大豆和水稻的提取。结果表明,基于GEE平台可快速构建作物识别的多维特征,进一步利用递归消除随机森林优选特征,当加入重要性前30位特征参数时,总体精度可基本达到最高。选择优选特征组合并基于随机森林模型进行训练分类,可以实现高效率、高精度的作物空间分布制图。在验证指标中总体精度、κ系数、统计R2等验证指标均大于0.9,说明作物识别精度较高。西辽河流域农作物主要沿河流两侧呈条带状分布,玉米是最主要的农作物类型,大豆、水稻种植面积较少。

基于GEE云平台的黄河流域农牧交错区植被覆盖度时空变化特征

[目的]通过监测黄河流域农牧交错区退耕还林还草工程实施前后植被覆盖时空变化规律,为该地区生态恢复和可持续生态建设提供理论依据。[方法]以1990—2020年遥感影像为基本数据源,利用像元二分模型估算研究区植被覆盖度,运用岭回归函数分析植被覆盖度变化趋势,采用Hurst指数预测植被覆盖度变化趋势。[结果]黄河流域农牧交错区年均植被覆盖度由1990年的30.05%增加至2020年的49.19%,增速为0.62%/a(P<0.05)。退耕还林还草工程实施以后,恢复面积增加至53.11百分点。Hurst指数在0.75<H≤1.00的区域范围面积占研究区域95%以上。[结论]黄河流域农牧交错区植被覆盖度恢复面积远大于退化面积,植被整体呈恢复状态,且今后一段时间仍然保持恢复趋势。整体来看,黄河流域农牧交错区植被覆盖度不同等级土地面积发生转移的区域主要由低植被覆盖度向中低、中等植被覆盖度转移。生态工程的实施对黄河流域农牧交错区植被生长具有明显促进作用。

Google Earth Engine平台下秦岭地区植被覆盖时空变化分析

秦岭地区植被覆盖动态变化对其生态环境有重要影响。本文利用Google Earth Engine云平台,选取1986—2019年Landsat TM/OLI地表反射率数据,结合像元二分模型估算秦岭地区植被覆盖度(FVC);通过年际变化斜率、变异系数、Hurst指数等评价指标,对FVC的时空变化、稳定性和持续性变化进行分析。此外,探究FVC与气温、降雨的耦合关系,并分析土地利用变化对FVC的影响。结果表明:34年间,秦岭地区FVC整体上呈现良好的状况,中高等及以上植被覆盖区达73.11%;FVC由1986年的62.86%增长到2019年的70.01%,植被活动在不断增强;FVC的变异系数均值为0.34,标准差为0.45,其稳定性与其空间分布呈高度自相关性;秦岭地区的植被覆盖变化受气候变化和人为因素的共同影响。