基于GEE和Sentinel-2影像的杭州城市湿地精细化分类研究

基于Google Earth Engine(GEE)云平台,使用Sentinel-2卫星影像数据,采用随机森林算法面向杭州城市湿地类型进行遥感分类研究.研究结果表明:在进行湿地类型精细化分类时,相比于使用单一特征信息分类,多特征信息的组合可以显著提高分类精度,最优特征组合包括传统光谱特征、红边光谱特征、变换特征、纹理特征和地形特征,其总体精度为81.2%,Kappa系数为0.75;不同特征信息对于不同湿地类型的提取具有重要作用,传统光谱特征对于滩地和养殖池的识别非常有利,而红边光谱特征和变换特征分别对草本沼泽和湖泊的识别更为有效.此外,红边光谱特征和纹理特征的组合有利于运河/水渠的识别.通过特征对比实验可为湿地精细化分类的案例研究提供参考,湿地分类结果可为杭州城市湿地信息的遥感识别提供数据支撑.

基于GEE与Sentinel-2影像的落叶针叶林提取

【目的】针对森林资源精细监测评价的需求,探索多时相、多特征的Sentinel-2影像在落叶针叶林识别中的应用潜力,根据落叶针叶林的物候特征构建分类模型,为大范围落叶针叶林识别提供方法参考。【方法】基于GEE平台,以黑龙江省孟家岗林场为研究区,分析不同季节落叶针叶林与其他森林之间的差异。研究使用2020年春季(5月7日和5月27日)、夏季(8月9日)和秋季(10月19日)的4景Sentinel-2影像,提取光谱特征、纹理特征和地形特征构建多特征数据集,根据特征重要性得分进行特征优选,最后使用随机森林分类器得到落叶针叶林识别的最佳模型,实现孟家岗林场落叶针叶林的精确提取。【结果】试验结果表明落叶针叶林具有明显的植被光谱特征和季相特性,多时相影像数据包含落叶针叶林更多物候期,春季和秋季的影像更有利于区分落叶针叶林与其他森林。此外,近红外、短波红外波段的光谱信息对识别落叶针叶林有较大帮助。利用GEE平台和多时相Sentinel-2影像可以高效快速地提取植被信息,落叶针叶林提取总体精度与Kappa系数分别达到91.20%,0.82。【结论】基于GEE平台和Sentinel-2影像构建的分类模型对落叶针叶林信息的快速提取有一定的可行性和适用性,研究结果对大面积落叶针叶林的空间位置分布提取具有一定的参考价值。

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平台结合RF和SVM算法的茶园提取研究

科学有效的茶园遥感监测技术为土地利用管理、茶园管理、产业政策制定奠定了基础。研究基于GEE平台利用Landsat 8/OLI分别结合SVM和RF两种分类算法对云南省普洱市和西双版纳自治州的茶园进行了提取,并将2种算法的提取结果进行了对比。结果表明,RF和SVM算法的分类总体精度(OA)分别为95.61%、95.56%,Kappa系数相同,均为87%。RF算法的分类总体精度高于SVM算法,而Kappa系数相同。RF算法的制图精度(PA)为65.44%,与SVM算法(65.75%)相比相差较小,RF和SVM算法的用户精度(UA)分别为63.08%和57.37%。基于GEE平台结合RF分类算法对茶园的提取精度高于SVM算法。采用不同的传感器以及不同的分类算法可实现对茶园准确、高效的提取,对制定科学的茶园管理政策、茶园灾害预警、地表覆被变化等研究具有重要意义。

基于GEE平台的广西地表水时空特征分析

基于GEE平台分析1990—2020年广西主要地表水类型的时空变化特征,基于澄碧河、达开、青狮潭和洪潮江水库等实验区对常见的光谱水体指数(NDWI、MNDWI、AWEI、MBWI、WI2015和TCW)的实用性和稳定性进行分析,挑选适合于广西地区水体信息提取的最优指标,然后将其集成于GEE平台研究广西主要地表水类型的时空变化特征。研究表明AWEI水体指数阈值稳定,有很好的实用性,更适合于广西地区地表水信息提取和长时间序列的监测。1990—2020年各个大型水库地表水的面积变化都不尽相同,面积变化较大,研究成果可为广西水资源动态管理提供科学、客观的基础数据。

基于GEE和机器学习的河套灌区复杂种植结构识别

河套灌区作为中国重要的商品粮油生产基地,准确快速地获取主要作物空间分布对灌区的农业可持续发展具有重要意义。然而,河套灌区土壤盐渍化严重,作物分布破碎散乱,生育期前后紧邻的作物在遥感影像中难以区分。因此,基于Google Earth Engine(GEE)云计算平台,采用Sentinel-2遥感数据提取作物种植结构,通过引入GlobeLand30地物分类数据集、红边植被特征和作物纹理特征,利用随机森林、支持向量机、朴素贝叶斯和分类回归树4种分类器,探讨了不同分类特征及分类器组合对分类精度的影响。结果表明,使用全部特征波段时,随机森林的分类效果优于另外3种分类算法,灌区平均总体精度达到81%,Kappa系数达到0.68;在作物空间分布提取中,光谱特征对分类精度起决定性作用,基于红边波段计算得到的植被指数比其他常用遥感植被指数更有优势;进行波段优选后的光谱、植被和纹理特征方案是平均分类精度最高的组合,平均精度为86%。研究结果可为复杂种植结构地区准确快速获取农作物空间分布信息提供新的思路和可靠的参考方法。

GEE遥感云平台支撑下的河南省土地利用变化检测

针对长时序大尺度的土地利用类型精细化分类存在的挑战,基于Google Earth Engine遥感大数据云平台,利用具有较好时空一致性的Landsat7、Landsat8数据,采用随机森林模型和众数滤波优化算法研究了过去20年间河南省土地利用分类空间变化特征及趋势。研究结果表明:1)基于GEE遥感云平台提供的丰富数据和强大的计算能力,能较高效率地实现省域尺度长时序多时相的遥感影像土地利用变化检测,分类精度可达85%以上,标准差控制在3%以内;2)河南省2000—2020年土地利用类型的空间结构发生深刻的变化,建设用地由相对孤立的单元逐渐演化为联系密切的一体是最主要特征;3)结合众数滤波算法的随机森林分类模型能够较好地优化分类结果,产生效果更好、层次感更鲜明的分类结果。

基于GEE云平台和多源数据的土地覆盖智能分类算法对比研究

根据伊斯兰堡土地覆盖类型分布特点和GEE云平台提供的多源遥感数据信息,筛选地表反射率、植被指数、水体指数、夜光数据、数字高程数据5种空间数据集作为土地覆盖分类的基础和辅助数据,分别运用朴素贝叶斯、随机森林、最小距离和支持向量机4种遥感数据智能分类方法,实现伊斯兰堡土地覆盖类型信息的自动提取和精度对比。结果表明:1)4种智能分类方法采用综合集成的多源数据进行分类的精度均高于仅用单一遥感数据参与分类的精度,且在使用相同数据源和训练样本的情况下,支持向量机算法的分类精度高于其他3种方法。从伊斯兰堡全区域土地覆盖分类精度看,最小距离方法的总体精度最低(77.9%),支持向量机方法的总体精度最高(89.6%)。2)充分利用GEE云平台集成的多源海量数据资源和丰富的模型内嵌接口,可有效解决传统方法(非GEE云平台)中存在的多源数据处理调用耗时耗力问题,实现土地覆盖类型精确、快速提取。该研究可为开展“一带一路”沿线国家和区域长时序土地覆盖数据产品智能快速提取的最优模型筛选与定制提供方法和技术支撑。

基于GEE平台和自动统计分配算法的大范围冬小麦提取

为提高大范围作物遥感制图精度,利用Google Earth Engine(GEE)平台对Sentinel-2数据进行预处理,合成整个河北省2019年归一化植被指数(NDVI)、增强型植被指数(EVI)和二波段增强型植被指数(EVI2)的最大值影像;结合地理国情数据,输入自动统计分配算法以挑选出最优的植被指数;利用最优影像提取2016—2019年30 m分辨率的河北省冬小麦信息。结果表明,与验证样本相比,NDVI、EVI和EVI2的小麦分布用户精度均大于94%,制图精度均大于91%,总体精度均大于98%,Kappa系数均大于0.96,其中EVI的精度最高;与统计数据相比,所有小麦种植县2016—2019年的平均精度均大于97%。该自动统计分配算法无需依赖训练样本,能快速在其他年份复制使用,提高大范围作物分布制图效率,且获得的小麦信息与统计数据有良好的一致性,可为大范围小麦分布快速制图提供一定的技术方法参考和思路借鉴。

基于GEE平台的水葫芦灾害监测研究与应用

水葫芦是我国的外来水生物种,其泛滥生长对水生态及河道行洪安全造成严重影响,危及人民群众的生命财产安全。为研究Google Earth Engine(GEE)云数据处理平台用于快速监测水葫芦灾害的能力,科学制定水葫芦防治方案及提供信息支持,以广东省东江流域为试验区,采用Sentinel-2高空间分辨率卫星影像,建立水葫芦光学遥感识别模型,基于Google Earth Engine(GEE)云数据处理平台实现多时相水葫芦遥感动态监测,分析水葫芦时空分布范围及成灾规模,为制定水葫芦防治方案提供信息支持。结果表明,基于GEE遥感云数据处理方法可极大地提升水葫芦时空分布的监测效率,为水葫芦灾害防治及治理成效评价提供准实时的高效技术支撑。

基于GEE云平台和Sentinel-2数据的监利市虾稻田提取

虾稻共作现已成为监利市耕地的主要种植模式,它有效利用了水稻休耕期开展小龙虾养殖,具有较好的资源利用效率和经济效益。随着虾稻田种植面积快速增加,获取高精度的虾稻田空间分布信息是当前亟待解决的问题。以监利市为研究区,基于GEE云平台和2020年的Sentinel-2 L2A级影像数据,根据典型虾稻田在这一年内的光谱指数时间序列变化特征,采用随机森林方法获取虾稻田空间分布信息。分类结果表明,虾稻田分类的生产者精度为92.77%,用户精度为84.61%。与传统基于水体指数季相差异方法相比,随机森林方法具有更强的鲁棒性。

1985—2020年京津冀平原水面面积演变特征及归因分析

在国家复苏河湖生态环境的要求下,分析京津冀平原区长序列水面面积变化特征及变化原因,有助于科学制定区域生态补水量及预测补水效果。研究通过3期土地利用数据融合确定了京津冀平原区的水域面积,基于GEE(Google Earth Engine)云平台提取了1985—2020年京津冀平原区长序列水面面积,并分析了水域面积填充率及水面面积演变原因。结果表明,京津冀平原区水面面积呈增加趋势,与1985年相比,2020年中部平原区水域面积填充率由3.6%增加到18.5%,滨海平原区水域面积填充率由30%增加到45%;生态补水是河湖水面面积增加的主要原因,2020年较2001年中部平原区水面面积增加了176 km 2,本地和南水北调生态补水的贡献占到84%。进一步以河湖复苏为目标,从水域面积填充率的角度设置了不同情景,分别估算了不同情景下的河湖生态需水量,为未来生态补水计划提供参考。研究成果系统分析了京津冀平原区水面现状及生态补水的效果,对京津冀平原区开展合理河湖复苏措施具有重要意义。

基于确定性系数法的梯田型黄土滑坡隐患影响因素分析

[目的]研究梯田型黄土滑坡隐患的影响因素,旨在揭示梯田型黄土滑坡隐患的形成机理,为防治梯田型黄土滑坡隐患提供科学依据。[方法]基于GEE云计算平台,以宁夏回族自治区彭阳县为研究区,使用随机森林算法,提取研究区梯田分布信息,并基于叠置分析确定了研究区梯田型黄土滑坡隐患的高、极高易发性分区,选取8个影响因素,采用确定性系数法进行了分析。[结果]①研究区梯田占全县总面积的47.28%,梯田影响范围内的正在变形区没有、潜在不稳定斜坡有86处。②梯田型黄土滑坡隐患高、极高易发性分区占研究区高、极高易发性分区总面积的46.68%,占研究区梯田总面积的27.64%。③降雨量、地层岩性、沟谷密度、坡向对研究区内梯田型黄土滑坡隐患的空间分布具有较强的控制作用。[结论]研究区梯田型黄土滑坡隐患的主要控制因素是降雨量与地层岩性,尤其是当降水量>450 mm,且存在第四系石质黄土夹古土壤地层的地区。

近30 a拉萨河流域土地利用变化和生境质量的时空演变特征

为明晰高原流域土地利用变化时空特征及其对生境质量的影响,以典型高原流域——拉萨河流域为例,基于GEE平台和随机森林分类算法,解译拉萨河流域1990—2020年土地利用信息,分析30 a间土地利用的时空动态变化特征,并结合InVEST模型评估流域生境质量,探讨流域生境质量变化特征。研究结果表明:针对高寒高海拔地区的土地利用分类问题,筛选植被生长季,用相邻年份的影像进行补充和替换缺失的数据,并去云后生成的年度合成影像,提高了地类分类效率和精度;建立了一种结合Landsat影像光谱特征、纹理特征和地形特征的最优RF分类模型,实现了对高原流域土地利用信息的提取,OA、Kappa系数和F1-score分别在88.16%、0.84和0.70以上;20世纪90年代以来,拉萨河流域土地利用变化特征整体表现为“五增三减”,草地、建设用地、林地、湿地和水域面积增加,耕地、冰川及永久积雪和未利用地面积减少,其中,建设用地的增长幅度最大,达到288.35%,而耕地缩减最多,达50.18%,且耕地减少主要是受到城镇范围扩张的挤占;未利用地面积减少最为显著,其转出部分主要转化为草地;研究期内高质量生境主要分布在流域下游、西南侧以及源头区域,以草地、水体、冰川及永久积雪和湿地等土地利用类型为主;而拉萨市市辖区、达孜区、林周县、曲水县和墨竹工卡县县城周边,以及流域中上游的未利用地等区域生境质量较差;流域整体生境质量呈“先减后增再减然后趋缓”的变化趋势,生境质量指数从0.53提升到0.57;人口增加和快速城镇化加快了城镇范围扩张和耕地的减少,但气候变化和生态治理工程对拉萨河流域的生境质量改善均起到了积极作用;本研究可为制定高原地区流域生态修复策略、促进土地利用可持续以及提升生境质量提供科学依据与参考。

祁连山自然保护区生态环境大数据管理模式的探讨

大数据时代的到来给生态环境领域的数据管理带来了新的挑战与机遇。本文从生态环境大数据的内涵、特征、技术体系及其在生态环境领域的应用等角度出发,探讨了适用于祁连山自然保护区的数据管理模式。首先,保护区内的生态环境大数据来源广泛、结构多样、数据处理方式复杂,难以通过传统技术手段被有效收集、处理和应用,除了具备一般大数据的“5V”特征外,还具备地理空间特征;然后,大数据技术贯穿于数据采集与预处理、数据存储与管理、数据处理与分析及数据解释在内的整个流程,为保护区多源异构数据高效管理与综合利用提供技术支撑;最后,将生态环境大数据技术应用于解决错综复杂的生态环境问题,结合GEE云平台与生态环境模型模拟技术对植被变化问题进行了科学分析,获取了2000—2020年保护区植被覆盖度的演变趋势及不同海拔高度的垂直地带性差异规律。基于大数据技术的管理模式是生态环境大数据面对新形势、新趋势的必然选择,也是生态环境问题解决的重要支撑。

利用GEE进行1990~2022年小江流域生态环境质量时空格局与演变趋势分析

云南省小江流域是长江上游生态修复示范区,评估和监测该区的生态环境质量是该区生态文明建设中一项非常重要的基础工作.选取1990年、1995年、2000年、2005年、2010年、2014年、2018年和2022年的Landsat遥感影像数据,提取了绿度(NDMVI)、湿度(WET)、干度(NDBSI)和热度(LST)这4个指标,采用主成分分析法构建了遥感生态指数(RSEI),利用GEE平台、Arc GIS 10.7平台和Python平台,结合地学信息图谱、变异系数、Mann-Kendall趋势检验、Sen's斜率估计和Hurst指数等分析方法,对1990~2022年间小江流域的生态质量时空格局和变化趋势进行分析.结果表明:(1)研究区生态质量空间上具有较明显的地理分异性,到2022年生态质量等级为优、良的区域主要分布在高山植被覆盖较好的区域,生态质量较差的区域主要分布在地势相对较低的泥石流沟谷区域;时间尺度上,1990~2022年研究区的RSEI指数从1990年的0.41增长到2022年的0.55,生态环境质量整体呈波动改善趋势,平均增幅为0.048(10 a)^(-1),这与近些年该区大力开展的退耕还林、泥石流防治和水土保持、重金属污染治理等一系列生态建设工程密不可分.(2)相较于NDVI指标,NDMVI对地形起伏区域的植被信息更加敏感,尤其是在阴影区域,能更准确定量描述植被信息,更适合用于高山峡谷区的绿度信息表达,从而使得RSEI更适用于高山峡谷区的生态质量评价;(3)小江流域RSEI变异系数平均值为0.202,生态环境质量整体的波动性较小,高波动主要集中在沿小江断裂带两侧的泥石流沟谷区域中,这些区域地表由裸露岩石、泥沙构成,容易受季节、气候和人为活动的影响;(4)该区生态环境质量上升面积占85.72%,下降面积占10.15%,未来变化趋势将以持续改善和未来退化为主,占比分别为44.75%和39.97%,因此,需要紧密监测处于退化潜在风险的区域.研究结果可为小江流域进一步开展生态环境保护、治理和可持续发展工作提供理论依据.

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。

光谱特征和空间卷积相协同的近岸海域养殖塘遥感信息提取

为控制水产养殖塘无序发展带来的负面效应,促进水产养殖业进一步发展,首要解决的就是对其快速、准确识别和提取的问题。水产养殖塘是被复杂道路和堤坝分割的特殊网状水体,单纯的光谱特征或空间纹理特征都不足以对其准确提取,且混合特征规则集对计算机性能要求越发苛刻。鉴于此,以Landsat影像序列为数据源,基于谷歌地球引擎(Google Earth Engine,GEE)平台,提出了一种结合影像光谱信息、空间特征和形态学操作的沿海水产养殖塘自动提取方法。该方法联用了双特征水体光谱指数(改进型组合水体指数(modified combined index for water identification,MCIWI)与改进的归一化差异水体指数(modified normalized difference water index,MNDWI))以突出大面积水体与养殖塘的网格特征,再利用低频滤波空间卷积运算拉伸养殖与非养殖水体之间的差异特征,将水产养殖塘区作为一个整体准确识别和快速提取。研究结果表明:①该方法总精度达到93%,Kappa系数为0.86,典型区域叠加比对检验流程验证,提取结果和实际结果重叠比例均在90%以上,平均重叠比例达92.5%,反映了提取方法的高精度和可靠性;②2020年福建省近岸海域水产养殖塘区总面积为511.73 km^(2),主要分布在漳州市、福州市和宁德市;③核密度分析结果表明漳州市的水产养殖塘集聚度高,相应其养殖塘管理压力也较大。该方法可以实现近岸海域水产养殖塘的自动化提取,对促进渔业养殖的有序管理和科学发展具有重要的意义。

基于时序Sentinel-2A影像的玉米秸秆覆盖区智能识别研究

秸秆还田是减少土壤侵蚀、增加土壤有机碳的重要措施,对黑土地保护具有重要意义。区域范围内玉米秸秆覆盖区的准确、快速识别,对监测保护性耕作实施、农业补贴政策的制定具有重要作用。以实施保护性耕作的典型区吉林省四平市为研究区,基于GEE(google earth engine)云平台,结合2020年5月-11月的Sentinel-2时序遥感影像,依据玉米生长季和收获后的秸秆状态构建光谱特征和指数特征,指数特征包括归一化差值植被指数(NDVI)和归一化差值秸秆指数(NDRI)。为避免数据冗余,对时序特征值按大小排序,同时利用分位法以0%,25%,50%,75%,100%分位选取分位(QT)特征,进而构建数据集。应用参数优化后的随机森林方法对按照7∶3划分的样本集进行训练和验证,然后对数据集分类,结合连通域标定法去除分类过程中产生的细小连通域,进一步优化全局结果。通过Kappa和整体精度(OA)定量和定性评价,实验结果表明:(1)基于不同特征集组成数据集的分类模型(M1/M2/M3/M4/M5)定量评价结果均优于90%,其中所设计数据集的分类模型M5效果最好,Kappa和OA分别为97.41%和97.91%,相比于未加入QT特征集的分类模型M2的Kappa和OA分别提升4.52%和3.64%,同时M5识别结果可以有效保留边缘细节信息;(2)针对不同时间尺度的QT特征集,利用5月-11月时序遥感影像的QT特征集分类模型M5_6/M5可以极大地抑制其他作物秸秆的影响,相比仅利用11月时序影像QT特征的M5_1模型分类结果的Kappa和OA分别提升了3.9%和3.12%;(3)基于M5模型,结合连通域标定法的分类模型M6的Kappa和OA分别为96.76%和97.36%,仅次于M5模型识别结果,模型M6在保证较高精度的同时避免了细碎图斑,优化了分类可视化效果。该研究提出的M6模型适用于识别研究区玉米秸秆覆盖区,该方法能够在GEE云平台环境下快速执行,适合推广应用于东北地区秸秆覆盖区。

基于Sentinel-2遥感影像的作物信息提取与需水量分析研究

气候变化扰动的水资源稀缺性使得农业可持续水资源利用面临危机,节水农业是现代社会农业转型的主要方式,更是可持续发展的根本出路。黑河流域是我国第二大内陆河,中游绿洲是我国的重要粮食生产基地,了解黑河流域的作物种植信息与作物需水特征,对于指导干旱半干旱区农业高效用水及国家粮食安全具有重要意义。基于Google Earth Engine(GEE)云平台利用Sentinel-2影像,结合黑河流域作物的物候特征选取了6-9月的影像数据,根据作物的物候特征重要性完成了特征优选。研究运用随机森林、支持向量机、决策树及投票法分类器完成了作物的识别分类与结果对比。最后,研究通过CROPWAT模型估算了黑河流域作物的需水量与灌溉用水量。研究结果表明:①GEE能够快速完成影像数据的去云、特征构建等预处理;②基于决策树分类器的土地分类结果精度达到82.5%,平均Kappa系数为0.73;估算了作物各个时期所需水量及灌溉用水量。构建的分类体系及作物的需水量估算为精准化管理、灌溉控制系统提供了一种新思路。