基于遙感云服務平臺的植被指數計算

冷天熙，胡文萍

(云南省林業調查規劃院，云南 昆明 650051)

近年來，遙感技術迅速發展，空間分辨率、時間分辨率、光譜分辨率等技術指標不斷提高，在遙感數據的獲取上也趨于多平臺、多傳感器、多角度的特點[1]。利用遙感能快速、大面積、長時間地探測地表情況。遙感技術的發展與應用產生海量的遙感數據，近地衛星向地球發回傳輸數據量為每秒GB級別，對數據的處理及運用提出新的挑戰。遙感云計算平臺的產生極大地提高了運算效率，解決了海量遙感數據處理問題。Matthew Hansen團隊于2013年采用遙感云計算平臺進行全球森林變化監測，被世界資源研究所采用，并構建了Global Forest Watch全球森林監測平臺。近年來，美國航空航天局、谷歌、亞馬遜以及國內的阿里、騰訊、華為、商湯科技等公司均開發了相應的遙感云計算平臺。

遙感云服務是利用云計算整合各種遙感技術，將已有的遙感數據、產品、算法作為一個公共服務設施，通過網絡提供給用戶使用。具有分布式、虛擬化、高可用性、動態擴展及高安全性等特點。

本文基于Google Earth Engine(以下簡稱GEE)云計算平臺，對遙感數據收集、處理及植被指數計算進行探索，以期為遙感云計算平臺在森林資源管理中的應用提供參考。

1 數據來源及計算方法

1.1 遙感云服務平臺

目前，國外的遙感云服務平臺主要有谷歌公司的GEE、美國航空航天局的NEX、笛卡爾實驗室的Descartes Labs、亞馬遜的Amazon Web Services、澳大利亞地學數據立方體(AGDC)等。國內遙感云服務也發展迅速，主要有中國科學院“地球大數據挖掘分析系統云服務(Earth Data Miner)”、華為云GeoGenius-遙感智能體、騰訊“WeEarth超級地球”等。其中以GEE應用最為廣泛。

GEE是谷歌公司的核心云計算平臺，依托谷歌公司的強大服務器，能夠提供足夠的運算能力對海量空間數據進行可視化分析和計算處理，且平臺提供海量的地球物理、天氣、氣候、影像等數據。GEE已于2019年與深度學習平臺TensorFlow進行耦合，進一步提升了機器學習能力。其提供豐富的API，是一個集科學分析及地理信息數據可視化的綜合性平臺，其使用谷歌核心基礎架構、數據分析和機器學習技術，運行高效且免費。經論證，本次試驗計算選用GEE進行。

1.2 數據來源

本計算采用的遙感影像為Landsat8影像，Landsat8于2013年發射，搭載陸地成像儀(OLI)和熱紅外傳感器(TIRS)，可提供全球2013年4月至今的遙感數據，空間分辨率為30 m。Landsat8共有11個波段，432波段組合可合成真彩色圖像，652及654波段組合便于植被分類及分析。GEE中直接集成Landsat8影像。

1.3 NDVI(植被指數)計算

NDVI(Normalized Difference Vegetation Index),歸一化差分植被指數可使植被從水和土中分離出來。遙感數據生成的NDVI能夠相當精確地反映植被綠度、光合作用強度，反映植被代謝強度及其季節和年際變化,可用于植被的監測、分類和物候分析[2]。NDVI計算公式為：

(1)

式中，NIR為近紅外波段的反射值，R為紅光波段的反射值，Landsat8的NIR為波段5，R為波段4。

NDVI廣泛應用于植被生長、分類識別和覆蓋度的監測。計算值為-1到1之間，當-1<=NDVI<0時，表示地面覆蓋為云、水、雪等；當NDVI =0時，表示有巖石或裸土等；當0

2 計算過程

2.1 GEE注冊及平臺登錄

GEE目前對科研、教育及非營利性機構人員均可以免費使用。登錄官網(https://earthengine.google.com/)進行注冊及登錄，登錄后右上角“PLATFORM”中的“CODEEDITOR”菜單，進入工作空間。工作空間包括搜索區、代碼及數據存儲區、代碼編輯區、輸出顯示區及地圖展示區5個區域。

2.2 矢量數據導入及影像數據篩選

GEE可上傳shapefile、KML等格式的矢量數據作研究區域。點擊數據存儲區的Assets/Table Upload/Shape files上傳計算區域范圍的矢量數據。上傳完成后找到相應文件點擊“Import into script”導入代碼編輯區。GEE提供較多的篩選函數對數據進行篩選，如篩選計算區域中2020年1月1日至12月31日的Landsat 8影像主要代碼如下：

var sCol = ee.ImageCollection("LANDSAT/LC08/C01/T1_TOA")

.filterBounds(roi).filterDate("2020-01-01","2020-12-31")

2.3 影像NDVI的計算及導出

GEE中直接使用normalizedDifference函數進行NDVI值計算，完成計算后可將NDVI柵格圖層導出。可將數據導出到Google Driver、Google Assets和Google Cloud Storage，數據導出后可下載到本地進行后續數據統計及分析，計算NDVI平均值并導出NDVI柵格圖層的主要代碼如下：

var sCol=sCol1.map(function(image){

var ndvi = image.normalizedDifference(["B5"，"B4"]);

return image.clip(roi).addBands(ndvi.rename("NDVI")); });

var ndvi1=sCol.select("NDVI").mean();

Export.image.toDrive({

image:ndvi1,

description:‘ndvi20181208’,

folder:‘my_ndvi’,

scale:100,

region:roi})

2.4 NDVI柵格數據處理

為方便數據統計分析，將計算得到的NDVI柵格數據轉化為矢量數據。此步驟可以用GIS軟件完成。以ARCGIS10.2為例，數據處理過程如下：

1)柵格數據中NDVI值為-1至1，為防止轉化為整型后數據丟失，利用空間分析工具箱/數學分析/邏輯運算/乘，將NVDI柵格數據乘以“100”。

2)利用空間分析工具箱/數學分析/邏輯運算/轉為整型，輸出一個過程柵格數據。

3)利用轉換工具/由柵格轉出/柵格轉面，將過程文件轉換為矢量數據(面數據)。需要注意的是，矢量數據(面數據)中NDVI的值需要重新計算，即除以“100”，可得到值在-1至1之間的NDVI值。

3 計算結果

基于GEE遙感云服務平臺計算云南省通海縣2020年1月18日Landsat8遙感影像NDVI值(圖1)。通海縣土地面積為 74 074 hm2，為森林資源二類調查時的縣域面積。經計算，NDVI最大值為0.84，最小值為-0.89。其中，NDVI≤-0.5的面積為9.99 hm2、 -0.5

4 結論

經60多年的發展，我國森林資源監測技術不斷進步，體系日臻完善。然而，隨著國際國內形勢的深刻變化和林業現代化建設的深入推進，森林資源監測工作面臨著前所未有的挑戰。監測時效性差、協同性差、現勢性弱，信息采集能力不足、信息服務水平不高的問題也日益顯現出來[4]。

圖1 通海縣2020年植被指數(NDVI)分布Fig.1 Distribution of NDVI in Tonghai County in 2020

隨著遙感技術的發展，遙感數據具有體量大、更新快等特點，傳統的數據處理方法難以處理海量的遙感數據，使用遙感云服務平臺可高效、低成本解決這一問題。遙感云服務平臺中應用最為廣泛的GEE，可為用戶提供足夠的運算能力和多種遙感數據，代碼編寫高效簡潔。

目前，利用遙感數據對林地變化、森林資源進行監測是我國林草業管理中使用的主要方式。利用GEE計算NDVI，可根據結果快速分析出植被覆蓋情況，將分析結果與林地“一張圖”、森林資源二類調查等林業相關數據處理融合分析后即可用于森林資源管理及生態環境建設。