基于GEE 和Landsat 8 OLI 影像的土地覆被分類(lèi)研究

胡叢慧

（蘭州大學(xué)資源環(huán)境學(xué)院，甘肅蘭州 730000）

1 概述

土地覆被信息在生態(tài)環(huán)境應(yīng)用及可持續(xù)發(fā)展、城鄉(xiāng)規(guī)劃和管理中起著重要的作用[1-3]。目前，遙感影像已被廣泛應(yīng)用在土地覆被分類(lèi)中。然而，如何提高遙感影像土地覆被信息的準(zhǔn)確性仍然是一個(gè)挑戰(zhàn)，“同物異譜”、“異物同譜”以及復(fù)雜景觀中光譜特征相似的地物類(lèi)別造成的混淆難以消除。隨著機(jī)器學(xué)習(xí)的發(fā)展，隨機(jī)森林(Random Frost，RF) 分類(lèi)器已被證明在繪制植被類(lèi)型和土地覆被時(shí)，取得了較好的提取結(jié)果[4]。

Google Earth Engine(GEE)平臺(tái)作為一個(gè)云計(jì)算平臺(tái)，除了免費(fèi)提供計(jì)算能力，還可以直接訪問(wèn)各種開(kāi)源數(shù)據(jù)[5]。除此之外GEE 還提供了大量有關(guān)機(jī)器學(xué)習(xí)、矢量/柵格運(yùn)算、數(shù)據(jù)整合的函數(shù)，使計(jì)算過(guò)程更加簡(jiǎn)單直接[6]。QU Le'an 等[7]使用提供多源數(shù)據(jù)和基于云的環(huán)境的GEE 平臺(tái)，開(kāi)發(fā)了一種新穎的方法，在免費(fèi)的Landsat 圖像上得到土地利用/土地覆被產(chǎn)品。

2 研究區(qū)與數(shù)據(jù)處理

2.1 研究區(qū)概況

會(huì)寧縣位于甘肅省中部，地理坐標(biāo)為東經(jīng)104°29' ～105°31'、北緯35°24' ～ 36°26'。會(huì)寧縣溝壑縱橫，多山地、川地、塬地，土地構(gòu)造復(fù)雜，屬于隴西黃土高原丘陵溝壑典型生態(tài)脆弱區(qū)[8]。

2.2 遙感數(shù)據(jù)準(zhǔn)備

為了更好反映植被信息，本文選取Landsat 8 OLI 2017 年5 月到8 月的數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，空間分辨率為30m。GEE 平臺(tái)中該數(shù)據(jù)已進(jìn)行過(guò)大氣校正，還需對(duì)數(shù)據(jù)進(jìn)行篩選、裁剪及處理，去除云、陰影的影響。

2.3 樣本數(shù)據(jù)

根據(jù)土地利用現(xiàn)狀分類(lèi)標(biāo)準(zhǔn)以及會(huì)寧縣實(shí)際土地覆被分類(lèi)狀況，將分類(lèi)體系分為林地、草地、湖泊/水庫(kù)、耕地、河流、居住地、稀疏草地共7 種類(lèi)別。在ArcGIS 軟件中隨機(jī)且均勻地布設(shè)1592 個(gè)樣本點(diǎn)，并結(jié)合野外實(shí)地調(diào)查照片與Google Earth 高分辨率遙感影像對(duì)樣本點(diǎn)進(jìn)行目視解譯。對(duì)于較為集中的地物，如居住地、湖泊/水庫(kù)等，適當(dāng)調(diào)整樣本點(diǎn)的分布，樣本點(diǎn)分布情況如圖1 所示。

圖1 樣本點(diǎn)分布情況圖

3 研究方法

3.1 隨機(jī)森林算法

Breiman 等在2001 年提出的隨機(jī)森林分類(lèi)器，具有高效率、高精度的優(yōu)點(diǎn)[9]。隨機(jī)森林分類(lèi)器作為一種簡(jiǎn)單高效的分類(lèi)器，面對(duì)復(fù)雜數(shù)據(jù)仍然具有魯棒性，因此在土地覆被分類(lèi)中得到普遍使用。

3.2 特征選取

3.2.1 光譜特征

光譜特征包括Landsat 8 OLI 可見(jiàn)光波段以及短波紅外波段。此外，在GEE 中選取NPP 夜間燈光遙感數(shù)據(jù)作為光譜特征之一。

表1 Landsat 8 OLI 光譜特征

3.2.2 光譜指數(shù)

本文選擇以下六種光譜指數(shù)參與分類(lèi)，用以提高不同植被類(lèi)別、水體、湖泊/水庫(kù)、居住地等的區(qū)分度。

3.2.3 地形參數(shù)特征

會(huì)寧縣山地多，地勢(shì)較高，地形因素影響著會(huì)寧縣地物的分布情況。為了提高土地覆被分類(lèi)精度，需要加入地形特征，在GEE 平臺(tái)提取海拔高度、坡度、坡向作為地形特征加入到分類(lèi)特征中。

3.2.4 紋理特征

灰度共生矩陣(Gray-level Co-occurrence Matrix，GLCM)是提取紋理特征的常用方式[10]。在GEE 平臺(tái)直接計(jì)算近紅外波段的GLCM，并選擇對(duì)比度、方差、相關(guān)性、熵、逆差矩、異質(zhì)性以及角二階矩共7 種紋理特征參與分類(lèi)。

4 實(shí)驗(yàn)結(jié)果與分析

本文選擇會(huì)寧縣2017 年5 月-2017 年8 月的無(wú)云遙感數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)進(jìn)行分類(lèi)，充分體現(xiàn)植被的分布狀況。分類(lèi)器選擇隨機(jī)森林算法，分類(lèi)樹(shù)大小為100，分類(lèi)過(guò)程中將樣本點(diǎn)按照8:2 的比例隨機(jī)分為訓(xùn)練樣本和測(cè)試樣本。最終得到會(huì)寧縣土地覆被分類(lèi)圖，其中總體精度為85.31%，Kappa 系數(shù)為0.81，圖2 為分類(lèi)結(jié)果。

圖2 土地覆被分類(lèi)結(jié)果

分類(lèi)結(jié)果大致符合實(shí)際情況，河流主要為祖厲河及其支流；居住地主要分布在會(huì)寧縣城和沿河而建的居住地；林地主要分布在鐵木山、會(huì)寧縣縣城周?chē)约皶?huì)寧縣東部地區(qū)；稀疏草地主要分布在會(huì)寧縣北部；分類(lèi)統(tǒng)計(jì)表中可以看出草原與耕地占比較大，耕地包括河谷地區(qū)的水澆地以及山區(qū)的旱地；草原包括天然草原以及退耕還草的草地。

表2 分類(lèi)結(jié)果統(tǒng)計(jì)表

5 結(jié)論

文章利用GEE 平臺(tái)，基于Landsat 8 OLI 數(shù)據(jù)，結(jié)合夜光遙感數(shù)據(jù)、光譜特征、光譜指數(shù)特征、地形參數(shù)特征以及紋理特征，盡可能消除地物混淆。本文方法雖然得到了理想的會(huì)寧縣2017 年土地覆被分類(lèi)圖，但仍然存在部分“椒鹽”現(xiàn)象，且地物的識(shí)別不夠完整，后續(xù)可針對(duì)該問(wèn)題改進(jìn)分類(lèi)方法。