摘要：准确的红树林分布信息对红树林保护和管理具有重要意义。尽管已有不少红树林遥感制图研究,但如何有效利用多源遥感特征来提高红树林制图精度仍有待探索。首先,利用多源遥感数据提取光谱、散射、纹理和地形等时序特征来设计15种特征组合;然后,利用随机森林模型分析不同特征组合在红树林识别中的精度,从而获得最优特征组合;最后,基于Google Earth Engine(gee)平台获取2021年广东省10 m空间分辨率的红树林分布。结果显示,冬季光谱特征的重要性最高,特征类型越丰富对应制图精度越高,最优特征组合的总体精度为92.25%,Kappa系数为0.91。通过探究红树林识别中的最优特征组合,在多特征参数支持下实现广东省红树林信息提取,研究成果可为大范围红树林精准制图提供科学参考。

摘要：利用gee平台的长时间序列Landsat影像,获取了2005—2020年每5年的土地利用数据,并采用价值当量因子法结合植被指数核算了生态系统服务价值(ESV),揭示了从化区近15年ESV的时空变化特征。结果表明:①林地是从化区最主要的自然生态系统,研究期间林地呈波动增加的趋势,耕地数量逐渐萎缩,建设用地逐渐扩张,增长了约100%;②研究期间从化区ESV先增后降,净增长了3.04亿元,调节服务和支持服务对ESV总量的贡献最大,占比在80%以上;③从化区ESV总体呈现明显的北部高、南部低的空间分异特征,ESV变化主要集中在南部,城市建设是ESV损失的主要原因,而植树造林、耕地转化为园地是ESV增益的主要路径。

摘要：为了量化高速铁路建设对沿线区域生态质量影响的时空变化特征及趋势,基于谷歌地球引擎(Google Earth Engine,gee)平台和遥感生态指数(Remote Sensing Ecological Index,RSEI),研究了张吉怀高铁建设对沿线不同缓冲区(50、100、300、1 000 m)生态环境的影响。结果表明:1)施工建设使得沿线区域温度和干度上升、湿度和植被覆盖度下降,RSEI值随之下降,且除温度外,各指标的变化都有滞后效应。2)受施工建设的影响,沿线50 m范围内生态质量下降27%以上,100 m范围内生态质量下降10%以上,300 m以上的范围几乎不受影响。3)施工建设的影响具有一定的持续性,受影响区域的生态质量虽有恢复趋势,但在短期内无法恢复至建设前的水平。4)通过gee编程实现的RSEI计算,可以批量运用于其他区域,省去了繁杂的影像预处理、计算过程,能够为高铁建设过程中的环境保护措施的设计和保护政策提供科学支持。

摘要：基于Google Earth Engine(gee)云计算平台,协同Sentinel-2影像、WordClim生物气候数据、SRTM地形数据、森林资源二类调查数据等数据,以随机森林(Random Forest,RF),支持向量机(Support Vector Machine,SVM)和最大熵(Maximum Entropy,MaxEnt)3种机器学习算法为组件分类器,开展多源特征、多分类器决策融合的优势树种分类研究。通过3种组件分类器分别构建了两种串行集成和3种贝叶斯并行集成模型,用于确定云南香格里拉地区10种主要优势树种的空间分布。分类结果显示:3个组件分类器的总体精度均低于67.17%;3种并行集成方法总体精度相当,约为72%;两种串行集成方法精度高于78.48%,其中MaxEnt-SVM串行集成方法获得最佳精度(OA:80.66%,Kappa:0.78),与组件分类器相比精度至少提高了13.49%。研究表明:决策融合方法在优势树种分类中比组件分类器精度更高,并且有效改善了小样本树种的分类精度,可用于大范围山区优势树种分类。

摘要：为了快速、准确地获取作物分布信息,探索使用主动遥感影像(Sentinel-1A)和被动遥感影像(Sentinel-2)提取冬小麦空间分布的可行性。首先,根据冬小麦的物候特征,合成冬小麦全生育期的Sentinel-1A影像;并依据各类地物的NDVI(归一化植被指数)时序曲线合成一期高质量的冬小麦越冬后Sentinel-2影像。其次,设计Sentinel-1A影像、Sentinl-2影像和融合Sentinel-1A与Sentinl-2主被动遥感影像3种分类方案,然后在Google Earth Engine(gee)云平台上基于随机森林算法对冬小麦进行分类。结果表明,基于全生育期Sentinel-1A影像的冬小麦用户精度和生产者精度分别为83.15%和86.44%,提取结果中存在较多的“椒盐”噪声;基于冬小麦越冬后Sentinl-2影像的冬小麦用户精度和生产者精度分别为87.98%和84.75%,提取精度较使用全生育期Sentinel-1A影像有所提高,但分类结果受“异物同谱”的影响,产生许多错分;融合主被动遥感影像的冬小麦用户精度和生产者精度分别为96.57%和95.48%,相较于仅使用单一数据源,冬小麦分类精度有不同程度的提升。

摘要：通过Google Earth Engine(gee)平台的Javascript API设计并实现了基于Web的热带气旋服务客户端,能快速实现热带气旋中心位置计算、相关云参量计算和信息可视化,提供全球热带气旋查询服务,从而辅助气象部门的热带气旋监测预报,传播用户相关知识。其中,热带气旋定位方法结合了云图中热带气旋云系的几何形态特征和卫星红外波段反演的云宏观参量,以北大西洋2017—2018年热带气旋中心位置提取为实验,将定位结果与最佳路径数据集进行对比,结果证明了该算法的有效性。

摘要：以监督分类实验为例,在CDIO教学模式的指导下设计开展一节遥感技术应用综合实践课。通过gee平台对遥感图像进行数据处理和监督分类,学生可以了解并掌握遥感数据处理、分析过程,以及云计算等方面的知识并产生学习兴趣。同时通过跨学科跨领域的实践可提升学生的综合素养,为下一步的课程学习和专业实践做铺垫。

摘要：高精度的土地利用制图对国土空间规划和社会经济发展具有重要意义。为快速、准确获取大范围土地利用/覆盖信息,以洞庭湖区为研究对象,以Google Earth Engine(gee)云平台为支撑,基于Sentinel-2多光谱影像和Sentinel-1 SAR影像,利用Stacking集成学习算法进行土地覆盖类型分类。结果表明,该方法能较好地区分不同土地利用类型,总体精度和Kap⁃pa系数分别达到了88.53%和0.85。研究结果以期为大尺度土地利用制图以及国土资源管理与规划提供科学方法和依据。

摘要：高潜水位煤矿区开采后极易形成的积水区,对其进行提取设计以及演变分析具有重要科学意义。本研究基于Landsat系列影像数据,利用遥感云计算平台gee,采用水体指数法提取巨野龙固煤矿2001—2020年的水体面积变化,同时与GSW数据集提取的水面进行辅助验证以及利用Sentinel-2数据监督分类提取水体进行精度验证,然后对其演变进行分析。结果表明:研究区20年来水体范围一直在呈稳定增长的趋势,2001—2014年呈缓慢增长趋势,2015—2020年呈现出迅速增长的趋势,造成矿区水体范围面积在2015年迅速扩大的原因主要为煤矿开采活动。

摘要：水稻生长过程中会产生物候信息,通过遥感影像可对这一信息进行监测。由于光学影像受云雨影响,存在数据缺失问题,合成孔径雷达数据可有效弥补光学影像缺点。文章以肥西县为例,通过Google earth engine平台,构建一种基于Sentinel-1时间序列数据的水稻种植信息提取方法。通过分析不同地类上SAR后向散射系数的时序特征,采用支持向量机和随机森林方法对所提取的水稻信息进行对比分析。结果表明,Sentinel-1时序数据能有效识别水稻物候生长特征。