Google Earth Engine云平台对遥感发展的改变

近年来,随着遥感技术的快速发展,积累了海量的对地观测遥感数据.传统桌面端遥感处理平台(例如ERDAS和ENVI等)无法满足当前遥感大数据的应用需求.作为领先的遥感云计算平台,GEE (Google Earth Engine)的出现改变了传统遥感数据处理和分析模式,为海量数据快速处理与信息挖掘带来了新的契机.截止目前,科...     

Google Earth Engine云平台下的遥感实验教学改革与实践

以Google Earth Engine作为遥感实验教学平台,对遥感实验教学内容和方法进行全面改革,教学实践表明教学改革弥补了桌面平台不足,增强了学生的专业兴趣,提升了学生自主学习、应用开发和创新研究能力.     

基于Google Earth Engine和pydeck的遥感云数据三维可视化研究

采用云计算技术,整合各种遥感信息和技术资源的遥感云服务正以前所未有的速度发展。本文基于谷歌地球引擎Google Earth Engine提供的海量遥感云存储数据,研究通过Google Earth Engine的Python API以及空间可视化库pydeck、第三方earthengine-layers库提供的图层拓展能力,完成从遥感数据筛选、实时数据云计算到三维场景展示、网页端页面自动导出的全流程实践,旨在快速高效地实现遥感云数据三维可视化方案。     

植被物候遥感监测研究进展

植被物候是研究植被与气候、环境变化间关系的重要参量。本文针对目前常用的阈值法、拟合法和延迟滑动平均法等植被物候遥感监测方法进行比较分析;介绍了传感器网络法、物候模型法等物候遥感监测验证方法;从遥感监测方法和数据源两方面分析物候遥感监测的误差来源;针对目前研究中存在的问题,讨论了遥感物候的主要研究方向:从机理层面,应创新植被物候遥感监测方法;建立标准化地面验证数据源;利用多源遥感数据,组成高时间分辨率的原始遥感数据源,提高植被物候遥感监测的时间分辨率和测算精度。     

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。     

基于Google Earth Engine与机器学习的省级尺度零散分布草地生物量估算

大区域草地地上生物量估算对草地资源利用管理及全球碳循环研究具有重要意义。为高效快速地估算大区域零散分布草地地上生物量,本文选取安徽省为研究区,在谷歌地球云引擎（Google Earth Engine）平台的支撑下,通过机器学习方法建立Landsat 8 OLI及其他辅助数据与地面实测草地地上生物量之间的联系,开展了草地零散分布地区省级尺度草地地上生物量高分辨率估算,并与传统的基于归一化植被指数（NDVI）回归模型进行了比较。研究结果表明,综合利用光谱与地形因子的机器学习方法,估算零散化分布草地地上生物量的精度可以达到65%以上,其中分类回归树（CART）模型R²=0.57,预测精度为68.60%,支持向量机（SVM）模型R²=0.59,预测精度为75.74%,而使用NDVI的回归分析产生的误差较大,R²=0.37,预测精度为57.51%,因此机器学习方法相对于传统基于NDVI的回归分析具有明显优势。另外,谷歌地球云引擎平台数据来源广泛、获取方便,可以高效地实现海量影像数据的预处理及计算分析,大大提升了工作效率,与地面调查数据的结合可实现更大区域乃至全国尺度上的零散分布草地地上生物量高分辨率遥感估算。     

基于Google Earth Engine三江平原水田提取研究

以三江平原地区为研究区,基于1980年代、1990年代、2000年代和2010年代陆地资源卫星(Landsat)遥感影像数据,根据水稻的生长周期特征计算指数信息,利用物候算法和逻辑运算,从时间和空间上揭示1980-2018年水田分布格局变化规律,总结得出结论:人口增长、气候变化、国家政策和科技进步是促进水田面积扩张的主要因素.Google earth engine云平台和物候算法相结合的水田提取方法,既迅速有效,又可充分发挥Landsat数据的时间分辨率特征,同时结合多时相的自动分类弥补单一时相解译方法的不客观性.     

植被物候参数遥感提取与验证方法研究进展

在气候变化背景下,植被物候作为生态系统对环境变化响应的直接体现方式,日益受到学界关注.获取长期、连续、多尺度的植被物候数据是物候研究的基础,而利用卫星遥感手段获取的物候参数已经成为陆地生态系统变化研究的重要指标.遥感物候参数在农业生产管理、生态系统监测、土地利用类型制图、人类健康和生态系统气候变化响应等领域发挥着重要的...     

河北坝上地区植被覆盖变化遥感时空分析

基于MODIS数据,采用基于像元尺度的趋势分析和稳定性分析方法,深入分析了河北坝上地区近13 a的植被变化特征。研究表明:空间分布上,坝上全区地表植被覆盖从西向东依次渐好,各分区域的季节变化特征具有明显的差异性;时间上,近13 a以来坝上大部分地区植被覆盖有改善的趋势,其中得到改善的区域占坝上总面积的51.35%,基本不变的区域占25.68%;同时,因坝上地区生态环境比较脆弱,植被生长易受自然和人为因素的干扰,植被覆盖在时间序列上的稳定性较差,坝上全区每年的NDVI最大值合成数据的变异系数Cv平均值达到14.85%,Cv10%的区域仅占坝上总面积的15.3%。     

基于Google Earth Engine的遥感大数据分析研究进展与应用

随着地理信息数据规模不断增长,传统的空间分析模式受限于软硬件的性能已经不能对大数据多尺度研究提供较好的支持.以GEE平台为基础,通过算法原理阐述平台架构体系以及分析GEE的技术特点,论述其在遥感大数据分析领域的研究进展、人工智能技术在地理信息分析领域的应用,探索地理空间数据分析的智能化方向.最后,结合交叉学科前沿探索G...     

Google Earth在《城市遥感技术》教学中的应用

Google Earth软件具有免费、开放、简单易用等特点,对丰富教学资源和改善教学方法具有重要意义。基于GoogleEarth平台,在《城市遥感技术》教学中,对于遥感成像和影像特征、遥感解译标志及方法、城市遥感影像的信息提取、城市遥感专项调查等章节的理论教学,应重点运用遥感影像的搜索、标注和显示等功能;对于遥感影像地图制作、地类信息提取、演变信息提取等实验教学,应重点运用采集、存储、查询、分析、显示和输出等集成功能。实践表明,Google Earth值得在地学教育模式革新中推广。     

Google Earth遥感影像在海籍调查与测量中的应用研究——以北部湾沿海为例

用Google Earth遥感影像数据作为切入点,以广西北部湾沿海为例,利用RTK进行外业测量,探讨了GE遥感影像应用在海籍调查工作中的可行性,得出在GIS校正配准下的遥感影像是完全可以应用于北部湾海域的海籍调查与测量的要求。     

利用Google Earth和SRTMGL1进行高分辨率遥感影像正射校正

在无实测地面控制点情况下,本文提出了一套基于Google Earth和SRTMGL1的遥感影像正射校正流程。首先在ENVI5.3中,将待校正影像与参考影像(即Google Earth影像)进行同名地物点自动匹配,获得同名点文件(PTS);然后在Arc GIS 10.2平台下,根据参考点的X、Y坐标,将校正控制点表数据转换为Arc GIS点文件(SHP);最后将该点文件与SRTMGL1高程数据进行空间叠加,获得高程值,得到带有高程值的地面控制点文件,进而进行有控制点的正射校正。相较于无控制点的正射校正,本研究所采用的处理流程可以有效提高校正精度,为后续影像镶嵌奠定良好基础;镶嵌中误差为2.13 m,可满足1∶5000土地利用现状调查的技术要求。     

基于Google Earth Engine的土地覆盖分类方法研究

基于谷歌云在线处理平台(Google Earth Engine,GEE),以2019年全年Landsat-8 OLI影像为数据源,选取黑龙江省哈尔滨市为试验区,基于决策树算法、随机森林算法、最邻近算法、支持向量机算法开展土地覆盖分类方法研究,并对不同分类器方法提取结果进行精度评价.试验结果表明,基于GEE平台可以快速完...     

湿地植被成象光谱遥感研究

该文论述了成象光谱信息在鄱阳湖湿地进行植被光谱识别分类与生物量制图的部分研究结果，研究如何从高光谱分析图象上有效地定量提取植被生长物理参量以及湿植被类型识别，包括（１）基地多高度大气订正后的反射率图像获取；（２）导数光谱分析与生物量制图；（３）基于光谱波形匹配的湿地植被分类，识别。     

福州市植被生态环境遥感定量研究

以福州市为研究区域,以陆地资源卫星TM影像为主要遥感信息源,在GIS数据的支持下开展了植被生态环境的系列研究,通过对植被覆盖的科学预测,初步掌握了福州植被在未来50年变化趋势;根据这些研究结果,设计出了生态环境速查技术并对福州生态环境进行监测,评价获得了基于遥感信息的生态环境等级;随着研究的深入,又开展了直接反映生态环境状况的遥感本底值的研究,获得了福州生态环境遥感本底值,为实现业务化监测奠定了基础;最后根据遥感监测结果和GIS数据在人工智能和虚拟技术的支持下对典型区进行了3维虚拟表达,为智能化决策提供了借鉴.     

基于GEE的地表覆盖与气候状态关联研究

为探究地表覆盖与气候状态间的关联性,本文选取2019年的Landsat影像数据,结合温度、降水量、PM_2.5浓度3种气候指标,利用GEE平台,结合NDVI、MNDWI、NDBI,采用SVM、RF、CART方法进行地表覆盖分类,探究气候指标与地表覆盖类型分布的关联性;提出了使用3种气候指标构建分类特征进行地表覆盖分类的方法,并通过消融试验分析了气候指标对地表覆盖分类精度的影响。结果表明:①RF有较好的分类结果,总体精度为96.0%;②3种气候指标均能提高地表覆盖分类精度,其中PM_2.5浓度效果最好;③温度与植被、水体关联性较大,PM_2.5浓度与城区、植被关联性较大,降水量与耕地关联性较大。     

基于GF-6的植被覆盖度遥感估测研究

GF-6号卫星是近年来投入运行的国产卫星,其遥感影像的空间分辨率、时空分辨率较高,但基于该卫星数据的应用研究并不多见.本次研究以GF-6号卫星WFV数据为数据源,基于归一化植被指数和像元二分模型对甘肃民勤典型干旱地区的植被覆盖度进行遥感估测,利用置信度法获取像元二分模型的关键参数对植被覆盖度遥感提取结果的影响进行分析....