基于Google Earth Engine的中老緬交界區(qū)橡膠林分布遙感提取

李宇宸，張 軍，薛宇飛，張 萍

基于Google Earth Engine的中老緬交界區(qū)橡膠林分布遙感提取

李宇宸，張 軍※，薛宇飛，張 萍

（云南大學(xué)資源環(huán)境與地球科學(xué)學(xué)院，昆明 650504）

天然橡膠林作為東南亞地區(qū)主要的經(jīng)濟(jì)林和關(guān)系國(guó)計(jì)民生的一種重要戰(zhàn)略物資，對(duì)當(dāng)?shù)厣鐣?huì)經(jīng)濟(jì)發(fā)展和環(huán)境保護(hù)發(fā)揮著重要作用。目前對(duì)于中、老、緬交界區(qū)的橡膠林空間分布情況、分布面積和演變特征等方面相關(guān)信息缺乏相應(yīng)的研究，嚴(yán)重限制了中國(guó)農(nóng)業(yè)上關(guān)于橡膠產(chǎn)量消費(fèi)、貿(mào)易以及儲(chǔ)備。此外，針對(duì)橡膠林的時(shí)空大尺度的監(jiān)測(cè)主要是采用長(zhǎng)時(shí)間序列的中低分辨率影像，但此類(lèi)影像存在大量的混合像元，嚴(yán)重限制了橡膠提取精度。為解決這些問(wèn)題，該研究基于Google Earth Engine（GEE）云計(jì)算平臺(tái)，利用2015－2019年Landsat OLI的多時(shí)相遙感影像數(shù)據(jù)，通過(guò)分析橡膠的物候特征，構(gòu)建分類(lèi)參數(shù)和模型，應(yīng)用專(zhuān)家知識(shí)決策樹(shù)的分類(lèi)方法，并結(jié)合2015－2019年間每年12月份實(shí)地調(diào)查數(shù)據(jù)對(duì)橡膠的分類(lèi)結(jié)果進(jìn)行驗(yàn)證。結(jié)果表明基于GEE平臺(tái)利用橡膠物候信息計(jì)算參數(shù)的方法提取較大范圍研究區(qū)內(nèi)的橡膠林的準(zhǔn)確性較高。總體精度為90.32%，Kappa系數(shù)為0.87，可滿(mǎn)足一般生產(chǎn)需求。截至2019年中老緬交界區(qū)橡膠林總面積達(dá)126.29萬(wàn)hm2，其中，西雙版納區(qū)域橡膠林面積有52.37萬(wàn)hm2，緬甸區(qū)域橡膠林面積有56.93萬(wàn)hm2，老撾北部5省橡膠林面積有16.99萬(wàn)hm2。分析發(fā)現(xiàn)在替代政策發(fā)展過(guò)程中，由于老撾、緬甸實(shí)際情況不同而出現(xiàn)政策差異性，導(dǎo)致區(qū)域政策發(fā)展不均衡。該研究結(jié)果表明應(yīng)用云計(jì)算技術(shù)可以克服時(shí)空大尺度橡膠監(jiān)測(cè)運(yùn)算能力不足的問(wèn)題，可為中老緬甸交界地區(qū)橡膠合理布局與區(qū)域可持續(xù)發(fā)展提供科學(xué)依據(jù)和決策支持。

遙感；決策樹(shù)；橡膠林；Google Earth Engine；物候特征；中老緬交界區(qū)

0 引 言

天然橡膠被譽(yù)為世界四大工業(yè)原料之一，它作為一種重要的經(jīng)濟(jì)作物和唯一可再生的綠色能源原材料，已成為中國(guó)國(guó)防和工業(yè)建設(shè)不可或缺的戰(zhàn)略能源。隨著經(jīng)濟(jì)的穩(wěn)步發(fā)展，天然橡膠在中國(guó)國(guó)民經(jīng)濟(jì)中發(fā)揮著越來(lái)越重要的作用。中國(guó)云南南部及東南亞的各國(guó)家作為中國(guó)“一帶一路”政策的核心區(qū)域[1]，受到了各界關(guān)注。但近些年，隨著中、老、緬交界區(qū)域人口的不斷增長(zhǎng)、氣候的變化，研究區(qū)內(nèi)的土地利用變化逐漸激烈，給當(dāng)?shù)氐纳鷳B(tài)環(huán)境造成了很大的壓力，進(jìn)而引發(fā)了一系列生態(tài)問(wèn)題[2]。雖然橡膠的種植對(duì)環(huán)境和社會(huì)經(jīng)濟(jì)的影響已在不同空間和時(shí)間尺度上得到了廣泛的探討。但要了解并量化大規(guī)模橡膠種植園的情況，需要準(zhǔn)確的繪制出橡膠種植分布圖。Google Earth Engine （GEE）是基于Web端的遙感數(shù)據(jù)處理云平臺(tái)，可針對(duì)海量遙感數(shù)據(jù)快速實(shí)現(xiàn)數(shù)據(jù)處理及可視化等功能，從而為大尺度、長(zhǎng)時(shí)序的遙感數(shù)據(jù)實(shí)時(shí)處理提供強(qiáng)有力的技術(shù)支撐[3]。

隨著人們對(duì)“一帶一路”政策下的東南亞核心區(qū)域重視程度的加強(qiáng)，國(guó)內(nèi)外許多學(xué)者對(duì)中、老、緬交界區(qū)橡膠種植情況進(jìn)行了研究，尤其是2006年中國(guó)為從源頭上根除來(lái)自老撾、緬甸毒品而提出的罌粟替代種植政策所面向的周邊國(guó)家和地區(qū)受到持續(xù)關(guān)注[4]。Liu等針對(duì)中老緬交界區(qū)域分析了地形因子對(duì)橡膠種植分布的影響[5]。廖諶婳等利用Landsat系列時(shí)序數(shù)據(jù)對(duì)西雙版納區(qū)域的橡膠進(jìn)行遙感監(jiān)測(cè)[6]。Fan等對(duì)比不同物候指數(shù)提取在西雙版納橡膠的提取精度[7]。李陽(yáng)陽(yáng)在2017年基于MODIS數(shù)據(jù)和橡膠的物候特征分析了老撾北部5省橡膠提取及實(shí)況擴(kuò)張研究[8]。劉陳立等基于Landsat TM/OLI遙感影像作為數(shù)據(jù)源，結(jié)合光譜與紋理信息運(yùn)用面向?qū)ο蟮姆椒ǚ治隽宋麟p版納橡膠的時(shí)空格局[9]。劉陳立等對(duì)緬甸佤邦的橡膠時(shí)空演變特征進(jìn)行了研究[10]。

以上研究?jī)H針對(duì)較小的研究區(qū)范圍，利用多時(shí)相數(shù)據(jù)可以滿(mǎn)足對(duì)橡膠地典型時(shí)間窗口的需求，僅基于光譜特征達(dá)到較高分類(lèi)精度，或只利用MODIS中低分辨率數(shù)據(jù)作為數(shù)據(jù)源研究大范圍橡膠分布，因此本研究以Landsat OLI遙感數(shù)據(jù)作為數(shù)據(jù)源，探尋云計(jì)算技術(shù)解決海量數(shù)據(jù)信息提取問(wèn)題，不僅可準(zhǔn)確的提取信息，而且由于云計(jì)算技術(shù)的應(yīng)用可使分析人員能夠同時(shí)處理和分析更為密集的衛(wèi)星圖像。從而將同步研究分析的范圍進(jìn)一步擴(kuò)大，分析處理的成本進(jìn)一步降低，為中國(guó)類(lèi)似區(qū)域的研究發(fā)展提供一定的指導(dǎo)。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

研究區(qū)包括替代種植政策在老撾、緬甸主要執(zhí)行省份以及云南省主要橡膠種植區(qū)西雙版納[11-12]。其位居瀾滄江-湄公河中上游，地處北緯17°16′～22°35′、東經(jīng)98°0′～103°24′之間。橫跨中國(guó)西雙版納州、緬甸撣邦以及老撾北部5省，包括豐沙里、南塔、烏多姆塞、瑯勃拉邦和波喬省，是“一帶一路”建設(shè)及中國(guó)周邊外交的重要區(qū)域[13]，如圖1所示。研究區(qū)內(nèi)由北向南海拔逐漸降低，在緬甸中部逐漸升高又轉(zhuǎn)而降低，地貌主要為山地、丘陵。氣候類(lèi)型為熱帶、亞熱帶季風(fēng)氣候。廣泛分布有亞高山植被、中低山植被、季雨林植被，呈現(xiàn)出水平及垂直地帶性分布。年內(nèi)旱季為11月到次年4月，雨季為5月到10月，年平均降水量為1 250～3 750 mm。且因其氣候適宜與在替代種植政策的影響下，研究區(qū)內(nèi)有橡膠廣泛分布[14]。

圖1 研究區(qū)概況

1.2 數(shù)據(jù)源及預(yù)處理

陸地衛(wèi)星Landsat是由美國(guó)地質(zhì)調(diào)查局和美國(guó)宇航局共同實(shí)施發(fā)射，自1972年至今持續(xù)以16 d左右的時(shí)間分辨率對(duì)地球表面以30 m的空間分辨率進(jìn)行對(duì)地觀測(cè)，包括可見(jiàn)光、紅外、熱紅外數(shù)據(jù)集。具有豐富的地表信息，在土地調(diào)查、環(huán)境監(jiān)測(cè)等領(lǐng)域具有廣泛的應(yīng)用。在GEE平臺(tái)可以通過(guò)JavaScript的API接口輕易訪問(wèn)所有Landsat系列數(shù)據(jù)集合[15]。

研究區(qū)Landsat OLI影像數(shù)據(jù)的云量較多、質(zhì)量較差，所以在對(duì)研究區(qū)內(nèi)橡膠制圖監(jiān)測(cè)實(shí)現(xiàn)過(guò)程中，本研究通過(guò)GEE云計(jì)算平臺(tái)獲得了2015－2019年的地表反射率數(shù)據(jù)，利用同月份遙感數(shù)據(jù)與研究區(qū)范圍內(nèi)相鄰的數(shù)據(jù)制作云掩膜，對(duì)影像進(jìn)行云移除。同時(shí)利用 API接口實(shí)現(xiàn)從輻射定標(biāo)、幾何校正、云/雪/陰影掩膜、最小云量影像合成等操作[16]。

不同土地覆被類(lèi)型特征參數(shù)的確定是分類(lèi)精度的關(guān)鍵。因此，為保證具有足夠數(shù)量和質(zhì)量的樣本點(diǎn)數(shù)據(jù)用于分類(lèi)以及精度驗(yàn)證，本文依托學(xué)者張正龍開(kāi)發(fā)的地理信息采集系統(tǒng)—境外罌粟替代種植信息采集系統(tǒng)[17]，于2015－2018年間每年12月份進(jìn)行踏勘，實(shí)地獲取了超過(guò)640典型地表覆被樣本點(diǎn)，并于谷歌地球目視解譯300個(gè)具有代表性、典型性的純凈像元作為樣本點(diǎn)[18]，共選取橡膠樣本點(diǎn)數(shù)量238，林地220（包含127個(gè)目視解譯），水體126（包含72個(gè)目視解譯），建筑用地156（包含44個(gè)目視解譯），農(nóng)田200（包含57個(gè)目視解譯）。

2 研究方法

研究區(qū)屬于熱帶、亞熱帶季風(fēng)氣候區(qū)域，植被覆蓋地類(lèi)豐富，因此橡膠提取的難點(diǎn)就是獲取無(wú)云數(shù)據(jù)以及從眾多植被覆蓋地類(lèi)中探尋橡膠的特征差異。因此，首先執(zhí)行影像預(yù)處理生成月時(shí)序數(shù)據(jù)并據(jù)此確定橡膠物候提取窗口。在此基礎(chǔ)上為決策樹(shù)分類(lèi)法分析分類(lèi)參數(shù)，后將決策樹(shù)算法應(yīng)用于整個(gè)研究區(qū)[19]。在此基礎(chǔ)上進(jìn)行精度評(píng)價(jià)，滿(mǎn)足精度需求后統(tǒng)計(jì)、制圖、分析研究區(qū)內(nèi)橡膠林的空間分布信息。

2.1 橡膠林?jǐn)?shù)據(jù)最佳提取時(shí)間窗口

研究區(qū)內(nèi)橡膠林具有明顯的物候特征。物候變化直接體現(xiàn)在葉的抽發(fā)和凋落上。因此本研究采用時(shí)序歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）表征地表植被特征，進(jìn)而確定橡膠提取的最佳時(shí)間窗口。

2.2 分類(lèi)特征參數(shù)

應(yīng)用預(yù)處理影像計(jì)算分類(lèi)參數(shù)，首先需考慮研究區(qū)目標(biāo)地類(lèi)。基于研究區(qū)土地覆被類(lèi)型來(lái)看，可分為植被類(lèi)、非植被類(lèi)、水體類(lèi)、非水體類(lèi)以及裸地、非裸地類(lèi)。因此，需計(jì)算以下參數(shù)：

不同物候期的橡膠林光譜信息存在差異，因此利用落葉期和綠葉期的光譜反射率的差異作為參數(shù)區(qū)分橡膠與其他地表覆被類(lèi)型[20]。

對(duì)非植被地表覆被類(lèi)型，本文選用歸一化植被指數(shù)（NDVI），它是由紅光波段和近紅外波段對(duì)植被和其他地表覆被之間反射率存在差異而構(gòu)成的波段組合，該指數(shù)可以反映作物長(zhǎng)勢(shì)、類(lèi)型、以及植被分布情況的參數(shù)[21]。所以該指數(shù)也可用于反映植被生長(zhǎng)狀態(tài)、植被茂密程度的指標(biāo)。具體計(jì)算公式為

式中5和4分別為與5（近紅外波段）和4（可見(jiàn)光紅波段）的反射率。

為剔除水體，本文選用歸一化水體指數(shù)（Normalized Difference Water Index，NDWI），該指數(shù)通過(guò)波段間組合可以有效抑制其他類(lèi)型的地表覆被而有效的凸顯水體信息[22]。具體NDWI計(jì)算公式為

式中3為3（可見(jiàn)光綠波段）的反射率。

分析地物的光譜信息發(fā)現(xiàn)，在落葉期地物在近紅外波段和短波紅外波段反射率值比較分散，可以很好的反映植被和土壤中的水分。因此，本研究利用對(duì)土壤濕度和土壤含水量較敏感的地表水分指數(shù)（Land Surface Water Index，LSWI）來(lái)區(qū)分橡膠林與其他類(lèi)型植被，并通過(guò)物候的方法將橡膠林特征突出提取，有效的將其他地表植被過(guò)濾[23]。具體計(jì)算公式為

式中6為B6（短波紅外1）的反射率。

由于差值植被指數(shù)（Difference Vegetation Index，DVI）指數(shù)對(duì)土壤背景變化極為敏感，因此再輔以落葉期DVI指數(shù)作為決策樹(shù)分類(lèi)的一個(gè)參數(shù)[24]，DVI指數(shù)是近紅外波段與可見(jiàn)光紅波段反射率數(shù)值之差，計(jì)算公式為

2.3 精度分析

運(yùn)用決策樹(shù)的方法得到了中、老、緬交界區(qū)的橡膠林分布情況。選取25%樣本點(diǎn)計(jì)算混淆矩陣的總體分類(lèi)精度OA與Kappa系數(shù)以驗(yàn)證橡膠提取精度[25]。Kappa系數(shù)值的大小可反映提取結(jié)果與真實(shí)地物空間分布的一致性。有研究表明當(dāng)Kappa系數(shù)小于0.4時(shí)，表明一致性較不理想；當(dāng)Kappa系數(shù)位于0.40～0.60時(shí)，說(shuō)明二者一致性效果較一般，當(dāng)Kappa系數(shù)大于0.60時(shí)，說(shuō)明參考分類(lèi)結(jié)果與橡膠提取結(jié)果二者間的一致性較強(qiáng)[26-27]。以此對(duì)分類(lèi)結(jié)果進(jìn)行評(píng)價(jià)，可以精確的評(píng)價(jià)橡膠提取效果。具體計(jì)算公式為

式中x為混淆矩陣中的第行列中的數(shù)。為驗(yàn)證數(shù)據(jù)集總數(shù)，x、x分別為混淆矩陣中的第行和第列總樣本數(shù)量。

3 結(jié)果與分析

3.1 地表覆被類(lèi)型信息提取

3.1.1 典型地表覆被NDVI時(shí)間序列分析

植被在不同階段具有不同生理特征。分析研究區(qū)橡膠林生長(zhǎng)周期，即橡膠林第一蓬葉抽發(fā)期為3月到4月，第二蓬葉抽發(fā)期開(kāi)始時(shí)期為5月，此時(shí)橡膠林進(jìn)入夏花期，第三蓬葉抽發(fā)期為7－8月。12月橡膠開(kāi)始落葉，至2月落葉過(guò)程完成，此后進(jìn)入新一輪的蓬葉抽發(fā)期[6-7]。可以看出橡膠的明顯物候變化直接體現(xiàn)在葉的抽發(fā)和凋落方面。所以Landsat OLI的NDVI時(shí)間序列數(shù)據(jù)可區(qū)分橡膠林與其他植被類(lèi)型[28]。不同地表覆被類(lèi)型NDVI時(shí)間序列顯示（圖2），橡膠林 NDVI 的最低值出現(xiàn)在2月即落葉期，與其他地表覆被類(lèi)型差異明顯。因此，可利用該時(shí)序NDVI時(shí)間窗口區(qū)分橡膠林與其他植被地表覆被[29]。而將4月數(shù)據(jù)作為綠葉期，既可以結(jié)合2月份數(shù)據(jù)突出橡膠林的物候特征，又可避免雨季時(shí)期的多云多霧天氣而導(dǎo)致的影像質(zhì)量下降的現(xiàn)象，因此本研究利用2月和4月數(shù)據(jù)進(jìn)行提取分析。

3.1.2 橡膠林地提取及分類(lèi)模型構(gòu)建

應(yīng)用預(yù)處理影像計(jì)算分類(lèi)參數(shù)，首先需考慮研究區(qū)目標(biāo)地類(lèi)。基于研究區(qū)土地覆被類(lèi)型來(lái)看，可分為植被類(lèi)、非植被類(lèi)、水體類(lèi)、非水體類(lèi)以及裸地、非裸地類(lèi)。因此，需統(tǒng)計(jì)典型地表覆被像元值。

隨機(jī)選取75%樣本點(diǎn)數(shù)據(jù)統(tǒng)計(jì)各地表覆被的各波段反射率像元值發(fā)現(xiàn)，各地物的變化趨勢(shì)在落葉期與綠葉期差別較小，而對(duì)比落葉期與綠葉期間的B6波段反射率可發(fā)現(xiàn)橡膠林在該波段呈現(xiàn)出不同趨勢(shì)，即落葉期橡膠林B6波段反射率明顯高于綠葉期，而其他的地表覆被在2月與4月則不存在此類(lèi)物候特征（圖3）。因此，可以利用B6波段反射率的差異作為參數(shù)來(lái)區(qū)分橡膠與其他地表覆被類(lèi)型，這與學(xué)者Han所得結(jié)果一致[20]。

圖3 不同時(shí)期各覆蓋類(lèi)型的波段對(duì)比

對(duì)上述研究區(qū)地物的光譜特征分析并構(gòu)建分類(lèi)參數(shù)箱型圖（圖4），結(jié)合橡膠一般種植于海拔1 300 m以下的生長(zhǎng)環(huán)境，從研究區(qū)中逐層分類(lèi)提取出橡膠林地并剔除其他地表覆被類(lèi)型[30]。從指數(shù)統(tǒng)計(jì)圖中可以看出，圖4a為研究區(qū)內(nèi)Landsat OLI 數(shù)據(jù)綠葉期與落葉期B6波段反射率的差值，橡膠綠葉期的B6波段反射率值明顯小于落葉期。其他地表覆被類(lèi)型則差別較小，因此可以設(shè)定閾值將橡膠和自然林地區(qū)分。圖4b為落葉期橡膠的DVI指數(shù)，由該圖可以看出DVI指數(shù)中橡膠林地的下四分位數(shù)像元值大于0.05，其他地表覆被類(lèi)型下四分位數(shù)的像元值小于0.05，因此可用于進(jìn)一步區(qū)分橡膠與其他地表覆被。圖4c為落葉期與綠葉期LSWI的差值，可以看出建筑用地、農(nóng)田、有林地的LSWIchange指數(shù)值集中在0附近，水體的LSWIchange均小于0.05，而橡膠的LSWIchange指數(shù)值均大于0，與有林地等其他地表覆被存在較大差異，可以作為主要參數(shù)來(lái)區(qū)分橡膠與其他地表覆被。農(nóng)業(yè)用地的LSWIchange主要集中在?0.1與0.1之間，與橡膠地重疊象元區(qū)域主要在0.09～0.02之間，但75%的橡膠主要集中在大于0.1區(qū)域。因此LSWIchange可以作為參數(shù)分離農(nóng)業(yè)用地和橡膠。圖4d為研究區(qū)綠葉期NDVI與落葉期NDVI值的差，可以看到，有林地與橡膠的差異較大，閾值0.04可以將橡膠與有林地明顯區(qū)分，但橡膠林的NDVIchange仍存在一定的離群值，與有林地相混淆。圖4e為落葉期研究區(qū)的NDWI值，由于NDWI主要用于水體的提取，而通過(guò)從野外及谷歌影像獲取的樣本點(diǎn)，可以明顯發(fā)現(xiàn)水體的NDWI與其他地表覆被有明顯差異，所以指數(shù)NDWI在本次試驗(yàn)中仍用于研究區(qū)內(nèi)水體的剔除。其次由于建設(shè)用地和農(nóng)業(yè)用地的NDWI值與橡膠的NDWI值差異較大。因此，NDWI也可以用來(lái)分離建設(shè)用地、農(nóng)業(yè)用地與橡膠的參數(shù)。

注：B6change、NDVI change和LSWI change分別為綠葉期和落葉期的B6波段反射率差值、歸一化植被指數(shù)差值和地表水分指數(shù)差值；DVI為差值植被指數(shù)；NDWI為歸一化水體指數(shù)

3.1.3 精度評(píng)價(jià)

精度驗(yàn)證結(jié)果顯示，運(yùn)用構(gòu)建的分類(lèi)模型對(duì)研究區(qū)進(jìn)行分類(lèi)的總體精度為90.32%，遠(yuǎn)高于85%。Kappa系數(shù)為0.87，遠(yuǎn)高于0.8。說(shuō)明采用物候方法對(duì)研究區(qū)的橡膠進(jìn)行分類(lèi)，分類(lèi)精度符合空間分布的分析的要求。對(duì)比前人研究結(jié)果（表1）發(fā)現(xiàn)，基于GEE平臺(tái)的較大研究尺度的分析研究具有更高的精度。

表1 不同研究的分類(lèi)精度評(píng)價(jià)對(duì)比

3.2 橡膠林分布狀況

分析研究區(qū)各區(qū)域的橡膠林面積情況（表2），由表2可知，截至2019年，中老緬交界區(qū)橡膠林總面積達(dá)126.29萬(wàn)hm2，其中，西雙版納區(qū)域橡膠林面積有52.37萬(wàn)hm2，緬甸區(qū)域橡膠林面積有56.93萬(wàn)hm2，老撾的北部5省橡膠林面積有16.99萬(wàn)hm2。

表2 不同區(qū)域的橡膠面積

對(duì)比前人研究成果發(fā)現(xiàn)，劉陳立等[8]運(yùn)用面向?qū)ο蟮姆椒ㄌ崛?017年西雙版納的橡膠林面積為50.04萬(wàn)hm2，與本研究提取的橡膠林面積相差0.38萬(wàn)hm2。與李陽(yáng)陽(yáng)基于2015年MODIS數(shù)據(jù)運(yùn)用物候特征提取老撾北部5省的橡膠林面積為16.96萬(wàn)hm2對(duì)比，本研究比其提取少5.75 hm2。劉陳立等[9]針對(duì)緬甸佤邦北部運(yùn)用2017年的Landsat TM/OLI影像提取的橡膠林種植面積為11.39萬(wàn)hm2，與本研究中緬甸佤邦北部的橡膠林面積為12.49萬(wàn)hm2，相差1.1萬(wàn)hm2。分析提取差異可從2方面解釋?zhuān)湟皇潜O(jiān)測(cè)范圍較大，存在大量混合像元誤提。其二為時(shí)間窗口較小，選取研究區(qū)較大，存在不同海拔、緯度橡膠物候不同步現(xiàn)象，導(dǎo)致部分區(qū)域提取不具有明顯物候特征。但提取總體精度較高，說(shuō)明基于GEE平臺(tái)運(yùn)用遙感的手段提取中老緬交界區(qū)橡膠提取效果較好，具有應(yīng)用價(jià)值。

進(jìn)一步分析研究區(qū)內(nèi)橡膠林的空間分布情況可知（圖5），研究區(qū)內(nèi)緬甸橡膠林覆蓋率3.50%，西雙版納為26.55%，老撾為2.60%。與西雙版納相比，老撾、緬甸橡膠林覆蓋面積并不大，說(shuō)明其分布的區(qū)域差異性明顯。

研究區(qū)因其典型的熱帶雨林氣候，具有良好的水熱條件，極適合橡膠生長(zhǎng)。最初由于中國(guó)橡膠缺口大，西雙版納州開(kāi)展橡膠集中種植，成為云南省乃至中國(guó)重要的天然橡膠產(chǎn)區(qū)。隨后中國(guó)為推動(dòng)國(guó)際禁毒事業(yè)，提出境外替代種植政策，因此緬甸撣邦、佤邦及老撾北部5省成為該政策面向區(qū)域。由圖5可知，受政策影響，主要的橡膠種植區(qū)集中分布在距離中國(guó)邊境較近區(qū)域。其次，橡膠主要分布在較大城市周邊，表明在替代種植發(fā)展過(guò)程中，主要從中國(guó)向周邊國(guó)家推進(jìn)，從較大城市向周邊地區(qū)擴(kuò)大、以及沿薩爾溫江分布，原因是該地區(qū)勞動(dòng)力豐富、適宜橡膠種植。由此說(shuō)明替代種植政策對(duì)推動(dòng)老撾、緬甸勞動(dòng)力就業(yè)及農(nóng)業(yè)現(xiàn)代化發(fā)展有較大的貢獻(xiàn)。但在推進(jìn)的工程中，兩國(guó)政策實(shí)施過(guò)程存在差異，對(duì)老撾來(lái)說(shuō)，雖老撾北部地區(qū)經(jīng)濟(jì)落后，生產(chǎn)力低下，但國(guó)內(nèi)政治穩(wěn)定，政策推行容易，因此，中國(guó)對(duì)老撾的替代種植項(xiàng)目重視度更高，所以在北部5省內(nèi)均有橡膠集中種植，但近些年由于膠價(jià)下跌，境內(nèi)交通欠發(fā)達(dá)，返銷(xiāo)成本高，勞動(dòng)力不足等客觀原因存在[31]，近幾年橡膠種植轉(zhuǎn)型為其他經(jīng)濟(jì)作物。而對(duì)緬甸來(lái)說(shuō)，其具有豐富農(nóng)業(yè)資源，雖近年來(lái)多次調(diào)整法律條文以吸引投資，但其發(fā)展環(huán)境動(dòng)蕩不安，存在地方武裝割據(jù)使得在緬北的政治環(huán)境十分復(fù)雜[32]，導(dǎo)致生產(chǎn)力不足，再加上兩國(guó)存在利益沖突問(wèn)題也影響了緬北替代種植的規(guī)模與發(fā)展。只有一個(gè)穩(wěn)定的政治環(huán)境才能吸引替代種植企業(yè)進(jìn)入，緬甸居民也需要一個(gè)穩(wěn)定的社會(huì)環(huán)境來(lái)從事相關(guān)工作。因此，大部分橡膠林集中種植在比較安定的邦康一帶，其他橡膠林種植則是零星分布于撣邦、佤邦。

圖5 中老緬交界區(qū)橡膠林空間分布

4 結(jié) 論

本文主要基于GEE云數(shù)據(jù)處理平臺(tái)，通過(guò)在線(xiàn)編程，調(diào)用海量數(shù)據(jù)進(jìn)行信息提取及分析處理，在克服大尺度運(yùn)算能力不足的同時(shí)也為研究者拓展了研究空間。本文針對(duì)大研究尺度應(yīng)用決策樹(shù)進(jìn)行橡膠信息提取，得到如下結(jié)論：

1）本研究中決策樹(shù)分類(lèi)的總體精度為90.32%，Kappa系數(shù)為0.87，提取精度較高。表明基于GEE平臺(tái)應(yīng)用物候特征可以高精度地提取并繪制出橡膠林分布圖。

2）提取的橡膠林面積為126.29萬(wàn)hm2，其中西雙版納區(qū)域面積有52.37萬(wàn)hm2，在緬甸區(qū)域面積有56.93萬(wàn)hm2。在老撾的北部5省面積有16.99萬(wàn)hm2。替代種植政策由中國(guó)向周邊國(guó)家推廣過(guò)程中，因老撾、緬甸當(dāng)?shù)厍闆r不同，替代種植的發(fā)展也表現(xiàn)出差異性。老撾國(guó)內(nèi)政治穩(wěn)定，政策推行起來(lái)容易，因此在老撾北部5省均有橡膠林種植。而緬甸國(guó)內(nèi)政治環(huán)境十分復(fù)雜，替代政策發(fā)展緩慢，因此橡膠林僅在中緬邊界一帶存在較集中分布。

由于研究區(qū)分布范圍以及海拔等因素存在，存在橡膠林落葉、綠葉過(guò)程不同步的情況。其次，由于Landsat OLI數(shù)據(jù)時(shí)間間隔較長(zhǎng)等問(wèn)題，導(dǎo)致在數(shù)據(jù)鑲嵌過(guò)程中削弱了橡膠物候特征信息。再加上地表覆被可能受人為影響而出現(xiàn)變化的原因。因此，使得在橡膠林信息提取過(guò)程中難免出現(xiàn)錯(cuò)誤提取或者漏提現(xiàn)象。所以在未來(lái)的分析中如果可以運(yùn)用更小的時(shí)間間隔組成的時(shí)序數(shù)據(jù)輔以海拔、坡度等信息則可以進(jìn)一步提高識(shí)別的精度和擴(kuò)大處理的范圍，從而建立更高精度區(qū)域性、普適性更強(qiáng)的遙感橡膠林提取模型，提高橡膠林分類(lèi)精度，以滿(mǎn)足橡膠林分布區(qū)土地資源管理和環(huán)境保護(hù)的需要。雖然這樣的提取方法增加了處理的復(fù)雜度，但在GEE的云計(jì)算平臺(tái)的支持下仍可快速提取研究區(qū)的橡膠林信息，進(jìn)而為“一帶一路”在東南亞的發(fā)展提供決策信息。

致謝：本次試驗(yàn)數(shù)據(jù)獲取在考察用車(chē)、邊境出入、替代企業(yè)相關(guān)數(shù)據(jù)資料的提供等方面得到了昆明市商務(wù)局、昆明市外經(jīng)協(xié)會(huì)、與駐緬甸、老撾的替代種植企業(yè)的大力協(xié)助，在此表示謝意！

[1] 鄭昊慶. “一帶一路”背景下中國(guó)與東南亞國(guó)家經(jīng)濟(jì)合作[D].北京：中國(guó)社會(huì)科學(xué)院研究生院，2019.

Zheng Haoqing. China one belt, one road, economic cooperation between China and Southeast Asian countries [D]. Beijing: Graduate School of Chinese Academy of Social Sciences, 2019. (in Chinese with English abstract)

[2] 李增加，馬友鑫，楊永宏. 西雙版納土地利用/覆蓋格局的熱環(huán)境效應(yīng)研究[J]. 云南地理環(huán)境研究，2014，26(6)：42-47.

Li Zengjia, Ma Youxin, Yang Yonghong. Study on thermal environment effect of land use/cover pattern in Xishuangbanna[J]. Yunnan Geographic Environment Research, 2014, 26(6): 42-47. (in Chinese with English abstract)

[3] 朱德海, 劉逸銘, 馮權(quán)瀧, 等. 基于Google earth engine的山東省近30年農(nóng)業(yè)大棚時(shí)空動(dòng)態(tài)變化研究[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào), [2020-04-15]. http://kns.cnki.net/kcms/detail/11. 1964.s.20191014.1719.006.html.

Zhu Dehai, Liu Yiming, Feng Quanlong, et al. Study on the spatial-temporal dynamic change of agricultural greenhouses in Shandong Province in the past 30 years based on Google Earth Engine[J/OL]. Journal of Agricultural Machinery, [2020-04-10].http://kns.cnki.net/kcms/detail/11.1964.s.20191014.1719.006.html. (in Chinese with English abstract)

[4] 馬俊. 促進(jìn)境外替代種植的思路淺析：以昆明為例[J]. 中國(guó)經(jīng)貿(mào)導(dǎo)刊（中），2019(4)：29-30.

Ma Jun. Thoughts on promoting alternative cultivation abroad: Taking Kunming as an example[J]. China Economic and Trade Guide (middle), 2019(4): 29-30. (in Chinese with English abstract)

[5] Liu Xiaona, Feng Zhiming, Jiang Luguang, et al. Rubber plantation and its relationship with topographical factors in the border region of China, Laos and Myanmar[J]. Journal of Geographical Sciences, 2013, 23(6): 1019-1040.

[6] 廖諶婳，李鵬，封志明，等. 西雙版納橡膠林面積遙感監(jiān)測(cè)和時(shí)空變化[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2014，30(22)：170-180.

Liao Chenhua, Li Peng, Feng Zhiming, et al. Remote sensing monitoring and spatiotemporal change of rubber forest area in Xishuangbanna[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(22): 170-180. (in Chinese with English abstract)

[7] Fan Hui, Fu Xiaohua, Zhang Zheng, et al. Phenology-based vegetation index differencing for mapping of rubber plantations using landsat OLI Data[J]. Remote Sensing, 2015, 7(5): 6041-6058.

[8] 李陽(yáng)陽(yáng). 基于多源遙感的老撾北部五省橡膠林提取及空間分布驅(qū)動(dòng)模型研究[D]. 昆明：云南大學(xué)，2017.

Li Yangyang. Study on the Driving Model of Rubber Forest Extraction and Spatial Distribution in Five Northern Provinces of Laos Based on Multi-source Remote Sensing[D]. Kunming: Yunnan University, 2017. (in Chinese with English abstract)

[9] 劉陳立，張軍，李陽(yáng)陽(yáng)，等. 西雙版納橡膠林信息提取和時(shí)空格局?jǐn)U張監(jiān)測(cè)[J]. 福建林業(yè)科技，2017，44(2)：43-50.

Liu Chenli, Zhang Jun, Li Yangyang, et al. Rubber forest information extraction and spatiotemporal pattern expansion monitoring in Xishuangbanna[J]. Fujian Forestry Science and Technology, 2017, 44(2): 43-50. (in Chinese with English abstract)

[10] 劉陳立，張軍，楊旭超，等. 緬甸佤邦北部罌粟替代種植下橡膠林時(shí)空演變特征[J]. 西部林業(yè)科學(xué)，2018，47(4)：115-121.

Liu Chenli, Zhang Jun, Yang Xuchao, et al. Temporal and spatial evolution characteristics of rubber forest under opium poppy alternative cultivation in northern WA, Myanmar [J]. Western Forestry Science, 2018, 47(4): 115-121. (in Chinese with English abstract)

[11] 廖諶婳，封志明，李鵬，等. 中南半島森林覆被變化研究進(jìn)展[J]. 地理科學(xué)進(jìn)展，2014，33(6)：853-864.

Liao Chenhua, Feng Zhiming, Li Peng, et al. Research progress of forest cover change in the Indochina Peninsula [J]. Progress in Geosciences, 2014, 33(6): 853-864. (in Chinese with English abstract)

[12] 全飛，李君，蘭國(guó)玉，等. 西雙版納熱帶森林土壤微生物生物量碳與生物功能研究[J]. 西部林業(yè)科學(xué)，2019，48(6)：133-140，155.

Quan Fei, Li Jun, Lan Guoyu, et al. Study on soil microbial biomass carbon and biological function of tropical forest in Xishuangbanna[J]. Western Forestry Science, 2019, 48(6): 133-140, 155. (in Chinese with English abstract)

[13] 鄭智，劉衛(wèi)東，宋周鶯，等.“一帶一路”生產(chǎn)網(wǎng)絡(luò)及中國(guó)參與程度[J]. 地理科學(xué)進(jìn)展，2019，38(7)：951-962.

Zheng Zhi, Liu Weidong, Song Zhouying, et al. “Belt and Road” production network and China’s participation[J]. Progress in Geography, 2019, 38(7): 951-962. (in Chinese with English abstract)

[14] 李正平，陳云森，李發(fā)昌. 3S技術(shù)在老撾南塔省橡膠園資源價(jià)值調(diào)查評(píng)價(jià)中的應(yīng)用[J]. 熱帶農(nóng)業(yè)科技，2017，40(3)：6-9，21.

Li Zhengping, Chen Yunsen, Li Fachang. The application of 3S technology in the investigation and evaluation of the resource value of rubber garden in Nanta Province, Laos[J]. Tropical Agricultural Technology, 2017, 40(3): 6-9, 21. (in Chinese with English abstract)

[15] 婁佩卿，付波霖，林星辰，等. 基于GEE的1998-2018年京津冀土地利用變化對(duì)生態(tài)系統(tǒng)服務(wù)價(jià)值的影響[J]. 環(huán)境科學(xué)，2019，40(12)：5473-5483.

Lou Peiqing, Fu Bolin, Lin Xingchen, et al. The impact of land use change on ecosystem service value in Beijing, Tianjin and Hebei from 1998 to 2018 based on GEE[J]. Environmental Science, 2019, 40(12): 5473-5483. (in Chinese with English abstract)

[16] 陳煒，黃慧萍，田亦陳，等. 基于Google Earth Engine平臺(tái)的三江源地區(qū)生態(tài)環(huán)境質(zhì)量動(dòng)態(tài)監(jiān)測(cè)與分析[J]. 地球信息科學(xué)學(xué)報(bào)，2019，21(9)：1382-1391.

Chen Wei, Huang Huiping, Tian Yichen, et al. Dynamic monitoring and analysis of ecological environment quality in Sanjiangyuan area based on Google Earth Engine platform [J]. Journal of Earth Information Science, 2019, 21(9): 1382-1391. (in Chinese with English abstract)

[17] 張正龍. 基于Android的境外替代種植核查信息采集系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 昆明：云南大學(xué)，2016.

Zhang Zhenglong. Design and Implementation of Overseas Alternative Planting Verification Information Collection System Based on Android[D]. Kunming: Yunnan University, 2016. (in Chinese with English abstract)

[18] 劉舒，姜琦剛，馬玥，等. 基于多目標(biāo)遺傳隨機(jī)森林特征選擇的面向?qū)ο鬂竦胤诸?lèi)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2017，48(1)：119-127.

Liu Shu, Jiang Qigang, Ma Yue, et al. Object oriented wetland classification based on multi-objective genetic random forest feature selection[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(1): 119-127. (in Chinese with English abstract)

[19] 賀佳偉，裴亮，李景愛(ài). 基于專(zhuān)家知識(shí)的決策樹(shù)分類(lèi)[J].測(cè)繪與空間地理信息，2017，40(5)：91-94.

He Jiawei, Pei Liang, Li Jing’ai. Decision tree classification based on expert knowledge[J]. Mapping and Spatial Geographic Information, 2017, 40(5): 91-94. (in Chinese with English abstract)

[20] Han P, Chen J, Han Y, et al. Monitoring rubber plantation distribution on Hainan Island using Landsat OLI imagery[J]. International Journal of Remote Sensing, 2018, 39(8): 2189-2206.

[21] 鄧書(shū)斌. ENVI遙感圖像處理方法[M]. 北京：高等教育出版社，2014.

[22] Gao Bocai. NDWI—A normalized difference water index for remote sensing of vegetation liquid water from space[J]. Remote Sensing of Environment,1996, 58(3): 257-266.

[23] 劉元亮，李艷，吳劍亮. 基于LSWI和NDVI時(shí)間序列的水田信息提取研究[J]. 地理與地理信息科學(xué)，2015，31(3)：32-37，2.

Liu Yuanliang, Li Yan, Wu Jianliang. Study on paddy field information extraction based on lswi and NDVI time series[J]. Geography and Geographic Information Science, 2015, 31(3): 32-37, 2. (in Chinese with English abstract)

[24] Huete A, Didan K, Miura T, et al. Overview of the radiometric and biophysical performance of the MODIS vegetation indices[J]. Remote Sensing of Environment, 2002, 83(1/2): 195-213.

[25] 張乃靜，侯瑞霞，紀(jì)平. 基于遙感影像和二類(lèi)調(diào)查數(shù)據(jù)的林地類(lèi)型分類(lèi)方法對(duì)比研究：以廣西憑祥市為例[J]. 林業(yè)資源管理，2017(4)：89-96.

Zhang Naijing, Hou Ruixia, Ji Ping. A comparative study on forest land classification methods based on remote sensing image and class II survey data: A case study of Pingxiang City, Guangxi[J]. Forestry Resource Management, 2017(4): 89-96. (in Chinese with English abstract)

[26] Feinstein A R, Cicchetti D V. High agreement but low Kappa: I. The problems of two paradoxes[J]. Journal of Clinical Epidemiology, 1990, 43(6): 543-549.

[27] Cicchetti D V, Feinstein A R. High agreement but low Kappa: II. Resolving the paradoxes[J]. Journal of Clinical Epidemiology, 1990, 43(6): 551-558.

[28] 趙兵杰，王賀封，張安兵，等. GF-1 WFV與Landsat 8 OLI的NDVI交互比較與定量關(guān)系研究[J]. 測(cè)繪地理信息. 2019(6)：64-69.

Zhao Bingjie, Wang Hefeng, Zhang Anbing, et al. NDVI interactive comparison and quantitative relationship between GF-1 WFV and Landsat 8 OLI[J]. Mapping Geographic Information, 2019(6): 64-69. (in Chinese with English abstract)

[29] 陳小敏，陳匯林，李偉光，等. 海南島天然橡膠林春季物候期的遙感監(jiān)測(cè)[J]. 中國(guó)農(nóng)業(yè)氣象，2016，37(1)：111-116.

Chen Xiaomin, Chen Huilin, Li Weiguang, et al. Remote sensing monitoring of spring phenology of natural rubber forest in Hainan Island[J]. Agrometeorology of China, 2016, 37(1): 111-116. (in Chinese with English abstract)

[30] 楊帆，王博. 基于決策樹(shù)的遙感圖像分類(lèi)方法研究[J]. 測(cè)繪與空間地理信息，2019，42(7)：1-4.

Yang Fan, Wang Bo. Classification of remote sensing image based on decision tree[J]. Mapping and Spatial Geographic Information, 2019, 42(7): 1-4. (in Chinese with English abstract)

[31] 雷瑞. 中國(guó)與東南亞國(guó)家制度距離對(duì)農(nóng)業(yè)投資模式及績(jī)效影響研究[D]. 昆明：云南大學(xué)，2017.

Lei Rui. Research on the Influence of Institutional Distance Between China and Southeast Asian Countries on Agricultural Investment Mode and Performance[D]. Kunming: Yunnan University, 2017. (in Chinese with English abstract)

[32] 保躍平，胡夢(mèng)奇. 罌粟“替代種植”的實(shí)踐困境與反思—基于緬甸視角的分析[J]. 東南亞縱橫，2018(4)：67-74.

Bao Yueping, Hu Mengqi. Practical dilemma and reflection on “alternative cultivation” of opium poppy: An analysis from the perspective of Myanmar [J]. Crossroads: Southeast Asia Studies, 2018(4): 67-74. (in Chinese with English abstract)

Remote sensing image extraction for rubber forest distribution in the border regions of China, Laos and Myanmar based on Google Earth Engine platform

Li Yuchen, Zhang Jun※, Xue Yufei, Zhang Ping

(650504,)

Rubber forest has an increasingly important impact on the environment and social economy. The huge demand has created a demand-supply gap in the process of economic globalization and the rubber forest planting, especially that in the border areas of different countries has been widely concerned in various fields. In this study, the rubber forest distribution was extracted by using the cloud computing technology of Google Earth Engine platform and the integration of multiple Landsat OLI remote sensing images from 2015 to 2019 in the border areas of China, Laos and Myanmar. The rubber phenology characteristics were obtained through rubber time series analysis. The different feature parameters were selected, and the differences of each parameter in foliation and defoliation period were compared to distinguish rubberforest and other land coverage types. Then the classification model of expert knowledge decision tree was constructed based on the calculated segmentation threshold of each parameter, and the algorithm is applied to the whole research area of the border areas of China, Laos and Myanmar. The results showed that time series NDVI in February (defoliation period) and April (foliation period) of rubber in the study area had good performance to distinguish rubberforest and other land coverage types. The overall accuracy of extraction was 90.32% and Kappa coefficient was 0.87. Both the overall accuracy and Kappa coefficient met the accuracy requirements of general production. Compared with the former researches, the method based on Google Earth Engine using rubber phenology calculation parameters to extract rubber forest in a large research area has a high accuracy. The total area of rubber forest extracted was 126.29′104hm2, including 52.37′104, 56.93′104and 16.99′104hm2of rubber forest extracted from Xishuangbanna, Myanmar and the five northern provinces of Laos, respectively. It is also found that the areas of rubber forests were different in these regions because the different actual situation of Laos and Myanmar produce differential policies in the process of alternative policy development. The cloud computing technology based on Google Earth Engine platform can overcome the lack of computing power of large-scale rubber monitoring in time and space, and provide scientific basis and decision support for the rational rubber layout and regional sustainable development in the border areas of China, Laos and Myanmar.

remote sensing; decision trees; rubber forest; Google Earth Engine; phenology; China, Laos, Myanmar border regions

李宇宸，張軍，薛宇飛，等. 基于Google Earth Engine的中老緬交界區(qū)橡膠林遙感提取[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2020，36(8)：174-181.doi：10.11975/j.issn.1002-6819.2020.08.021 http://www.tcsae.org

Li Yucheng, Zhang Jun, Xue Yufei, et al. Remote sensing image extraction for rubber forest distribution in the border regions of China, Laos and Myanmar based on Google Earth Engine platform[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(8): 174-181. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.08.021 http://www.tcsae.org

2019-10-24

2020-03-30

高分辨率對(duì)地觀測(cè)系統(tǒng)重大專(zhuān)項(xiàng)省（自治區(qū)、直轄市）域產(chǎn)業(yè)化應(yīng)用項(xiàng)目《面向南亞?wèn)|南亞地區(qū)“一帶一路”云南高分綜合應(yīng)用示范》（89-Y40-G11-9001-15/18）

李宇宸，主要從事遙感應(yīng)用與GIS開(kāi)發(fā)研究。Email：feiyu4869@qq.com

張軍，博士，副研究員，主要從事遙感應(yīng)用與GIS開(kāi)發(fā)研究。Email：50981534@qq.com

10.11975/j.issn.1002-6819.2020.08.021

S127

A

1002-6819(2020)-08-0174-08