基于GEE 和Landsat 8 OLI 影像的土地覆被分類研究

胡叢慧

（蘭州大學資源環境學院，甘肅蘭州 730000）

1 概述

土地覆被信息在生態環境應用及可持續發展、城鄉規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用在土地覆被分類中。然而，如何提高遙感影像土地覆被信息的準確性仍然是一個挑戰，“同物異譜”、“異物同譜”以及復雜景觀中光譜特征相似的地物類別造成的混淆難以消除。隨著機器學習的發展，隨機森林(Random Frost，RF) 分類器已被證明在繪制植被類型和土地覆被時，取得了較好的提取結果[4]。

Google Earth Engine(GEE)平臺作為一個云計算平臺，除了免費提供計算能力，還可以直接訪問各種開源數據[5]。除此之外GEE 還提供了大量有關機器學習、矢量/柵格運算、數據整合的函數，使計算過程更加簡單直接[6]。QU Le'an 等[7]使用提供多源數據和基于云的環境的GEE 平臺，開發了一種新穎的方法，在免費的Landsat 圖像上得到土地利用/土地覆被產品。

2 研究區與數據處理

2.1 研究區概況

會寧縣位于甘肅省中部，地理坐標為東經104°29' ～105°31'、北緯35°24' ～ 36°26'。會寧縣溝壑縱橫，多山地、川地、塬地，土地構造復雜，屬于隴西黃土高原丘陵溝壑典型生態脆弱區[8]。

2.2 遙感數據準備

為了更好反映植被信息，本文選取Landsat 8 OLI 2017 年5 月到8 月的數據作為基礎數據，空間分辨率為30m。GEE 平臺中該數據已進行過大氣校正，還需對數據進行篩選、裁剪及處理，去除云、陰影的影響。

2.3 樣本數據

根據土地利用現狀分類標準以及會寧縣實際土地覆被分類狀況，將分類體系分為林地、草地、湖泊/水庫、耕地、河流、居住地、稀疏草地共7 種類別。在ArcGIS 軟件中隨機且均勻地布設1592 個樣本點，并結合野外實地調查照片與Google Earth 高分辨率遙感影像對樣本點進行目視解譯。對于較為集中的地物，如居住地、湖泊/水庫等，適當調整樣本點的分布，樣本點分布情況如圖1 所示。

圖1 樣本點分布情況圖

3 研究方法

3.1 隨機森林算法

Breiman 等在2001 年提出的隨機森林分類器，具有高效率、高精度的優點[9]。隨機森林分類器作為一種簡單高效的分類器，面對復雜數據仍然具有魯棒性，因此在土地覆被分類中得到普遍使用。

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 夜間燈光遙感數據作為光譜特征之一。

表1 Landsat 8 OLI 光譜特征

3.2.2 光譜指數

本文選擇以下六種光譜指數參與分類，用以提高不同植被類別、水體、湖泊/水庫、居住地等的區分度。

3.2.3 地形參數特征

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

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 平臺直接計算近紅外波段的GLCM，并選擇對比度、方差、相關性、熵、逆差矩、異質性以及角二階矩共7 種紋理特征參與分類。

4 實驗結果與分析

本文選擇會寧縣2017 年5 月-2017 年8 月的無云遙感數據作為基礎數據進行分類，充分體現植被的分布狀況。分類器選擇隨機森林算法，分類樹大小為100，分類過程中將樣本點按照8:2 的比例隨機分為訓練樣本和測試樣本。最終得到會寧縣土地覆被分類圖，其中總體精度為85.31%，Kappa 系數為0.81，圖2 為分類結果。

圖2 土地覆被分類結果

分類結果大致符合實際情況，河流主要為祖厲河及其支流；居住地主要分布在會寧縣城和沿河而建的居住地；林地主要分布在鐵木山、會寧縣縣城周圍以及會寧縣東部地區；稀疏草地主要分布在會寧縣北部；分類統計表中可以看出草原與耕地占比較大，耕地包括河谷地區的水澆地以及山區的旱地；草原包括天然草原以及退耕還草的草地。

表2 分類結果統計表

5 結論

文章利用GEE 平臺，基于Landsat 8 OLI 數據，結合夜光遙感數據、光譜特征、光譜指數特征、地形參數特征以及紋理特征，盡可能消除地物混淆。本文方法雖然得到了理想的會寧縣2017 年土地覆被分類圖，但仍然存在部分“椒鹽”現象，且地物的識別不夠完整，后續可針對該問題改進分類方法。