一種基于GEE平臺制作逐年土地覆蓋數據的方法
——以黃河流域為例

方夢陽, 劉曉煌, 孔凡全, 李明哲, 裴小龍

(1.中國地質調查局海口海洋地質調查中心，海口 570000； 2.中國地質調查局自然資源綜合調查指揮中心，北京 100096； 3.中國地質調查局廊坊自然資源綜合調查中心，廊坊 065000)

0 引言

大尺度、長時序、高頻次、高精度的土地覆蓋數據對研究長期土地利用時空變化具有重要的意義。目前，國內外廣泛使用的大尺度土地覆蓋數據多存在頻次和精度不能兼顧的問題。國外常用的全球土地覆蓋數據產品主要有美國波士頓大學生產的全球土地覆蓋數據產品(MCD12Q1數據集)[1]和歐洲空間局通過氣候變化倡議生產的全球土地覆蓋數據產品(ESA-CCI數據集)[2]。其中MCD12Q1數據集現有2001—2019年逐年500 m空間分辨率全球土地覆蓋數據，總體精度為74.8%[3]； ESA-CCI數據集時間范圍更廣，現有1992—2019年逐年300 m空間分辨率全球土地覆蓋數據，總體精度為74.4%[4]。國內全國土地覆蓋數據產品主要有自然資源部發布的30 m全球地表覆蓋數據產品(GlobeLand30數據集)[5]和中科院資源環境科學數據中心提供的中國多時期土地利用土地覆被遙感監測數據集(CNLUCC數據集)[6]。GlobeLand30數據集有2000年、2010年、2020年3期數據，CNLUCC數據集則有1980年、1990年、1995年、2000年、2005年、2010年、2015年、2018年8期數據，二者空間分辨率均為30 m。

總的來看，國內外廣泛使用的逐年土地覆蓋數據多為每5 a更新一次[7]，常見數據多為2000年、2005年、2010年、2015年、2020年數據，缺少中間年份數據。在土地覆蓋長期監測中，5 a一次的數據頻次明顯無法滿足監測需求，亟須開展逐年土地覆蓋數據產品研究。

黃河是中華民族的重要發祥地，研究黃河流域多年土地利用情況，對科學推動黃河流域高質量發展有著重要的意義。Google Earth Engine(GEE)平臺是目前世界上先進的PB級地理數據科學分析及可視化平臺[8]，與傳統遙感數據獲取方式和數據處理軟件相比，具有長時間存檔數據、運行穩定、計算效率高、上手難度低、使用成本低等優點[9-10]。本文以黃河流域地表覆蓋為例，通過GEE平臺快速完成2000—2020年間20 a逐年高精度黃河流域地表覆蓋提取工作，解決了現有土地覆蓋數據頻次與精度無法兼顧的問題，以此為大尺度、長時序、高頻次、高精度土地覆蓋數據制作提供一套基于GEE云平臺的高效技術路線。

1 研究區概況及數據源

黃河流域(圖1)從西到東橫跨青藏高原、內蒙古高原、黃土高原和黃淮海平原4個地貌單元。

圖1 黃河流域位置

整個流域地勢為西高東低，西部河源地區平均海拔在4 000 m以上，由一系列高山組成，常年積雪，冰川地貌發育； 中部地區海拔在1 000～2 000 m之間，為黃土地貌，水土流失嚴重； 東部主要由黃河沖積平原組成。黃河流域主要屬于南溫帶、中溫帶和高原氣候區[11-12]。

本文收集并使用了不同的數據集。土地覆蓋數據集為自然資源部發布的30 m空間分辨率的GlobeLand30數據集。遙感影像數據為2000—2020年間Landsat5/7/8影像，GEE平臺自帶該影像數據集。此外，來源于SRTM3的30 m空間分辨率數字高程模型(digital elevation model，DEM)數據和來源于DMSP-OLS與NPP-VIIRS的2000—2020年逐年燈光數據作為輔助數據以提高土地覆蓋中植被和建設用地等地類的分類精度。

2 研究方法

2.1 技術流程

本文主要研究方法分為4步，技術流程見圖2。

圖2 技術流程

1)樣本選取。利用2000年、2010年及2020年土地覆蓋數據，根據“一致性”和“穩定性”原則，選取分類樣本點，并將樣本點劃分為訓練樣本和測試樣本。

2)數據處理。基于GEE平臺，采用多年影像合成和云掩模的方法，獲取黃河流域2000—2020年逐年無云的大氣頂反射(top of atmosphere reflectance，TOA)影像。

3)監督分類。利用隨機森林分類方法，對黃河流域2000—2020年逐年Landsat影像進行分類，并利用驗證樣本點對分類結果進行檢查。

4)結果對比。選取2010年黃河流域土地覆蓋數據結果，對比GlobeLand30數據集、MCD12Q1數據集和ESA-CCI數據集同一時期數據，檢驗基于GEE平臺黃河流域土地覆蓋數據產品精度。

2.2 樣本點選取

本文參考CNLUCC分類系統，根據黃河流域實際土地覆蓋情況，結合以往土地覆蓋方面研究成果，確定本文中黃河流域土地覆蓋分類體系，包括以下6個類別： 林地、草地、耕地、水體、建設用地、未利用地。為便于后續對比分析，本研究將GlobeLand30數據集分類系統、MCD12Q1數據集采用的IGBP分類系統和ESA-CCI數據集采用的LCCS分類系統對應至CNLUCC分類系統[13]，對應關系見表1。

表1 4類分類體系對應表

樣本點選取是影響分類結果的重要因素。傳統分類方法多為人工選取樣本點[14]，該方法針對面積較小的研究區效果較好，但對于大范圍研究區，人工選取樣本點工作量極大。本文通過對比2000年、2010年及2020年3個時間基點的土地覆蓋數據，選擇多年穩定不變區域作為樣本區，選擇樣本區幾何中心作為該區域樣本點位置，樣本類型即為該區域土地覆蓋類型。一般來講，某一區域多期次土地覆蓋類型沒有變化，即可認為該區域整個時段土地覆蓋類型保持穩定，而區域土地覆蓋類型變化多由邊緣至中心改變，該區域幾何中心位置變化概率最小。

通過上述方法選取10 000個樣本點，樣本點分布情況見圖3。參考Google Earth Pro軟件中的歷史影像數據對所選樣本點進行隨機驗證，隨機抽取1 000個樣本點對照Google Earth歷史影像數據。結果表明，樣本選擇精度高于94.7%，選擇多年穩定不變區域幾何中心作為該地類樣本點具有可行性。

圖3 樣本點分布

樣本點按照分類體系進行標注，然后導入GEE平臺中，以備后續分類模型使用。隨機選擇70%的樣本點作為模型訓練數據，余下30%的樣本點作為模型測試數據。

2.3 影像處理

本文基于GEE平臺，選取了近20 a逐年Landsat影像數據(30 m空間分辨率)進行土地覆蓋提取，其中2000—2011年選取Landsat5 TM影像，2012—2013年選取Landsat7 ETM+影像，2014—2020年選取Landsat8 OLI影像。由于研究區跨南溫帶、中溫帶和高原氣候區3個氣候帶，植被覆蓋隨氣候有較大變化，同時高原氣候區遙感影像受云影響較大。為保證土地覆蓋提取結果穩定性，通過GEE平臺的在線編程，篩選成像時間為當年5—10月的無云影像，以保證合成研究區最小云量影像，平均每年數據量為53景。利用GEE平臺提供的SimpleComposite算法模塊對每年的原始Landsat系列衛星影像進行大氣校正、輻射定標、影像去云處理等操作，合成年際最小云量TOA影像。

2.4 監督分類

本文監督分類方法選用隨機森林分類算法。近年來，隨機森林算法已經應用到滑坡制圖、城市樹林制圖和地表覆蓋分類等領域。研究證明，該方法比傳統方法運行更準確、速度更快，得到了研究者的廣泛關注[15-16]。

選用多種類型的特征數據有利于提高監督分類精度。本文選取多光譜波段，光譜特征指數： 包括歸一化植被指數(normalized difference vegetation index，NDVI)、歸一化水體指數(normalized difference water index，NDWI)、歸一化建筑指數(normalized difference built-up index，NDBI)、地形特征(高度和坡度)和燈光特征作為隨機森林算法的輸入變量。根據測試數據對分類結果進行精度評價，主要精度評價指標包括用戶精度、制圖精度、總體精度及Kappa系數。

3 結果與討論

3.1 分類精度

分類結果精度評價指標情況見表2。結果表明，基于GEE平臺的黃河流域2000—2020年逐年土地覆蓋數據各地類用戶精度及制圖精度均超過0.76，總體精度為0.82±0.03，平均Kappa系數為0.82，總體精度優于MCD12Q1數據集(74.8%)及ESA-CCI數據集(74.4%)，略低于GlobeLand30數據集(83.50%)。樣本點與分類結果之間達到高度的一致性，同時多年數據的總體精度比較平穩，沒有太大的起伏差異，這表明本研究在數據選擇、特征選擇及分類算法選擇上可靠、穩定。

表2 基于GEE平臺黃河流域逐年(2000—2020年)土地覆蓋數據分類精度

3.2 結果對比

本文選取2010年作為時間基點，分別從整體和細節對比GlobeLand30數據集、基于GEE平臺的土地覆蓋數據、MCD12Q1數據集和ESA-CCI數據集同一時期數據，驗證基于GEE平臺土地覆蓋數據產品的適用性(圖4)。圖4(a)為本文方法基于GEE平臺的黃河流域2010年土地覆蓋數據產品。整體來看，黃河流域林地主要分布于太行山與秦嶺一帶，甘肅隴南地區也有大片林地分布； 草地主要分布于黃土高原中北部； 耕地主要分布于渭河盆地及華北平原地區，黃河上游銀川—呼和浩特地區也有大片耕地分布； 黃河流域較大規模水體主要分布于黃河上游源頭地區； 建設用地主要為黃河流域內城市市域； 未利用地主要分布于黃河上游下段內蒙古高原地區。

(a) 本文方法數據產品(b) GlobeLand30數據產品

圖4-1 黃河流域2010年土地覆蓋分類圖

(c) MCD12Q1數據產品(d) ESA-CCI數據產品

圖4-2 黃河流域2010年土地覆蓋分類圖

對比4類產品可發現，各類型土地整體空間分布上保持著較高的一致性。4類數據產品各土地類型面積占比情況見表3，結果顯示，4類數據產品各地類總體占比趨勢一致，主要土地類型均為草地與耕地，占比60%以上。四者出入較大的地類主要為草地與未利用地，本文選取的影像時間為當年5—10月，因此草地占比稍高，未利用地占比較低。整體來看，基于GEE平臺的黃河流域2010年土地覆蓋數據分類結果合理可靠。

表3 4類數據產品各地類面積占比情況

為檢驗本文方法土地覆蓋數據分類細節精度，本研究選取各地類典型區域作為對比區域，對比4類數據產品與Google Earth歷史影像，對比結果見表4。

表4 4類數據產品逐地類對比

結果表明，本文方法基于GEE平臺的分類結果，在水體、林地、耕地、建設用地4種分類結果上，均優于MCD12Q1數據集和ESA-CCI數據集，接近GlobeLand30數據集，具體表現在輪廓更為清晰，細節更為豐富。草地與未利用地分類結果上與MCD12Q1數據集分類結果相似，優于ESA-CCI數據集，略遜于GlobeLand30數據集。

3.3 不足之處

1)本文基于GEE平臺制作的黃河流域土地覆蓋數據，為GEE平臺直接計算導出所得結果，未進行細碎圖斑合并、人工整飾等后續操作，導致部分區域夾雜較多細碎圖斑，影響了數據準確性。

2)本文參照CNLUCC分類標準體系，將黃河流域土地覆蓋分為6類，對比GlobeLand30數據集分為10類、MCD12Q1數據集(IGBP分類系統)分為17類及ESA-CCI數據集(LCCS分類系統)分為22類，在分類標準體系的精細程度上較國內外知名數據集仍有差距。

4 結論

1)本文根據一致性和穩定性原則，提出將多年穩定不變區域作為樣本區，選擇樣本區幾何中心作為該區域樣本點位置的樣本點選擇方法，在保證精度的同時大幅提高了監督分類過程中樣本點選擇的效率。

2)本文基于GEE平臺制作的黃河流域土地覆蓋數據，總體精度為0.82±0.03，平均Kappa系數為0.82，分類精度、整體及局部分類結果均優于MCD12Q1數據集和ESA-CCI數據集。在分類級別要求較低的情況下，可以替代MCD12Q1數據集及ESA-CCI數據集使用。

3)本文為大尺度、長時序、高精度逐年土地覆蓋數據制作提供一套基于GEE云平臺的高效技術路線，在一定程度上解決了大尺度土地覆蓋數據頻次與精度無法兼顧的問題。