基于Google Earth Engine多源數據的耕地提取研究

林陳捷，劉振華，胡月明，5，彭一平

(1. 華南農業大學資源環境學院，廣州 510642；2. 廣東省土地信息工程技術研究中心，廣州 510642；3. 廣東省土地利用與整治重點實驗室，廣州 510642；4. 自然資源部建設用地再開發重點實驗室，廣州 510642；5. 廣州市華南自然資源科學技術研究院，廣州 510642)

【研究意義】耕地是經過開墾用以種植農作物并經常耕耘的土地，是農業生產最重要的資源[1-2]，隨著社會經濟的發展和城市化進程加快，我國面臨著數量和質量上的雙重考驗。精準高效獲取耕地信息對保障糧食安全、生態安全及可持續發展具有重要作用[3]，遙感技術的快速發展，提供了新的技術手段。【前人研究進展】目前遙感耕地提取大多基于光學遙感數據，最常用的有MODIS、Landsat和sentinel-2等衛星數據。其中，MODIS具有覆蓋范圍廣、時間分辨率高的特點。因此，其時間序列數據常被用于耕地提取，如于利峰等[4]對MODIS-NDVI時間序列進行濾波處理，并結合紋理特征信息對研究區進行耕地提取，結果表明MODIS-NDVI時間序列能較好的提取研究區的耕地。但是由于MODIS數據的空間分辨率較低從而導致其存在較多的混合像元，很難滿足耕地的精細提取。Lansdat系列衛星相比于MODIS具有更高的空間分辨率，目前已被廣泛用于耕地提取，例如牛魯燕等[5]通過分析Landsat8影像的波段信息，選取適用于耕地提取的特征波段,并對特征波段進行增強處理后用于耕地提取，證實了Landsat數據用于耕地提取的可行性。sentinel-2具有較高的空間分辨率以及對植被敏感的紅遍波段，因此其常被用于耕地提取。如趙士肄等[6]以sentinel-2作為數據源，從中提取遙感指數、紋理特征和形狀特征等，運用隨機森林算法提取研究區耕地，取得了較高的提取精度。此外，隨著遙感技術的不斷發展，GF系列、WorldView等衛星的光學數據也逐漸被學者用于耕地提取，但光學數據存在“同物異譜、異物同譜”的現象，并且光學遙感受到云雨、光照等因素影像，限制了耕地提取的精度[7-8]。雖也有少部分研究嘗試使用雷達數據進行耕地提取，但是此類大多研究是基于單機遙感分類，其受到時間和空間的限制，無法滿足大區域、長時間序列的耕地提取和監測[9]。【本研究切入點】Google Earth Engine(GEE)平臺以云計算為基礎，提供了海量的遙感數據。該平臺支持科學分析、地理數據可視化，使遙感監測突破了數據獲取的障礙，為大范圍遙感耕地提取與監測提供了可能[10]。【擬解決的關鍵問題】針對基于光學數據提取耕地的不足和單機遙感的局限性，本文嘗試基于GEE平臺，獲取多源數據(雷達數據、光學數據)，從中提取用于耕地提取的特征信息，運用機器學習的方法，對研究區進行基于多源數據的耕地識別提取，然后對提取結果進行形態學處理，完成研究區的耕地提取。

1 材料與方法

1.1 研究區概況

選取廣東省廣州市作為研究區，廣州地處中國南部、珠江下游，瀕臨南海。截至2019年，全市下轄11個區，總面積7434 km2，建成區面積1249.11 km2，常住人口1530.59萬人，城鎮人口1323.35萬人，城鎮化率86.46%。研究區主要地貌類型包括山地、丘陵、平原、臺地4種類型，其中北部多為山地和高丘陵，南部則為平原和臺地，地勢總體呈現北高南低。研究區處于東亞季風區，是中國光、熱和水資源最豐富的地區之一。

1.2 數據來源

1.2.1 GEE平臺 GEE是由Google和美國地質調查局聯合開發的基于云計算的地理處理平臺，該平臺提供覆蓋全球的海量數據，如Landsat TM/OLI、MODIS、Sentinel-1/2和DMSP/OLS燈光數據等多尺度、多源遙感數據(其中包含超過200個公共的數據集和超過500萬張影像)；GEE平臺上數據更新頻繁、時效性，每天平均更新超過4000張影像(容量超過5 PB)。相比于ENVI、EARDAS等傳統的影像處理軟件，GEE通過Java Script、Python語言編程，可實現快速、多方法、批量處理影像。近年,已有國外學者將GEE應用于水面動態變化監測、農業估產、城市擴張等方面[11-13]。

1.2.2 研究數據 本研究以sentinel-1、sentinel-2影像為主要研究數據，GEE官方已經對sentinel-1數據進行了預處理(消除GRD邊界噪聲、消除熱噪音、輻射測量校準、正射校正)，因此可以通過java script語言在GEE平臺上直接調用。并通過sentinel-2: Cloud Probability數據對sentinel-2影像進行去云、融合，得到無云的研究區影像，影像時間為2019年4月。研究區行政邊界數據來源于2019年國家基礎信息中心公布的1∶100萬全國基礎地理數據庫(www.webmap.cn)。耕地數據來源于2019年耕地質量數據庫。

1.2.3 樣點布設 在研究區內根據2019年耕地質量數據庫并結合網格法選取了250個樣點(耕地：100，非耕地：150，圖1)，并將樣點以7∶3的比例隨機抽取樣點劃分為訓練樣點和測試樣點。

圖1 樣點分布

1.3 研究方法

1.3.1 特征提取 本研究通過GEE平臺，分別從sentinel-1、sentinel-2中提取用于耕地提取的特征變量。sentinel-1由兩顆載有合成孔徑雷達衛星組成，可提供覆蓋白天、夜晚和各種天氣的連續圖像。本研究將sentinel-1干涉模式下的VV、VH通道作為耕地提取的雷達數據，像元分辨率為10 m。

紋理特征是一種反映圖像同質現象的特征，不同的地物具有不同的紋理信息，紋理特征常被用于遙感圖像處理。本研究通過灰度共生矩陣(GLCM)提取sentinel-2影像的紋理信息作為分類的特征。GEE中已經提供了GLCM的函數接口，可以調用該模塊計算sentinel-2的紋理特征。

為了充分利用sentinel-2遙感影像的波段信息并去除影像的冗余信息，提升耕地識別提取的精度，本文提取了影像的歸一化植被指數(NDVI)、歸一化水體指數(NDWI)和歸一化建筑指數(NDBI)作為耕地提取的光學數據，公式如下所示[14-16]。

式中:NIR為近紅外波段的表面反射率；R為紅光波段的表面反射率；Green為綠波段；NIR為近紅外波段；NIR、MIR分別為圖像的近紅外、中紅外的反射率。

1.3.2 建立耕地提取模型 本研究選擇最小距離算法作為分類器，分別將光學數據以及多源數據作為分類特征，對比基于不同的數據類型，不同耕地提取模型的耕地提取精度。

(1)最小距離(Minimum Distance, MD)算法。最小距離算法是一種常用的影像分類算法，該算法主要是基于向量空間進行對象識別[17]。MD的基本原理是首先求出待分類樣本向量到各個已知的類別中心向量的距離，然后將待分類樣本歸為距離最近的以及類別中，從而完成樣本的分類。該算法運用在遙感影像分類識別上的主要步驟為：先獲取訓練樣本集的中心向量，再計算影像像元與各類樣本中心向量之間的距離(本研究采用歐式距離計算)，最后根據影像像元與各類樣本中心向量之間的距離判斷該像元所屬的類別。

(2)支持向量(Support Vector Machine，SVM)機算法。支持向量機最早是由 Vladimir和 Alexey在1963年提出，SVM算法適用于小樣本數據建模分析，其對結果具有可解釋性。SVM算法具有比傳統的機器學習更強的泛化能力，能有效克服傳統機器學習的缺陷(如維度災難)。SVM算法常被使用在監督分類上，尤其在圖像分類領域中，該算法具有較高的精度。SVM通過尋找一個超平面實現對象的二分類，超平面具有2個特點：第一，兩類數據中，每類數據都有一個點距離該超平面的距離是最近的，而兩個點到超平面的距離的和是所有平面中最小的；第二，最近距離點到超平面的距離是相等的。距離分割面最近的樣本向量，稱為支持向量[18]。

(3)隨機森林(Random Forest,RF)算法。隨機森林是由Breiman提出的一種bagging算法。該算法將決策樹作為基學習器，采用隨機采樣的訓練方式對樣本進行學習。隨機森林首先通過有放回抽樣的方式抽取樣本(boostrap方法)生成訓練集，未被抽取的樣本作為預測集，為每個訓練集構建一棵決策樹，組合每一棵樹的結果，最終以多勝少的規則決定分類結果[19]。

(4)精度(OA)驗證。本研究將總體精度以及Kappa系數作為模型耕地識別提取能力的評價標準。OA用于刻畫預測值與實測值的擬合程度，OA越大，分類的準確度越高。Kappa系數一種衡量分類精度的指標，數值區間為0～1，Kappa系數越大則表示分類的準確度越高。

式中，x代表樣本數，xi+代表分類結果中類別為i的樣本總數，x+j代表參考數據集中類別為j的樣本總數，k代表分類類別數，xii代表混淆矩陣中第i行i列的值。

1.3.3 形態學處理 由于存在噪聲的影像，分類后的圖像會存在細碎圖斑，其對分類圖像的效果具有嚴重的影響。針對這一問題，本文對分類后的圖像采用形態學處理進行優化。

形態學處理是目前圖像處理最廣泛的方法之一，常用與分類后的二值影像處理。形態學處理根據影像的形態特征，通過基本形態學運算(包括腐蝕、膨脹、開和閉等)，在不改變影像的形態特性的基礎上，去除影像的不相干結構，達到抑制噪聲，增強影像表達的效果。在形態學處理中，膨脹通過拓張圖斑邊界進而實現填補影像空缺，腐蝕則是通過壓縮圖斑邊界進而實現細碎圖斑的消除；先腐蝕后膨脹的處理過程稱為開運算，反之則為閉運算。開運算可以平滑圖斑的輪廓并連接狹窄斷開以及消除細毛刺[20]。本文選擇開運算對分類后的影像進行處理。

2 結果與分析

2.1 耕地提取精度對比

從表1可知，在3種耕地提取模型中，基于多源數據的耕地提取效果都要優于光學數據，推測其原因為：光學數據只能反映地物表面的光譜特征，往往存在“同物異譜、異物同譜”的現象，導致了地物錯分的現象，限制了耕地提取的精度。雷達數據根據地物的后向散射特性獲取地物信息，其不僅有利于獲取地物的表面信息，也能一定反映地物的內部信息，雷達數據的加入豐富了光學數據的信息，從而提高了耕地提取效果[21]。在所有算法中，隨機森林算法的耕地提取效果明顯優于另外2種算法，而最小距離算法的耕地提取效果表現較差。推測其原因為：隨機森林算法采用了集成算法，在分類精度上比大多數單個算法更高，并且遙感數據具有一定的噪聲，而隨機森林算法具有很好的抗噪能力，因此在處理遙感分類問題上具有優勢[22]。

表1 基于不同數據的耕地提取精度

基于多源數據，利用MD、RF和SVM 3種方法對研究區進行耕地提取的局部結果如圖2所示。由圖斑1可以看出，基于RF算法提取的耕地輪廓清晰、圖斑完整，并能將耕地附近的建筑物較為準確、完整地剔除；基于SVM算法提取的耕地圖斑也較為完整，但是該算法存在不能準確剔除耕地附近建筑物的問題；基于MD算法提取的耕地圖斑細碎且對建筑物的識別能力較差，存在較多的耕地和建筑物混淆的識別錯誤，效果遠不如其他兩種算法。由圖斑2可以看出，3種算法對水體的識別都較為準確，都能將水體準確劃分為非耕地。基于RF算法與基于SVM算法提取的水體邊界能保持其形態的完整性；基于MD算法提取的水體邊界細碎、邊界不連續，效果不佳。總體上來說，能相比于其他2種算法，基于RF算法提取的耕地提取效果最佳。

圖2 耕地提取效果

此外，基于3種算法的耕地提取都存在林地和耕地混淆的情況，RF算法錯誤較少，SVM算法次之，MD算法的效果最差，推測此錯誤的原因是部分林地植被的光譜信息和耕地植被的光譜信息較為相似，因此將部分林地錯誤劃分為耕地。

2.2 形態學處理結果

從圖3可以看出，通過形態學處理的影像，在一定程度上消除了細小的非耕地細碎圖斑，一些分類后與耕地混淆的林地、建筑物以及裸土也被去除，處理后的影像圖斑在空間連續性上得到增強。但是，研究區中部分地區耕地分布破碎，該方法可能存在將細小耕地去除的錯誤。因此，本文通過對比影像

a.原始影像；b.形態學處理前圖像；c.形態學處理后圖像

處理前后的總體精度(OA)以及Kappa系數驗證該方法的可行性，結果如表2所示。基于形態學處理的影像的耕地提取效果優于隨機森林分類后的影像，說明形態學處理在一定程度上優化了分類效果(OA提升了0.06，Kappa提升了0.04)，一定程度上提升了耕地提取的準確度。

表2 形態學處理前后耕地提取精度

3 討 論

(1)利用多源數據信息可以有效地區分耕地和非耕地(耕地識別提取總體精度達到0.91，Kappa系數為0.83)。根據以往的研究，加入更多的有效特征能一定程度上增加模型的穩定性以及精度，因此，在下一步研究中，可以考慮加入坡度等其他特征信息，以進一步提高耕地識別的精度。

(2)本研究以傳統的機器學習方法進行耕地提取，目前深度學習已經被用于地物識別和分類且取得了不錯的效果[23]，為了進一步提高提取精度，在下一步研究中，可以考慮加入深度學習模型進行耕地識別。

(3)傳統的遙感影像獲取及預處理手段效率不高(通常需要下載影像，在本地進行處理)，GEE平臺具有海量的遙感影像及其產品，并可以實現影像去云、鑲嵌等預處理，可有效提高數據獲取效率，已有學者[24]利用該平臺進行時間序列的相關研究，因此，在下一步研究中可以考慮利用該平臺進行耕地動態變化監測。

4 結 論

(1)雷達數據的加入，豐富了光學數據的信息，多源數據(光學數據結合雷達數據)耕地隨機森林算法提取總體精度為0.91，Kappa系數為0.83，說明多源數據比起單數據源能顯著提高分類精度。

(2)本研究對分類后的圖像進行形態學處理，一定程度上消除了隨機森林算法分類后存在噪聲的問題，在不改變影像特征的基礎上去除了部分細碎的非耕地以及填補了部分空白，提升了耕地提取的準確度。

(3)本文選擇廣州市這一地類豐富、區域廣的地區作為研究區，GEE平臺相比于傳統的遙感處理平臺，提高了影像的處理效率以及時效性，并具有強大的多源數據獲取能力，實驗結果證明了GEE對于大尺度耕地提取具有很好的適用性。