网站首页 公文大全 个人文档 实用范文 讲话致辞 实用工具 心得体会 哲学范文 总结范文 范文大全 报告 合同 文书 信函 实用
  • 汇报体会
  • 节日庆典
  • 礼仪
  • 毕业论文
  • 评语寄语
  • 导游词
  • 口号大全
  • 其他范文
    • 百花范文网 > 实用范文 > 其他范文 > 基于GEE云平台的2005-2019年云南省森林覆盖变化监测

    基于GEE云平台的2005-2019年云南省森林覆盖变化监测

    时间：2023-01-20 11:00:15来源：百花范文网本文已影响人

    李 微，岳彩荣

    (西南林业大学 林学院，云南 昆明 650000)

    云南地处云贵高原，地形复杂，是长江、澜沧江、怒江和珠江等重要江河的上游和发源地，生态区位重要。云南又是少数民族地区，经济欠发达、生产力相对落后、生态保护意识淡漠、当地百姓对森林资源依存度高等因素加大了森林资源破坏的风险；
    另外，社会经济发展和生态保护的矛盾日趋突出，城市发展和经济建设导致的森林减少甚至违法毁林现象时有发生。因此，作为大江河的源头和上游地区，云南森林和生态环境保护任务迫切而重要，加强森林变化监测具有重要的实践意义。

    Landsat系列卫星影像数据具有较高的空间和光谱分辨率，数据质量高、数据获取容易，且存在40余年的历史数据档案，是目前土地覆盖及森林变化监测的最好的遥感数据源[1-3]。由于受软硬件和技术发展的限制，长期以来遥感图像的处理技术主要以单机计算模式为主，这种计算模式难以胜任大尺度遥感监测下的海量数据处理任务。正是基于这一原因，长期以来NOAA/AVHRR和MODIS影像常被用作大尺度土地覆盖和森林变化研究的主要数据源，但由于这类影像的空间分辨率低，大量混合像元的存在导致分类结果精度较低[4-5]。

    近年来，云计算在大尺度土地覆盖测绘的相关研究中显示出了的巨大潜力[6]。Google earth engine(GEE)作为云计算支持下的空间信息处理平台为海量遥感数据处理、进行区域乃至全球遥感数据处理提供了条件。目前，基于GEE云平台开展了许多成功的大区域尺度的土地覆盖[7-8]和森林监测[9]。为了探索基于中分辨率遥感数据进行省级以上大尺度森林遥感检测的技术方法，本研究利用GEE平台开展了云南省多时相森林覆盖遥感监测实验。

    云南省位于21°8′-29°15′N，97°31′-106°11′E，总面积39.41万km2。地势呈现西北高、东南低，自北向南呈阶梯状逐级下降的特点，属山地高原地形，山地面积占全省总面积的88.64%。地形以元江谷地和云岭山脉南段宽谷为界，分为东西两大地形区。西部与南部和越南、老挝、缅甸接壤，北部与东部和广西、贵州、四川、西藏毗邻。云南还是我国气候多样性、物种多样性、生态多样性最具代表性的地区，全省气候类型丰富多样,兼具低纬气候、季风气候、山原气候的特点,有北热带、南亚热带等7个气候类型[10]。云南因优越的地理位置、气候条件，拥有最丰富的生态系统，作为全国的四大林区之一，全省森林面积为2 300.62 hm2，森林覆盖率达到59.7%(云南统计年鉴，2017)。

    2.1 数据源与预处理

    2.1.1 遥感数据 选择经正射处理和大气处理后的Landsat SR数据产品，按照低于20%的云量筛选并由低到高排序，选择当年能够覆盖研究区范围的35景云量最低的影像作为分类数据源。

    其余参考数据包括：MODIS影像MOD10A1产品，单独提取积雪掩膜，以减少积雪与水体误分的情况；
    空间分辨率为30 m的DEM数据，生成高程与坡度特征因子；
    云南省第2次土地调查数据，结合Google earth pro平台提供的高分辨率影像选取训练样本和测试样本；
    2017年云南省统计年鉴；
    2009年GlobCover土地覆盖产品，该产品由欧洲太空局(ESA)、联合国环境规划署(UNEP)等6个执行小组共同参与完成，使用空间分辨率为300 m的2009年MERIS(medium resolution imaging spectrometer)影像作为数据源，计算了联合国(UN)土地覆盖分类系统定义的22种土地覆盖类别[17]。

    2.1.2 遥感分类样本数据 依据国家林业和草原局关于颁发《森林资源规划设计调查主要技术规定》(林资发[2003]61号)，结合研究区域实际土地覆盖情况，最终确定土地覆盖分类类型为阔叶林、针叶林、灌木林、草地、农田、水体、建设用地、雪、裸地共9个类别。分类的训练和检验样本主要依据云南省第2次土地调查数据、地面调查样地和Google earth影像目视判读进行勾绘。分类样本的获取充分考虑到样本的空间分布均匀、“同物异谱”、“异物同谱”等现象，共获取训练样本图斑1 247个，检验样本图斑353个。此外，在对2005年及2010年影像分类类型中增加阴影类别训练样本图斑45个，检验样本图斑14个。

    另据《中华人民共和国森林法》解释，森林包括乔木林、竹林和国家特别规定的灌木林。但在本研究中，因缺乏“国家特别规定的灌木林”位置及范围信息，只将针叶林和阔叶林二者合并作为森林类别。

    2.1.3 数据预处理 本次选择的Landsat SR影像和MOD10A1产品已进行过地形数据参与的几何校正和大气校正，因此本试验不再重复进行上述操作，只进行影像的去云、融合与裁剪。

    2.2 研究方法

    结合研究区实际情况，确定了基于GEE云平台和Landsat时间序列数据的土地覆盖分类的研究的具体方法和技术流程。以Landsast SR影像作为主要的数据源，辅以MODIS产品制作掩膜对雪单独分类，结合光谱特征、植被与多种指数因子、地形辅助因子，采用随机森林算法对研究区内土地覆盖类型进行分类研究。计算云南森林覆盖动态变化，采用转移矩阵及转移概率矩阵定量评估研究区内森林覆盖动态变化情况。

    2.2.1 特征因子选取 遥感影像分类效果与分类的特征密切相关，特征因子的选择与应用可减少特征之间的相关性，以较少的波段最大限度包含原始影像的信息，且这些特征因子的引用可明显改善最终分类效果。参考相关文献反复对比[11]，最终确定选择17个特征因子，包括6个波段，缨帽变换3个分量，3个植被指数,区分森林和非森林的指数FI[12],建筑指数和地形辅助因子。除6个波段以外的特征因子及相关公式见表1。

    表1 特征因子及相关公式

    2.2.2 随机森林算法 随机森林不需要对数据的分布进行估计，即它可在内部进行评估，在生成的过程中对误差建立一个无偏估计，可对不同类型或不同尺度的变量的输入起到积极意义，使其具有对结果的可解释性[13-14]。其优势在于精确度高、训练速度快、高度并行化、可以防止过拟合[15]。它是一种小样本应用于大数据集分类的方法，能处理具有高维特征的输入样本且无需降维。在利用随机森林算法进行遥感分类时，一般只会对选取的特征数量m和决策树数量n进行调整。但盲目增加m和n并不能达到提高精度的目的，需要在运行效率可行的情况下选择合适的参数[16]。

    3.1 分类结果

    为取得较好的分类效果，本研究进行了5组不同特征组合方案的分类对比试验(表2)，A组试验中使用6个光谱波段及不同组合方式进行分类；
    B组试验在A组试验的最优结果基础上，分别加入6种指数特征、缨帽变换3个主成分及2个地形因子进行分类，确定各因子对分类精度的影响情况及重要程度；
    依据B组试验结果，涉及的各特征因子均对总体精度有不同程度的提高。因此，C组在A组试验最优组合的基础上增加在B组试验中表现较好的NDVI、EVI、RVI、FI、NDWI和NDBI 6种指数特征；
    D组在C组试验结果基础上加上缨帽变换后的前3个主成分湿度、绿度、亮度因子；
    E组在C组试验基础上增加坡度、高程2个地形因子。

    表2 影像分类试验设计

    图1为截取A、C、D、E 4组试验分类结果的局部进行比较，可以看出前3组中灌木林与农田的混分较为严重，而E组在加入地形因子后能很好地将农田与灌木林提取并区分。

    图1 Landsat 8分类结果局部特征

    为确定随机森林参数决策树数量n的最优值，本研究以步长为5遍历了n取值在5～200的所有结果，当n低于60时，总体精度由最低时的80.75%提高到83.14%，Kappa系数由77.02%提高到79.87%；
    而当n大于60后，总体精度随n的提高而改变的程度有限，因此为兼顾精度与计算复杂度，最终选择的决策树数量n为100。

    依照上述方法分别对2005年及2010年影像进行分类研究，在对各期影像的各组试验最优分类结果研究中均得到一致结论，因此最终3期影像分类结果及Glob Cover产品依本研究分类体系重分类后的结果(图2)。通过对比可看出，各分类类型分布总体上相似度较高，但个别类型，如针叶林主要分布于滇西北地区和滇南地区，Glob Cover产品中针叶林主要分布于滇西北，滇南地区。

    图2 云南省森林覆盖遥感分类

    3期影像分类结果基本达到了研究所需精度要求。总体及各类别的精度分析结果见表3。

    表3 2005-2017年影像分类结果精度

    3期影像分类结果的各地类面积统计见表4，云南省主要土地覆盖类型为针叶林、阔叶林、灌木林和农田，面积之和占到研究区总面积的90%以上。3期分类结果中，森林覆盖率分别为52.30%、52.55%和53.88%，总体上森林覆盖率呈增长的趋势。

    由表4可见，3期分类结果与GlobCover产品相比，阔叶林面积基本一致，针叶林差别较大，森林面积占到总面积的36.98%，低于本研究最终结果的51%～53%，更远低于年鉴中的59.70%。利用2010年的验证样本对GlobCover影像分类精度进行了检验，森林分类精度仅为38.89%，低于本研究2010年影像分类精度。通过查阅相关资料可知，GlobCover是基于300 m分辨率MODIS影像，与本研究使用的Landsat系列影像的30 m分辨率存在较大差距。

    表4 云南省地类面积统计

    3.2 森林变化分析

    在分类结果的基础上，利用Arcgis软件的空间分析工具，对比各类型面积的增减变化，计算各土地覆盖类型之间的相互转化情况，土地覆盖转移概率矩阵，以此分析12 a间土地覆被变化情况，结果见表5。

    表5 研究区土地覆盖类型转移概率矩阵

    根据研究区2005-2010年和2010-2017年土地覆盖转移概率矩阵进行分析可知：森林类型在2005-2010年有83.67%未发生变化，发生转移的主要方向为灌木林和农田，转移概率分别为12.90%和1.55%，同时，其他地类向森林转移的主要类型同样为灌木林和农田；
    在2010-2017年森林有80.82%未发生变化，其余部分主要向灌木林和农田类型转移，转移概率为11.79%和4.79%，向森林转移的主要类型为灌木林和农田。

    2个时间段对比发现，森林与灌木林之间有大面积的类型转移，随着时间的推移，森林向灌木林的转移面积降低，而转入森林的面积则呈增长趋势。

    1)选择多个特征因子利用随机森林分类器对影像进行分类，为兼顾运算量与精确度，最终选择决策树数量n为100进行后续运算；
    参与分类的特征因子都在一定程度上提高了分类精度，最终将6波段光谱特征、6种指数特征、缨帽变换前3个主成分及2个地形因子共同作为特征数量m，得到2005、2010年和2017年的影像分类精度分别为75.55%、75.33%和83.42%。基于OLI影像分类的精度明显高于TM影像的分类结果，原因可能是OLI影像较TM具有更高光谱分辨所致。

    2)分类结果表明，云南省森林面积在2005、2010年及2017年分别占到研究区总面积的52.30%、52.55%和53.88%，总体呈现增长趋势。这一结果略小于云南官方发布数据，但差异小于5%,且都表现出逐年的增长趋势。笔者认为，存在差异主要原因有2个，一是采用的技术手段不同，本研究结果主要是基于Landsat卫星遥感数据图像分类方法，而官方分布数据主要基于全国连续清查结果，后者主要基于抽样技术的调查结果；
    二是森林覆盖的统计标准差异，官方数据中森林覆盖率中包括了部分灌木林地(国家特别规定的灌木林计入森林覆盖)，而本研究结果中森林覆盖不含灌木林。

    3)Landsat系列影像具有易获取、覆盖范围广等优点，但同时因其空间分辨率限制，极易造成同物异谱、同谱异物的问题，且利用TM、ETM影像得到的分类结果无法解决大面积阴影被误分入水体的问题，本次试验在尝试了引入多种水体指数，按照阈值分类水体及将坡度为0地区赋值为水体等方法后，这一问题依旧未得到有效解决，今后可尝试改进的条带修复方法、多源影像融合等方法以便达到更好的结果。另外，本次引入的主要特征为光谱及地形因子，今后可尝试引入纹理特征因子，使遥感信息利用更加充分。

    猜你喜欢 精度因子分类 基于不同快速星历的GAMIT解算精度分析导航定位学报(2022年5期)2022-10-13热连轧机组粗轧机精度控制一重技术(2021年5期)2022-01-18山药被称“长寿因子”华人时刊(2018年17期)2018-11-19直径不超过2的无爪图的2—因子数学学习与研究(2018年7期)2018-05-16巧解难题二则山东青年(2017年11期)2018-03-29按需分类小天使·一年级语数英综合(2017年11期)2017-12-05教你一招：数的分类初中生世界·七年级(2017年9期)2017-10-13说说分类那些事少儿科学周刊·儿童版(2017年3期)2017-06-29以工匠精神凸显“中国精度”华人时刊(2016年16期)2016-04-05给塑料分分类吧少儿科学周刊·少年版(2015年3期)2015-07-07

    相关热词搜索：云南省 监测 覆盖

    • 范文大全
    • 说说大全
    • 学习资料
    • 语录
    • 生肖
    • 解梦
    • 十二星座
    最新文章

    推荐访问

    云南省 云南省2018年1月普通高中学业水平考试化学 云南省2018年7月普通高中学业水平考试化学 云南省中考查询 云南省中考题 云南省事业单位招聘网 云南省会考真题 云南省作风建设 云南省农民工劳动合同1 云南省冷链食品新冠肺炎疫情常态化防控工作指引的通知 云南省委党校党史党性教育基地 云南省建设管理条例 云南省文体局工作总结 云南省旅游市场秩序整治工作措施 云南省昆明市2019届高三教学质量检测语文 云南省昆明市2019年中考生物真题试题 云南省环保监测 云南省环境监测 云南省环境监测收费项目和收费标准 云南省纪委遴选 云南省茶产业发展行动方案 云南省财政专项扶贫资金管理办法 监测 监测中心 监测中心2020年工作述职报告 监测对象可享受的帮扶措施 监测对象帮扶手册 监测对象帮扶措施要求是什么 监测对象帮扶计划方案 监测履职尽责 监测帮扶对象什么意思 监测帮扶措施 监测户帮扶政策 监测户帮扶计划措施 监测户的后续帮扶计划 监测数据分析怎么写 监测方案内容包括记忆口诀 监测方案是什么 监测方案模板 监测方案由监测单位技术负责人审核签字并加盖公章报送 监测方案由谁编制 监测方案的内容 监测方案的制定 监测方案监理审查意见怎么写 监测站 监测系统 覆盖 覆盖率 覆盖面

    本文基于GEE云平台的2005-2019年云南省森林覆盖变化监测由百花范文网整理提供，版权归原作者、原出处所有。

    Copyright © 百花范文网 All Rights Reserved.