基于GEE的东北三省城市建设用地扩张研究

作     者：王明常 刘鹏 陈学业 王凤艳 宋玉莲 刘瀚元 Wang Mingchang;Liu Peng;Chen Xueye;Wang Fengyan;Song Yulian;Liu Hanyuan

作者机构：吉林大学地球探测科学与技术学院长春130026 自然资源部城市国土资源监测与仿真重点实验室广东深圳518000 中国地质调查局西安矿产资源调查中心西安711500 

出 版 物：《吉林大学学报（地球科学版）》 (Journal of Jilin University：Earth Science Edition)

年 卷 期：2022年第52卷第1期

页      面：292-304页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：国家自然科学基金项目(42171407,42077242) 吉林省自然科学基金(20210101098JC) 自然资源部城市国土资源监测与仿真重点实验室开放基金项目(KF-2020-05-024) 吉林省教育厅“十三五”科学研究规划项目(JJKH20200999KJ) 

主　　题：GEE 特征优化 随机森林算法 建设用地扩张 驱动机制 

摘      要：根据社会经济和人口变化,基于云平台实现中高分辨率遥感影像城市建设用地的快速提取,可以高效准确地对长时间序列大范围城市建设用地扩张情况进行动态变化监测,为城市的管理和规划提供借鉴和参考。本文基于Google Earth Engine(GEE)云平台,利用NPP/VIIRS(suomi national polar-orbiting partnership/visible infrared imaging radiometer suite)年度平均夜间灯光数据和阈值分割法提取城市区域,获得3 142景覆盖东北三省城市的Landsat影像;在原始光谱波段的基础上构建指数、纹理和地形特征,利用SEaTH算法进行特征优化,根据J-M距离的取值将特征数量从20个精简到12个;在城市区域中利用随机森林(random forest,RF)算法结合最优特征对Landsat月度合成影像进行再次分类,更加精确地提取建设用地。研究结果表明,东北三省城市建设用地提取平均总体精度和Kappa系数分别为96.19%、0.92,有较高的效率和可靠性;1989—2019年东北三省城市建设用地总面积扩张49.07%,省会城市中沈阳扩张速率较快,长春次之,哈尔滨最慢;人口因素和经济因素是推动城市建设用地扩张的主要因素。