基于Google Earth Engine多源数据的耕地提取研究

作     者：林陈捷 刘振华 胡月明 彭一平 LIN Chen-jie;LIU Zhen-hua;HU Yue-ming;PENG Yi-ping

作者机构：华南农业大学资源环境学院广州510642 广东省土地信息工程技术研究中心广州510642 广东省土地利用与整治重点实验室广州510642 自然资源部建设用地再开发重点实验室广州510642 广州市华南自然资源科学技术研究院广州510642 

出 版 物：《西南农业学报》 (Southwest China Journal of Agricultural Sciences)

年 卷 期：2022年第35卷第10期

页      面：2372-2378页

学科分类：09[农学] 0903[农学-农业资源与环境] 

基　　金：国家重点研发计划(2018YFD1100801) 广东省农业科研项目和农业技术推广项目(2021KJ102)。 

主　　题：多源数据 Google Earth Engine 形态学处理 耕地提取 广州市 

摘      要：【目的】为了更好地进行耕地监测和保护,实现对耕地高效、准确的识别,针对目前利用光学数据进行耕地提取以及单机遥感图像处理的不足,基于Google Earth Engine(GEE)平台,引入雷达数据结合光学数据用于耕地提取。【方法】利用GEE平台获取研究区的sentinel-1和sentinel-2影像进行预处理,提取sentienel-1的VV、VH通道信息和sentinel-2的NDVI、NDWI、NDBI,同时使用灰度共生矩阵(GLCM)提取研究区的纹理信息,然后使用最小距离、支持向量机及随机森林3种机器学习算法对研究区进行耕地识别提取,最后通过开运算的形态学处理对耕地提取的结果进行图像后处理。【结果】以广东省广州市为例,与仅用光学数据相比,雷达数据的引入提高了耕地提取的精度,基于最小距离、支持向量机及随机森林3种算法的耕地提取总体精度分别提高0.05、0.09和0.10,其中随机森林算法提取效果最佳,总体精度达到0.85。形态学处理去除了耕地提取中提取错误的细小图斑,进一步提高了耕地提取的精度,总体精度达到0.91,Kappa为0.83。【结论】本研究基于GEE平台,引入了雷达数据并对耕地提取结果进行形态学处理,显著提高了提取精度,为大范围耕地提取提供了有效手段。