检索结果-南通市图书馆

基于Google Earth Engine和机器学习的耕地土壤有机质含量预测

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2022年第18期38卷 130-137页

作者：郭静龙慧灵何津梅新杨贵军湖北大学资源环境学院武汉430062 农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心北京100097

土壤有机质含量是耕地质量定级的依据,是耕地质量评价的核心内容之一,因此,精准高效地获取土壤有机质含量非常重要。高分辨率遥感技术和谷歌地球引擎(Google Earth Engine,gee)云计算平台的出现,为土壤有机质的高效反演提供了新的途径... 详细信息

土壤有机质含量是耕地质量定级的依据,是耕地质量评价的核心内容之一,因此,精准高效地获取土壤有机质含量非常重要。高分辨率遥感技术和谷歌地球引擎(Google Earth Engine,gee)云计算平台的出现,为土壤有机质的高效反演提供了新的途径和方法。该研究以藁城区的Sentinel-2A MSI数据和Landsat8 OLI数据为主要的数据源,结合Sentinel-1 SAR数据、ECMWF/ERA5气象数据和USGS/SRTMGL1_003高程数据,分别采用随机森林(Random Forest,RF)、梯度升级树(Gradient Boosting Decision Tree,GBDT)和支持向量机(Support Vector Machine,SVM)算法,在gee平台对藁城耕地土壤有机质含量进行反演。结果表明:1)基于Sentinel-2A建立的模型(模型A*)在预测SOM含量方面优于基于Landsat8建立的模型(模型B*),GBDT算法下的Sentinel-2A的全变量模型取得了最佳结果(R2=0.759,RMSE=2.852 g/kg);2)考虑红边波段的Sentinel-2A数据建立的模型(A-1)比不考虑红边波段的模型(A-0),R2提高了9.752%;3)从不同的预测算法来看,GBDT算法能较好地适用于研究区的土壤有机质预测,GBDT算法、Sentinel-2A与gee的结合是土壤有机质预测制图的一种有效方法。

关键词：土壤有机质数字土壤制图 GEE云平台机器学习耕地

基于gee和机器学习的河套灌区复杂种植结构识别

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2022年第6期38卷 165-174页

作者：牛乾坤刘浏黄冠华程湫雅程泳铭中国农业大学水利与土木工程学院北京100083 中国农业大学中国农业水问题研究中心北京100083 中国-以色列国际农业研究培训中心北京100083

河套灌区作为中国重要的商品粮油生产基地,准确快速地获取主要作物空间分布对灌区的农业可持续发展具有重要意义。然而,河套灌区土壤盐渍化严重,作物分布破碎散乱,生育期前后紧邻的作物在遥感影像中难以区分。因此,基于Google Earth Eng... 详细信息

河套灌区作为中国重要的商品粮油生产基地,准确快速地获取主要作物空间分布对灌区的农业可持续发展具有重要意义。然而,河套灌区土壤盐渍化严重,作物分布破碎散乱,生育期前后紧邻的作物在遥感影像中难以区分。因此,基于Google Earth Engine(gee)云计算平台,采用Sentinel-2遥感数据提取作物种植结构,通过引入GlobeLand30地物分类数据集、红边植被特征和作物纹理特征,利用随机森林、支持向量机、朴素贝叶斯和分类回归树4种分类器,探讨了不同分类特征及分类器组合对分类精度的影响。结果表明,使用全部特征波段时,随机森林的分类效果优于另外3种分类算法,灌区平均总体精度达到81%,Kappa系数达到0.68;在作物空间分布提取中,光谱特征对分类精度起决定性作用,基于红边波段计算得到的植被指数比其他常用遥感植被指数更有优势;进行波段优选后的光谱、植被和纹理特征方案是平均分类精度最高的组合,平均精度为86%。研究结果可为复杂种植结构地区准确快速获取农作物空间分布信息提供新的思路和可靠的参考方法。

关键词：遥感机器学习 GEE云平台作物识别特征优选河套灌区

1985—2020年京津冀平原水面面积演变特征及归因分析

在线全文

学校读者我要写书评

暂无评论

水利学报 2023年第4期54卷 451-460页

作者：王庆明张越窦鹏赵勇李恩冲马梦阳流域水循环模拟与调控国家重点实验室中国水利水电科学研究院北京100038 水利部水利水电规划设计总院北京100120 北京市水科学技术研究院北京100048

在国家复苏河湖生态环境的要求下,分析京津冀平原区长序列水面面积变化特征及变化原因,有助于科学制定区域生态补水量及预测补水效果。研究通过3期土地利用数据融合确定了京津冀平原区的水域面积,基于gee(Google Earth Engine)云平台提... 详细信息

在国家复苏河湖生态环境的要求下,分析京津冀平原区长序列水面面积变化特征及变化原因,有助于科学制定区域生态补水量及预测补水效果。研究通过3期土地利用数据融合确定了京津冀平原区的水域面积,基于gee(Google Earth Engine)云平台提取了1985—2020年京津冀平原区长序列水面面积,并分析了水域面积填充率及水面面积演变原因。结果表明,京津冀平原区水面面积呈增加趋势,与1985年相比,2020年中部平原区水域面积填充率由3.6%增加到18.5%,滨海平原区水域面积填充率由30%增加到45%;生态补水是河湖水面面积增加的主要原因,2020年较2001年中部平原区水面面积增加了176 km 2,本地和南水北调生态补水的贡献占到84%。进一步以河湖复苏为目标,从水域面积填充率的角度设置了不同情景,分别估算了不同情景下的河湖生态需水量,为未来生态补水计划提供参考。研究成果系统分析了京津冀平原区水面现状及生态补水的效果,对京津冀平原区开展合理河湖复苏措施具有重要意义。

关键词：水域面积水面面积 GEE云平台填充率生态补水

基于gee的土地利用变化对生态服务价值影响研究——以大连市为例

在线全文

学校读者我要写书评

暂无评论

环境科学学报 2024年

作者：栾诗萌马书明大连理工大学环境学院工业生态与环境工程教育部重点实验室

以大连市为研究区域，探讨短时间间隔（3年间隔）下土地利用类型变化对生态系统服务价值的影响.基于Google Earth Engine(gee)云平台提供的Landsat TM/OL数据集，经批量筛选去云、遥感数据叠加、随机森林分类算法和精度验证，解译得出2... 详细信息

以大连市为研究区域，探讨短时间间隔（3年间隔）下土地利用类型变化对生态系统服务价值的影响.基于Google Earth Engine(gee)云平台提供的Landsat TM/OL数据集，经批量筛选去云、遥感数据叠加、随机森林分类算法和精度验证，解译得出2000—2021年共11期大连市不同时间间隔土地利用数据.通过当量因子法、时空调节因子价值修订、变异系数及敏感性分析等方法进一步分析了研究区生态服务价值分布及动态变化特征.结果表明：(1)大连市的土地利用类型在短时间间隔内出现明显的差异，森林和城镇用地的变化速度更快，草地的变化趋势不一致.(2)大连市生态系统服务价值持续上升主要受农田生态系统的农作物产值影响.森林和水域是首要的生态系统服务价值贡献者，在短时间间隔下，水体的生态系统服务表现出更高的动态变化速率，尤其是水文调节、气候调节和环境净化服务功能价值变化幅度较大.(3)基于GEE云平台进行短时间间隔下的生态系统服务价值研究具有显著优势，适用于地貌变化频繁的城市，可为管理决策提供充分、及时的参考.

关键词：短时间间隔 GEE云平台土地利用变化生态系统服务价值大连市

基于GEE云平台的黄河源区河流径流量遥感反演研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

遥感技术与应用 2022年第1期37卷 186-195页

作者：史宜梦刘希胜朱文彬宋宏利河北工程大学地球科学与工程学院河北邯郸056038 青海省水文水资源测报中心青海西宁810001 中国科学院地理科学与资源研究所北京100101

河流径流量是陆地上最重要的水文要素之一,准确获取径流信息对于区域的水资源评价和生态修复方面都具有重要作用。研究基于Google Earth Engine(gee)云平台提供的Sentinel-1、Sentinel-2影像数据,结合数字高程模型(DEM)对河长、河宽、... 详细信息

河流径流量是陆地上最重要的水文要素之一,准确获取径流信息对于区域的水资源评价和生态修复方面都具有重要作用。研究基于Google Earth Engine(gee)云平台提供的Sentinel-1、Sentinel-2影像数据,结合数字高程模型(DEM)对河长、河宽、糙率、比降、河深和流速等水力学参数进行遥感估算,进而采用关系拟合法与改进的曼宁公式法对黄河源区唐乃亥站点附近河段进行径流量反演研究,探讨了河段长度差异对径流量反演精度的影响,并通过建立站点河段与上下游河段之间的河宽关系,实现了对站点河段径流量监测时间序列的扩展补充。结果表明,两种模型均能有效进行径流量的模拟估算,其纳什效率系数(NSE)均在0.80以上;关系拟合法与改进的曼宁公式法径流反演的均方根误差(RMSE)分别为233.431 m^(3)s^(-1)和271.704 m^(3)s^(-1),相对均方根误差(RRMSE)分别为16%和24%,关系拟合法反演精度总体优于改进的曼宁公式法。通过对不同长度河段径流量的反演结果对比分析发现,辫状河心滩的河宽估算在汛期存在较大的不确定性,进而影响径流反演精度,在河段选择时应予以规避;站点河段与上下游河段的平均河宽之间具有强烈的相关性,相关系数均在0.96以上,因此上下游河段的影像数据可为站点河段径流量反演提供重要补充,实现目标河段径流量的加密监测。

关键词：径流量反演 GEE云平台水体指数 Sentinel-1 Sentinel-2

基于gee平台和多维特征优选的粮食作物提取——以西辽河流域为例

在线全文

学校读者我要写书评

暂无评论

江苏农业科学 2023年第21期51卷 200-208页

作者：王振兴刘东王敏中国科学院大学资源与环境学院北京100049

快速准确地掌握作物种植类型和布局,对农业生产和管理具有重要意义。选取西辽河流域为研究区,基于Google Earth Engine(gee)云平台,以Landsat和MODIS影像作为数据源,构建时序NDVI、物候参数、光谱指数、反射率及地形因子等多维特征。分... 详细信息

快速准确地掌握作物种植类型和布局,对农业生产和管理具有重要意义。选取西辽河流域为研究区,基于Google Earth Engine(gee)云平台,以Landsat和MODIS影像作为数据源,构建时序NDVI、物候参数、光谱指数、反射率及地形因子等多维特征。分别采用随机森林、支持向量机、分类回归树等方法,对比不同特征和分类器组合,选择优选特征和随机森林分类器,完成西辽河流域玉米、大豆和水稻的提取。结果表明,基于gee平台可快速构建作物识别的多维特征,进一步利用递归消除随机森林优选特征,当加入重要性前30位特征参数时,总体精度可基本达到最高。选择优选特征组合并基于随机森林模型进行训练分类,可以实现高效率、高精度的作物空间分布制图。在验证指标中总体精度、κ系数、统计R2等验证指标均大于0.9,说明作物识别精度较高。西辽河流域农作物主要沿河流两侧呈条带状分布,玉米是最主要的农作物类型,大豆、水稻种植面积较少。

关键词：西辽河流域 GEE云平台多维特征作物识别种植结构

基于GEE云平台的祁连山区土地覆盖分类算法比较研究

在线全文

学校读者我要写书评

暂无评论

基于GEE云平台的祁连山区土地覆盖分类算法比较研究

作者：杨彦鹏西北师范大学

学位级别：硕士

由于自然过程和人类活动的综合影响,全球土地覆盖正在迅速变化,准确可靠的土地覆盖数据必不可少,它对农业、环境保护和全球变化等领域的科学研究提供了基本信息。祁连山区（QLM）是河西走廊的重要淡水来源,维持了河西走廊地区的淡水平... 详细信息

由于自然过程和人类活动的综合影响,全球土地覆盖正在迅速变化,准确可靠的土地覆盖数据必不可少,它对农业、环境保护和全球变化等领域的科学研究提供了基本信息。祁连山区（QLM）是河西走廊的重要淡水来源,维持了河西走廊地区的淡水平衡和绿洲稳定,平均海拔高,且地貌特征复杂,是我国西部重要的生态屏障。高精度土地覆盖数据产品是准确检测和评估祁连山区生态服务功能的基础数据。为了研究祁连山区的土地覆盖情况以及测试基于Google Earth Engine（gee）云平台的土地覆盖制图中不同机器学习遥感分类算法的性能,本研究使用了Sentinel-1和Sentinel-2等高空间分辨率遥感图像和数字高程数据,使用支持向量机（SVM）、分类回归树（CART）和随机森林（RF）三种机器学习遥感分类算法对祁连山区的土地覆盖类型进行监督分类。其次,本研究对比分析了不同遥感分类算法的分类精度,进一步详细分析了不同特征参数对土地覆盖分类结果精度的影响。最后,将本研究所得出的10m空间分辨率的祁连山区土地覆盖分类图与已有的土地覆盖分类产品数据集进行对比。具体结论如下:（1）使用SVM、CART和RF等三种遥感分类算法可以实现祁连山区高空间分辨率的土地覆盖制图。不同遥感分类算法的分类结果在土地覆盖类型的比例和分布特征上具有较高的一致性。（2）三种机器学习分类算法的总体精度（OA）均达到95%以上,这表明三种分类算法均适用于大面积、高海拔地区的高空间分辨率图像分类。其中,RF的OA平均值为96.51%,Kappa系数为0.95,SVM和CART的OA平均值分别为94.67%和94.50%,Kappa系数分别为0.92和0.91。这表明相较于SVM和CART,RF分类器可以更准确地识别和分类祁连山区的土地覆盖类型。（3）将不同特征变量输入分类器进行分类时,所得到的分类结果的OA是不同的,其中大部分特征变量的参与对三种分类算法的分类精度的提高有积极的作用。不同特征空间组合对不同土地覆盖类型的生产者精度（PA）和用户精度（UA）的影响也存在差异。林地、草地、水体、未利用地和冰川积雪等土地覆盖类型的PA值和UA值都比较高,且受特征空间组合的影响小。而耕地、灌木、湿地以及建筑用地受到了参与分类的特征空间组合不同程度的影响,但大多为积极影响。（4）不同特征变量对分类的贡献不同。其中包括高程、坡度、坡向和山体阴影在内的地形特征的重要性分数较高,其次是包括VV和VH在内的雷达特征,而光谱波段、光谱指数和纹理特征的重要性得分相对较低。（5）使用相同的样本数据集随机生成的验证数据集评估了已有的几类土地覆盖产品的精度,可以得出本研究所得的土地覆盖产品的分类精度均高于FROM-GLC30、FROM-GLC10、LCD-QLM（V2.0）和Globe Land30等数据产品在祁连山区的土地覆盖图。因此,本研究得到的祁连山区10m空间分辨率土地覆盖图的分类效果优于现有的高分辨率土地覆盖产品。本研究的研究结果为祁连山区的其他相关研究提供了科学依据,也为高空间分辨率土地覆盖分类和大面积制图提供了参考。

关键词：土地覆盖祁连山区 Sentinel-2 GEE云平台机器学习

基于时序Sentinel-2A影像的玉米秸秆覆盖区智能识别研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

光谱学与光谱分析 2022年第6期42卷 1948-1955页

作者：陶万成张颖谢茈萱王新盛董镱张明政苏伟李佳雨轩阜中国农业大学土地科学与技术学院北京100083 农业农村部农业灾害遥感重点实验室北京100083

秸秆还田是减少土壤侵蚀、增加土壤有机碳的重要措施,对黑土地保护具有重要意义。区域范围内玉米秸秆覆盖区的准确、快速识别,对监测保护性耕作实施、农业补贴政策的制定具有重要作用。以实施保护性耕作的典型区吉林省四平市为研究区,基... 详细信息

秸秆还田是减少土壤侵蚀、增加土壤有机碳的重要措施,对黑土地保护具有重要意义。区域范围内玉米秸秆覆盖区的准确、快速识别,对监测保护性耕作实施、农业补贴政策的制定具有重要作用。以实施保护性耕作的典型区吉林省四平市为研究区,基于gee(google earth engine)云平台,结合2020年5月-11月的Sentinel-2时序遥感影像,依据玉米生长季和收获后的秸秆状态构建光谱特征和指数特征,指数特征包括归一化差值植被指数(NDVI)和归一化差值秸秆指数(NDRI)。为避免数据冗余,对时序特征值按大小排序,同时利用分位法以0%,25%,50%,75%,100%分位选取分位(QT)特征,进而构建数据集。应用参数优化后的随机森林方法对按照7∶3划分的样本集进行训练和验证,然后对数据集分类,结合连通域标定法去除分类过程中产生的细小连通域,进一步优化全局结果。通过Kappa和整体精度(OA)定量和定性评价,实验结果表明:(1)基于不同特征集组成数据集的分类模型(M1/M2/M3/M4/M5)定量评价结果均优于90%,其中所设计数据集的分类模型M5效果最好,Kappa和OA分别为97.41%和97.91%,相比于未加入QT特征集的分类模型M2的Kappa和OA分别提升4.52%和3.64%,同时M5识别结果可以有效保留边缘细节信息;(2)针对不同时间尺度的QT特征集,利用5月-11月时序遥感影像的QT特征集分类模型M5_6/M5可以极大地抑制其他作物秸秆的影响,相比仅利用11月时序影像QT特征的M5_1模型分类结果的Kappa和OA分别提升了3.9%和3.12%;(3)基于M5模型,结合连通域标定法的分类模型M6的Kappa和OA分别为96.76%和97.36%,仅次于M5模型识别结果,模型M6在保证较高精度的同时避免了细碎图斑,优化了分类可视化效果。该研究提出的M6模型适用于识别研究区玉米秸秆覆盖区,该方法能够在GEE云平台环境下快速执行,适合推广应用于东北地区秸秆覆盖区。

关键词：秸秆覆盖区 GEE云平台时序Sentinel-2A影像随机森林连通域

基于gee的黄土高原土壤水蚀算法构建及评估

在线全文

学校读者我要写书评

暂无评论

基于GEE的黄土高原土壤水蚀算法构建及评估

作者：丁晓彤西北农林科技大学

学位级别：硕士

黄土高原水土流失问题制约着黄河流域的生态保护和高质量发展。2000年以来,为了控制黄土高原水土流失,我国先后实施了一系列重大生态建设工程,如退耕还林（草）工程、梯田和淤地坝建设等,使得黄土高原生态环境恶化的局面有了极大的改善... 详细信息

黄土高原水土流失问题制约着黄河流域的生态保护和高质量发展。2000年以来,为了控制黄土高原水土流失,我国先后实施了一系列重大生态建设工程,如退耕还林（草）工程、梯田和淤地坝建设等,使得黄土高原生态环境恶化的局面有了极大的改善。我国目前应用较为广泛的两种土壤侵蚀评估方法是土壤侵蚀遥感调查“三因子”法和中国土壤侵蚀方程（CSLE）“七因子”法,但调查土壤侵蚀的方式不一样,其结果也难以统一和对比。gee遥感云平台拥有海量的影像数据和强大的云运算功能,大大提高了区域和全球尺度研究的工作效率。因此,本文基于gee遥感云平台,应用“三因子”法和“七因子”法,评估1986-2020年黄土高原土壤侵蚀面积、强度以及空间分布特征,对比及评估两者结果的差异性,取得以下主要结果:（1）基于“三因子”法,黄土高原水土流失面积约占总面积的55%。基于“七因子”法,采用遥感数据CHIRPS降雨资料,得到黄土高原水土流失面积约占总面积的43%;采用气象站降雨资料,得到黄土高原水土流失面积约占总面积的35%。（2）基于“三因子”法和“七因子”法,1986-2020年黄土高原水土流失面积年际变化呈逐渐减小趋势。在空间变化上,采用“三因子”法,结果表明强烈土壤侵蚀强度分布区域向中轻度侵蚀强度转变;基于“七因子”法,采用CHIRPS降雨资料,结果表明黄土高原退耕还林（草）政策实施前,强烈土壤侵蚀强度分布区域面积增大;退耕还林（草）政策实施后,强烈土壤侵蚀强度分布区域土壤侵蚀面积呈显著减小趋势;采用气象站降雨数据,强烈土壤侵蚀强度分布区域土壤侵蚀面积呈显著减小趋势。（3）1986-2020年黄土高原极强烈、剧烈侵蚀的地区主要分布在陕西安塞、绥德,山西吕梁山脉一带,甘肃东部等地区;中度、强烈土壤侵蚀分布在陕西北部,甘肃西部,宁夏南部,山西忻州、晋中,河南郑州以及青海海东等地区;微度、轻度土壤侵蚀主要分布在内蒙古,陕西南部,宁夏北部,甘肃景泰、天水、白银,河南灵宝,山西大同、朔州等地区。土壤侵蚀强度变化最大区域集中分布在黄土丘陵沟壑区。（4）“七因子”法比“三因子”法考虑了更多影响水土流失的因素,但两种模型各有优势,“三因子”法综合了影响土壤侵蚀因子最重要的三个因素,一定程度上反映了特定地区潜在的水土流失状况,对于指导水土流失治理与规划具有重要的意义;“七因子”法综合了更多影响土壤侵蚀的因素,比“三因子”法多考虑了降雨因素、土壤因素、水土保持措施,可直接用于土壤侵蚀的定量评估。

关键词：土壤侵蚀 GEE云平台土壤侵蚀遥感调查 CSLE模型