研究背景
海湾处于水陆交互的区域，生态系统较为脆弱，资源环境极易受损。大尺度、长时序和高精度的土地利用/覆被变化LUCC 制图是海湾区域国土空间规划和环境保护的基础。现有的制图方 法多是针对原始遥感影像，难以充分挖掘和联合利用特征空间和变换空间蕴含的信息潜力，导致传统方法在地表 异质性较高的海湾区域应用效果较差。本文面向杭州湾区域，基于Landsat长时间序列卫星影像和谷歌地球引擎 GEE （Google Earth Engine），提出了融合遥感指数和主成分分量的随机森林遥感影像分类方法，实现了1985年— 2020年 （5年时间间隔） 的LUCC制图及时空格局分析。
数据来源与研究方法
1 数据来源
本文所用的卫星遥感数据为 1985 年—2020 年 （5年时间间隔） 的Landsat地表反射率SR （Surface Reflectance） 数据集。1985年、1990年、1995年、 2005 年、2010 年的影像来自 Landsat 5 专题绘图仪 TM （Thematic Mapper），2000年影像来自Landsat 7 增强型专题绘图仪ETM+（Enhanced Thematic Mapper Plus），2015年、2020年的影像来自 Landsat 8陆地成像仪 OLI （Operational Land Imager），具体如表 1 所示。其中 TM 与 ETM+传感器的数据产品使用陆 地资源卫星生态系统扰动自适应处理系统LEDAPS （Landsat Ecosystem Disturbance Adaptive Processing System） 进行了大气校正。OLI传感器的数据产品 使用集成了美国地质调查局内部算法的地表反射率代码 LaSRC （Landsat 8 Surface Reflectance Code） 进行了大气校正。
2 研究方法
本研究面向区域特点，发展了融合遥感指数和主成分分量的随机森林分类算法，开展了土地利用分类，对杭州湾地区LUCC时空格局演变特点进行了分析，明确了各土地利用类型变化的时间趋势和空间格局。
2.1 数据选择及预处理
GEE 云平台中选择相应时相的卫星遥感数据之后，使用cloud mask开展阴影去除和云掩膜操作 。之后，使用中值滤 波法获取年际合成影像，即为整个图像堆栈的每个像素分配一个中值，从而将研究年份所有遥感图像合成为一个，得到能够清晰、完整显示研究区地表覆盖信息的遥感图像。
2.2 基于随机森林的土地利用/覆被变化信息提取
2.2.1 基于随机森林算法的分类器构建
RF 算法是一种非参数回归方法。与其他回归方法相比，RF算法不会过度拟合，不需要变量选择，且包含内置的交叉验证方法， 不需要单独的测试数据集来评估性能。此外，RF算法不对预测变量或响应变量进行分布假设，并且可以处理预测变量数量大大超过观测值数量的情况。本研究设置决策树的数量为100，其余拆分变量数、最大叶节点、随机化种子等参数均选择默认值。对于样本点，70% 用于分类器的训练，30%用于精度验证。
2.2.2 融合遥感指数和主成分分量的随机森林土 地利用分类
为了提高分类的准确性，除了地表反射率数据之外，本研究通过各类遥感指数、主成分分量等信息来提高提高分类精度。
（1） 遥感指数计算及添加
在本研究中，为了更好地学习各类别特征，将归一化植被指数 NDVI （Normalized Difference Vegetation Index）、 归 一 化 建 筑 物 指 数 NDBI （Normalized Difference Building Index），改进归一化差异水体指数MNDWI （Modified Normalized Difference Water Index） 导入合成后原始影像中，以增强各个地物类别的可区分性，提高分类准确率。各指数计算公式如下：
式中，NIR、RED、GREEN、SWIR分别表示Landsat 图像中近红外波段、红波段、绿波段和短波红外 波段的地表反射率。
（2） 主成分分析及添加
PCA 是一种将数据 从大量波段压缩到较少不相关波段的统计技术。本文中，将PCA运行后 的主成分分量添加到合成后原始影像中，并以 PCA 影像图为底图进行训练样本点的采集，以提高各个地物类别的独立性。
2.2.3 精度评价
精度评价是遥感信息提取及目标识别中必不可少的步骤，不仅能够评价结果的精度，也是评估方法性能、优化参数的参考。总体精度OA （Overall Accuracy）指被正确分类的像元数目沿着混淆矩阵的对角线分布，直接反映分类正确的比例，kappa系数则用于检验模型预测结果和实际分类结果是否一致。OA和Kappa系数的计算公式如下所示：
式中，Pc是正确分类的像素数，Pn是像素总数。r是误差矩阵中的行数和列数，xii是第 i行和第 i列中的观测数，xi+ 是第 i 行的边际总数，x+i 是第 i 列的边际总数，N是观测总数。
2.3 土地利用/覆被变化时空格局演变分析
准确认知LUCC特征及规律对于评价土地利用合理性、调整土地利用/覆被结构具有重要意义。本文统计各土地利用类型面积、面积变化量、面积变化率，使用土地转移矩阵定量分析各土地利用类型在空间尺度上的转入与转出，明确LUCC发展变化的趋势和规律。
重要图表
研究结论
本研究发展了融合遥感指数和主成分分量的随机森林算法，基于 Landsat长时间序列卫星影像和 GEE 云平台，开展了杭州湾区域 1985 年—2020 年 （5 年时间间隔） 土地利用分类研究，分析了各土地利用类型的时间趋势和空间特征，为杭州湾区域综合治理与可持续发展提供基础信息。
主要结论如下：
（1） 发展了融合遥感指数和主成分分量的随机森林遥感图像分类方法，绘制杭州湾区域1985年— 2020年间8个时相的30 m分辨率土地利用类型图， 产品平均总体精度和 Kappa 系数分别为 92.83% 和 0.9108。
（2） 研究期间内，建筑用地面积持续增加从 278.26 km2 增加至2984.76 km2 ，年均增长77.33 km2 。水体面积波动增加从509.32 km2 增加至 680.21 km2 ， 年平均增长4.88 km2 。林地面积相对平稳从2159.49 km2 减少至1881.52 km2 ，年平均减少7.94 km2 。耕地面积不断减少从6998.45 km2 减少至4800.59 km2 ，年平均减少62.80 km2 。裸地面积波动较大从768.99 km2 增长至1078.13 km2 ，年均增长8.83 km2 。滩涂面积从181.65 km2 减少至161.50 km2 ，年均减少0.58 km2 ；滩涂区域主要集中在杭州湾南岸，面积占比从 1985年的76.69%变化为2020年的85.86%。
（3） 研究期间内，杭州湾区域土地利用格局发生了重大变化。在土地流转中，耕地是最主要的转出源，总面积占比由 64.23% 减少至 41.43%。在转出方面，耕地主要转出为建设用地与裸地， 转出面积分别为2268.05 km2 和630.20 km2 。在转入方面，主要以水体与林地为主，分别为376.22 km2 和352.22 km2 。其余地物类型间的土地转移相对较小，均小于300 km2 。
杭州湾是能量集中、资源丰富、人类活动频 繁、生态环境敏感的区域，准确获取LUCC信息并 明确其时空格局演变特征能够为维持区域健康发展提供重要支撑。在影像波段中导入更多和更合适的指数以精确识别地物类型是下一步工作内容。综合考虑社会、经济、气候等因素，探测并识别杭州湾区域LUCC驱动因素是另一项工作内容。
小编说
该文章题为“长时序Landsat和GEE云平台的杭州湾土地利用/ 覆被变化时空格局演变”，于2023年发表在《遥感学报》期刊，该文面向杭州湾区域，基于Landsat 长时间序列卫星影像和 GEE 云平台，发展融合遥 感指数和主成分分量的随机森林分类算法，绘制 1985 年—2020 年 （5 年时间间隔） 的 LUCC 数据集，明确了杭州湾区域各土地利用类型的时间趋势和空间特征。该研究能为LUCC信息准确获取提供技术支撑，由此产生的杭州湾LUCC数据集对于区域可持续发展具有重要意义。
文献引用： 梁锦涛，陈超，孙伟伟，杨刚，刘志松，张自力.2023.长时序Landsat和GEE云平台的杭州湾土地利用/覆被变化时空格 局演变.遥感学报，27（6）：1480-1495
原文链接：https://www.ygxb.ac.cn/zh/article/doi/10.11834/jrs.20232614/
转自：“生态遥感前沿”微信公众号
如有侵权，请联系本站删除！
