基于 Google Earth Engine (GEE) 的土地利用变化监测

一、引言

土地利用变化是全球环境变化的重要组成部分,对生态系统、气候和人类社会产生深远影响。利用遥感技术可以快速、准确地获取土地利用信息,监测其变化情况。本文将详细介绍如何使用 GEE 对特定区域的 Landsat 影像进行处理,实现土地利用分类和(动态)变化监测。

二、代码实现

2.1 定义研究区域

javascript 复制代码
// ------------ 1. 定义研究区(矩形范围)------------
var west = 117.50;   // 东经117°50′
var south = 30.49;   // 北纬30°49′
var east = 117.54;   // 东经117°54′
var north = 30.53;   // 北纬30°53′

// 创建研究区域
var studyArea = ee.Geometry.Rectangle([west, south, east, north]);

通过定义经纬度范围,创建了一个矩形的研究区域。

2.2 定义时间范围

javascript 复制代码
// ------------ 2. 定义时间范围(约 5 年)------------
var startDate1 = '2015-01-01';
var endDate1 = '2015-12-31';
var startDate2 = '2020-01-01';
var endDate2 = '2020-12-31';

设置了两个时间范围,分别为 2015 年和 2020 年,用于对比不同时间的土地利用情况。

2.3 加载并筛选 Landsat 影像

javascript 复制代码
// ------------ 3. 加载 Landsat 影像并筛选 ------------
function getLandsatImageCollection(startDate, endDate) {
  var collection = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
    .filterBounds(studyArea)
    .filterDate(startDate, endDate)
    .median();
  return collection.clip(studyArea);
}

var image1 = getLandsatImageCollection(startDate1, endDate1);
var image2 = getLandsatImageCollection(startDate2, endDate2);

定义了一个函数 getLandsatImageCollection,用于加载并筛选指定时间范围和研究区域内的 Landsat 8 影像,并计算影像集合的中值,最后裁剪到研究区域。

2.4 选择用于分类的波段

javascript 复制代码
// ------------ 4. 选择用于分类的波段 ------------
var bands = ['B2', 'B3', 'B4', 'B5', 'B6', 'B7'];

选择了 Landsat 8 的 6 个波段用于后续的分类。

2.5 定义训练样本

javascript 复制代码
// ------------ 5. 定义训练样本(示例,需要根据实际情况修改) ------------
// 假设我们有水体、植被、建设用地三类
var water = ee.Geometry.Point([117.51, 30.50]);
var vegetation = ee.Geometry.Point([117.52, 30.51]);
var builtup = ee.Geometry.Point([117.53, 30.52]);

var trainingPoints = ee.FeatureCollection([
  ee.Feature(water, {class: 0}),
  ee.Feature(vegetation, {class: 1}),
  ee.Feature(builtup, {class: 2})
]);

var training1 = image1.select(bands).sampleRegions({
  collection: trainingPoints,
  properties: ['class'],
  scale: 30
});

var training2 = image2.select(bands).sampleRegions({
  collection: trainingPoints,
  properties: ['class'],
  scale: 30
});

定义了三个训练样本点,分别代表水体、植被和建设用地,并将其存储在一个特征集合中。然后,从影像中提取这些样本点的波段值,用于训练分类器。

2.6 训练分类器

javascript 复制代码
// ------------ 6. 训练分类器 ------------
var classifier1 = ee.Classifier.smileRandomForest(10).train({
  features: training1,
  classProperty: 'class',
  inputProperties: bands
});

var classifier2 = ee.Classifier.smileRandomForest(10).train({
  features: training2,
  classProperty: 'class',
  inputProperties: bands
});

使用随机森林分类器对两个时间的训练数据进行训练。

2.7 进行分类

javascript 复制代码
// ------------ 7. 进行分类 ------------
var classifiedImage1 = image1.select(bands).classify(classifier1);
var classifiedImage2 = image2.select(bands).classify(classifier2);

对两个时间的影像进行分类,得到分类结果影像。

2.8 可视化结果

javascript 复制代码
// ------------ 8. 可视化 ------------
Map.centerObject(studyArea, 12);
Map.addLayer(image1, {bands: ['B4', 'B3', 'B2'], min: 0, max: 0.3}, 'Landsat 2015');
Map.addLayer(image2, {bands: ['B4', 'B3', 'B2'], min: 0, max: 0.3}, 'Landsat 2020');
Map.addLayer(classifiedImage1, {min: 0, max: 2, palette: ['blue', 'green', 'red']}, 'Classification 2015');
Map.addLayer(classifiedImage2, {min: 0, max: 2, palette: ['blue', 'green', 'red']}, 'Classification 2020');

将原始影像和分类结果影像添加到地图上进行可视化。

2.9 计算土地利用变化

javascript 复制代码
// ------------ 9. 计算土地利用变化 ------------
var changeImage = classifiedImage2.subtract(classifiedImage1);
Map.addLayer(changeImage, {min: -2, max: 2, palette: ['blue', 'white', 'red']}, 'Land Use Change');

结果展示(注意,实际上是可以动态展示的,可以自行尝试):

相关推荐
万粉变现经纪人1 小时前
如何解决 pip install 安装报错 ModuleNotFoundError: No module named ‘tokenizers’ 问题
python·selenium·测试工具·scrapy·beautifulsoup·fastapi·pip
编程武士3 小时前
从50ms到30ms:YOLOv10部署中图像预处理的性能优化实践
人工智能·python·yolo·性能优化
我的xiaodoujiao3 小时前
Windows系统Web UI自动化测试学习系列2--环境搭建--Python-PyCharm-Selenium
开发语言·python·测试工具
max5006003 小时前
基于Meta Llama的二语习得学习者行为预测计算模型
人工智能·算法·机器学习·分类·数据挖掘·llama
傻啦嘿哟6 小时前
Python SQLite模块:轻量级数据库的实战指南
数据库·python·sqlite
Q_Q5110082856 小时前
python+django/flask+uniapp基于微信小程序的瑜伽体验课预约系统
spring boot·python·django·flask·uni-app·node.js·php
XueminXu6 小时前
Python读取MongoDB的JSON字典和列表对象转为字符串
python·mongodb·json·pymongo·mongoclient·isinstance·json.dumps
techdashen6 小时前
12分钟讲解Python核心理念
开发语言·python
jie*6 小时前
小杰机器学习(nine)——支持向量机
人工智能·python·机器学习·支持向量机·回归·聚类·sklearn
闭着眼睛学算法6 小时前
【华为OD机考正在更新】2025年双机位A卷真题【完全原创题解 | 详细考点分类 | 不断更新题目 | 六种主流语言Py+Java+Cpp+C+Js+Go】
java·c语言·javascript·c++·python·算法·华为od