近年來遙感技術得到了突飛猛進的發(fā)展，航天、航空、臨近空間等多遙感平臺不斷增加，數(shù)據(jù)的空間、時間、光譜分辨率不斷提高，數(shù)據(jù)量猛增，遙感數(shù)據(jù)已經(jīng)越來越具有大數(shù)據(jù)特征。遙感大數(shù)據(jù)的出現(xiàn)為相關研究提供了前所未有的機遇，同時如何處理好這些數(shù)據(jù)也提出了巨大的挑戰(zhàn)。傳統(tǒng)的工作站和服務器已經(jīng)無法勝任大區(qū)域、多尺度海量遙感數(shù)據(jù)處理的需要。

以Earth Engine（GEE）為代表全球尺度地球科學數(shù)據(jù)（尤其是衛(wèi)星遙感數(shù)據(jù)）在線可視化計算和分析云平臺應用越來越廣泛。該平臺存儲和同步遙感領域目前常用的MODIS、Landsat和Sentinel等衛(wèi)星影像、氣候與天氣、地球物理等方面的數(shù)據(jù)集超過60PB，同時依托全球上百萬臺超級服務器，提供足夠的運算能力對這些數(shù)據(jù)進行處理。相比于ENVI等傳統(tǒng)的遙感影像處理工具，GEE在處理海量遙感數(shù)據(jù)方面具有不可比擬的優(yōu)勢，一方面提供了豐富的計算資源，另一方面其巨大的云存儲節(jié)省了科研人員大量的數(shù)據(jù)下載和預處理的時間，是遙感數(shù)據(jù)的計算和分析可視化方面代表世界該領域最前沿水平，是遙感領域的一次革命。

GEE遙感云大數(shù)據(jù)在林業(yè)中的應用與典型案例

第一部分：GEE實踐篇

一、初識GEE及開發(fā)平臺

1. GEE平臺及典型應用案例介紹；

2. GEE JavaScript開發(fā)環(huán)境及常用數(shù)據(jù)資源介紹；

3. JavaScript基礎，包括變量，運算符，數(shù)組，判斷及循環(huán)語句等；

4. GEE遙感云重要概念與典型數(shù)據(jù)分析流程。

5. 初識GEE JavaScript對象和平臺上手

• 影像與影像集

• 幾何體、要素與要素集

• 日期、字符、數(shù)字

• 數(shù)組、列表、字典

• 影像/影像集、要素/要素集數(shù)據(jù)查詢、時空過濾、可視化、屬性查看等

• 主要對象最常用API介紹

程序調試與誤區(qū)提醒

二、 影像大數(shù)據(jù) 處理基礎

1. 關鍵知識點講解

• 影像數(shù)學運算、關系/條件/布爾運算、形態(tài)濾波、紋理特征提取等

• 影像掩碼，裁剪和鑲嵌

• 集合對象的循環(huán)迭代（map/iterate）

• 集合對象聯(lián)合（Join）

• 再談數(shù)組及數(shù)組影像

• 影像面向對象分析

2. 主要功能串講與演練

• Landsat/Sentinel-2影像批量去云

• Landsat/Sentinel-2傳感器歸一化、植被指數(shù)計算與Tasseled cap變換等

時間序列光學影像的平滑與空間插值

三 、數(shù)據(jù)整合Reduce

1、關鍵知識點講解

• 影像與影像集整合，如指定時窗的年度影像合成

• 影像區(qū)域統(tǒng)計與領域統(tǒng)計，分類后處理

• 要素集屬性列統(tǒng)計

• 柵格與矢量的相互轉換

• 分組整合與區(qū)域統(tǒng)計

• 影像集、影像和要素集的線性回歸分析

2、主要功能串講與演練

• 研究區(qū)可用Landsat影像的數(shù)量和無云觀測數(shù)量的統(tǒng)計分析

• 中國區(qū)域年度NDVI植被數(shù)合成及年度最綠的DOY時間查找

國家尺度30年尺度的降雨量時空變化趨勢分析

四 、云端數(shù)據(jù)可視化

1、關鍵知識點講解

• 要素與要素集屬性制圖（條形圖、直方圖、堆積柱形圖、散點圖等）

• 影像制圖（區(qū)域統(tǒng)計、分類圖、直方圖、散點圖、線型圖，餅圖等）

• 影像集制圖（樣點時間序列圖、區(qū)域統(tǒng)計時間序列圖等）

• 數(shù)組與鏈表制圖（散點圖、樣線圖等

• 圖形風格和屬性設置

2、主要功能串講與演練

• 基于MODIS時間序列影像的不同地表植被物候分析與制圖

基于Hansen產(chǎn)品的年度森林時空變化分析與專題圖繪制

五、數(shù)據(jù)導入導出 及資產(chǎn)管理

1、關鍵知識點講解

• 不同矢量數(shù)據(jù)上傳個人資產(chǎn)

• 影像數(shù)據(jù)上傳個人資產(chǎn)、屬性設置等

• 影像批量導出（Asset和Driver）

• 矢量數(shù)據(jù)導出（Asset和Driver）

• 統(tǒng)計分析結果導出

2、主要功能串講與演練

• 中國通量站點數(shù)據(jù)上傳與顯示，站點基本氣象和地形等數(shù)據(jù)導出

年度影像合成批量導出或下載到個人Asset或Driver平臺

六、機器學習算法

1、關鍵知識點講解

• 樣本抽樣（隨機抽樣、分層隨機抽樣）

• 監(jiān)督分類算法（隨機森林、CART、貝葉斯、SVM、決策樹等）

• 非監(jiān)督分類算法（wekaKMeans、wekaLVQ等）

• TensorFlor模型

• 分類精度評估

2、主要功能串講與演練

• 聯(lián)合光學與雷達時間序列影像的森林動態(tài)監(jiān)測

水體自動提取與洪澇監(jiān)測研究

七、專題練習與回顧

1、以一個完整的土地利用分類案例來回顧GEE的主要功能。包含不同地面樣本準備、多源遙感影像預處理、算法開發(fā)、分類后處理、精度評估和空間統(tǒng)計分析與制圖等環(huán)節(jié)

學員征集案例講解與答疑

2、GEE代碼優(yōu)化、常見錯誤與調試總結

第二部分：GEE遙感云大數(shù)據(jù)在林業(yè)中的應用與典型案例

一 、初識GEE及 開發(fā)平臺

• GEE平臺及典型應用案例介紹；

• GEE開發(fā)環(huán)境及常用數(shù)據(jù)資源介紹；

• JavaScript基礎簡介；

• Python-GEE環(huán)境搭建；

• GEE遙感云重要概念與典型數(shù)據(jù)分析流程；

GEE基本對象介紹、矢量和柵格對象可視化、屬性查看，API查詢、基本調試等平臺上手。

二 、GEE基礎知識

• 影像基本運算與操作：數(shù)學運算、關系/條件/布爾運算、形態(tài)濾波、紋理特征提取；影像掩碼、裁剪和鑲嵌等；

• 要素基本運算與操作：幾何緩沖區(qū)，交、并、差運算等；

• 集合對象操作：循環(huán)迭代（map/iterate）、合并Merge、聯(lián)合（Join）；

• 數(shù)據(jù)整合Reduce：包括影像與影像集整合，影像合成、影像區(qū)域統(tǒng)計與域統(tǒng)計，分組整合與區(qū)鄰域統(tǒng)計，影像集線性回歸分析等；

• 機器學習算法：包括監(jiān)督（隨機森林、CART、SVM、決策樹等）與非監(jiān)督（wekaKMeans、wekaLVQ等）分類算法，分類精度評估等；

• 數(shù)據(jù)資產(chǎn)管理：包括本地端矢量和柵格數(shù)據(jù)上傳、云端矢量和柵格數(shù)據(jù)下載、統(tǒng)計結果數(shù)據(jù)導出等；

繪圖可視化：包括條形圖、直方圖、散點圖、時間序列等圖形繪制。

三 、重要知識點微型案例串講

6. Landsat、Sentinel-2影像批量自動去云和陰影

7. 聯(lián)合Landsat和Sentinel-2批量計算植被指效和年度合成

8. 研究區(qū)可用影像數(shù)量和無云觀測數(shù)量統(tǒng)計分析

9. 中國區(qū)域年度NDVI植被數(shù)合成及年度最綠DOY時間查找

10. 時間序列光學影像數(shù)據(jù)的移動窗口平滑

11. 分層隨機抽樣及樣本導出、樣本本地評估與數(shù)據(jù)上傳云端

12. 中國近40年降雨量變化趨勢分析

某區(qū)域年度森林損失統(tǒng)計分析（基于Hansen森林產(chǎn)品）

案例一：聯(lián)合多源遙感數(shù)據(jù)的森林識別

詳細介紹聯(lián)合Landsat時間序列光學影像和PALSAR-2雷達數(shù)據(jù)，以及決策樹算法實現(xiàn)森林等典型地類遙感分類的完整流程。專題涉及影像數(shù)據(jù)時空過濾、光學影像批量云掩膜與植被指數(shù)計算；分層隨機抽樣及樣本導出、本地端質量控制與云端上傳、樣本隨機切分、可分離性分析、分類算法構建及應用、分類后處理和精度評估，專題圖繪制等。

案例二：長時間尺度的森林 狀態(tài)監(jiān)測

利用長時間序列的MODIS或Landsat影像數(shù)據(jù)，對森林狀態(tài)進行長期監(jiān)測，分析森林植被綠化或褐變情況。專題涉及時間序列影像預處理、影像集連接、影像合成、變化趨勢非參數(shù)檢測、顯著性檢驗和變化趨勢量化與分級、空間統(tǒng)計和結果可視化和專題圖繪制等。

案例三：森林砍伐與退化監(jiān)測

聯(lián)合Landsat系列影像，光譜分離模型和NDFI歸一化差值分數(shù)指數(shù)實現(xiàn)森林的砍伐和退化監(jiān)測。專題涉及影像預處理、混合像元分解、NDFI指數(shù)計算、函數(shù)封裝、變化檢測和強度分級，結果可視化、專題圖繪制等。

案例四：森林火災監(jiān)測

詳細介紹利用Landsat和Sentinel-2時間序列光學遙感影像，監(jiān)測森林火災損失情況，實現(xiàn)火災強度分級。專題涉及影像過濾、Landsat和Sentinel-2光學影像除云等預處理、植被指數(shù)計算、影像合成、火災區(qū)域識別和災害強度分級，結果統(tǒng)計分析與可視化等。

案例五：長時間尺度的森林擾動監(jiān)測

聯(lián)合30年的Landsat等光學影像和經(jīng)典LandTrendr算法實現(xiàn)森林擾動的監(jiān)測。專題涉及長時間序列遙感影像預處理、植被指數(shù)批量計算、年度影像合成、數(shù)組影像概念和使用方法、LandTrendr算法原理及參數(shù)設置、森林擾動結果解譯與空間統(tǒng)計分析、可視化及專題圖繪制等。

案例六：森林關鍵生理參數(shù) （樹高、生物量/碳儲量）反演

聯(lián)合GEDI激光雷達、Landsat/Sentinel-2多光譜光學影像、Sentinel-1 /PALSAR-2雷達影像等和機器學習算法反演森林的關鍵物理參數(shù)，如樹高、生物量/碳儲量。專題涉及GEDI激光雷達數(shù)據(jù)介紹、常見光學和雷達數(shù)據(jù)處理、機器學習算法應用、反演精度評估和變量重要性分析、結果可視化等內容。

點擊查看原文