匡子藝,江 輝,趙心如

(南昌工程學(xué)院 鄱陽湖流域水工程安全與資源高效利用國家地方聯(lián)合工程實(shí)驗(yàn)室,江西 南昌 330099)

0 引 言

中國水資源具有人均占有量少、時(shí)空分布不均、水土資源不匹配、人類活動影響顯著等特點(diǎn),加上經(jīng)濟(jì)社會快速發(fā)展造成水資源供需矛盾突出,水資源態(tài)勢十分嚴(yán)峻[1],因此對水體的研究顯得尤為重要。遙感具有時(shí)間跨度大、重返周期短、監(jiān)測準(zhǔn)確度高和信息量充足等優(yōu)勢,是目前水體信息提取的重要手段。隨著衛(wèi)星技術(shù)的迅速發(fā)展,衛(wèi)星遙感數(shù)據(jù)量急劇膨脹,遙感數(shù)據(jù)已具備明顯的大數(shù)據(jù)特征:遙感數(shù)據(jù)的空間分辨率不斷提高,由過去的百米、千米級分辨率逐步提高到現(xiàn)在的亞米級[2];衛(wèi)星重訪周期不斷縮短,從過去幾十天一次提高到現(xiàn)在的幾天、甚至一天內(nèi)多次重訪的程度。隨著遙感數(shù)據(jù)分辨率的提高,人們對精度提取有了更高的要求。Jiang等[3]利用Sentinel-2高分辨率衛(wèi)星,開發(fā)了一種SWI新型水指數(shù),結(jié)果表明,結(jié)合SWI和Otsu能以較高的精確度提取各種水體類別;Zhang等[4]基于ZhuHai-1高光譜(OHS)像素指數(shù),實(shí)現(xiàn)了地表水的半自動提取,總體精度在98.8%以上,提取性能優(yōu)于水指數(shù)(WI)、卷積神經(jīng)網(wǎng)絡(luò)(VFCN)或支持向量機(jī)(SVM)。但運(yùn)用高分辨率衛(wèi)星過程繁瑣,面臨海量數(shù)據(jù)的處理及預(yù)處理、跨尺度的分析、多平臺交替使用等巨大挑戰(zhàn)。

為應(yīng)對這一挑戰(zhàn),GEE平臺應(yīng)運(yùn)而生。中國傳統(tǒng)遙感大數(shù)據(jù)平臺,如自然資源衛(wèi)星遙感云平臺、地理空間數(shù)據(jù)云、地理國情監(jiān)測云平臺等,均是采用影像下載,本地處理及存儲的方式,而GEE云平臺提供了預(yù)處理及原始影像,且基于云端的處理方式和云盤存儲省去了繁瑣的前期工作和計(jì)算機(jī)空間,從而節(jié)約了成本;國外遙感大數(shù)據(jù)平臺,如美國地質(zhì)調(diào)查局(USGS)需要安裝Java,并且下載速度受限;歐空局ESA哨兵數(shù)據(jù)庫僅能下載哨兵影像數(shù)據(jù),數(shù)據(jù)類型不夠全面,而GEE云平臺集成了多種常用遙感數(shù)據(jù)集以及不透水面積、降水量和數(shù)字高程等常見的地理空間數(shù)據(jù)集。GEE云平臺中的全球水體數(shù)據(jù)(JRC)、全球降水量數(shù)據(jù)(GPM)、水體指數(shù)算法等也為GEE進(jìn)行水信息監(jiān)測提供了大量的數(shù)據(jù)支持和算法支撐。云平臺中產(chǎn)品、算法的不斷完善,文檔的不斷豐富,用戶量的不斷增多,也使得在將來利用GEE平臺進(jìn)行多尺度地理及遙感數(shù)據(jù)的處理和分析成為趨勢[5]。

本文對GEE平臺的架構(gòu)體系和開發(fā)界面進(jìn)行介紹,在查閱相關(guān)文獻(xiàn)的基礎(chǔ)上,分別介紹了GEE平臺在水體提取方法、水域面積監(jiān)測、水域地物分類、洪水災(zāi)害監(jiān)測和水質(zhì)監(jiān)測5個(gè)方面的研究進(jìn)展,并以鄱陽湖為例,分別作了實(shí)例應(yīng)用,最后分析和討論了GEE平臺在水信息監(jiān)測研究中的優(yōu)勢和不足之處。

1 GEE平臺簡介

1.1 GEE平臺的架構(gòu)體系

用戶在地理云計(jì)算平臺提供的在線編輯器以及第三方應(yīng)用Web Apps上編寫代碼;點(diǎn)擊Run運(yùn)行后編輯器會將編寫的代碼通過Web REST APIs向系統(tǒng)發(fā)送請求;云計(jì)算平臺接收到代碼后會根據(jù)代碼的邏輯將其分配到不同的服務(wù)器上操作;顯示的邏輯經(jīng)過后臺計(jì)算后返回給編輯器地圖界面顯示,同時(shí)將結(jié)果輸出到輸出窗口;異步導(dǎo)出的邏輯會生成相關(guān)導(dǎo)出任務(wù),然后在后臺異步執(zhí)行直至任務(wù)導(dǎo)出結(jié)束,相關(guān)結(jié)果會根據(jù)設(shè)置導(dǎo)出到云端硬盤中(圖1)。

圖1 系統(tǒng)運(yùn)行架構(gòu)

1.2 GEE平臺的開發(fā)界面

GEE平臺的整個(gè)開發(fā)界面分為腳本文件存放區(qū)、代碼編輯區(qū)、輸出控制臺以及地圖展示4大部分(圖2)。

圖2 GEE平臺界面

1.3 GEE平臺數(shù)據(jù)集

GEE云平臺是一個(gè)基于Google 云服務(wù)基礎(chǔ)設(shè)施的遙感大數(shù)據(jù)分析平臺,它結(jié)合了Google 強(qiáng)大的云計(jì)算能力與美國國家航空航天局(NASA),歐空局(ESA),美國國家海洋和大氣管理局(NOAA)等機(jī)構(gòu)的空間數(shù)據(jù)。GEE云平臺自2015年公測上線至今,已有超過40 a的Landsat系列衛(wèi)星影像、Sentinel-1/2/3/5衛(wèi)星遙感數(shù)據(jù)、MODIS中分辨率遙感影像數(shù)據(jù)、高分辨率航空遙感影像(僅覆蓋美國本土)、基礎(chǔ)地理信息數(shù)據(jù)、地表覆蓋數(shù)據(jù)、耕地?cái)?shù)據(jù)、NDVI數(shù)據(jù)、EVI數(shù)據(jù)等,共計(jì)超過200個(gè)公共數(shù)據(jù)集、500多萬張影像。通過查閱相關(guān)文獻(xiàn),統(tǒng)計(jì)了用于水體提取的使用率最高的幾類遙感數(shù)據(jù)集,見表1。

表1 Google Earth Engine用于水體提取的常用遙感數(shù)據(jù)集

2 研究進(jìn)展及應(yīng)用

隨著遙感大數(shù)據(jù)的發(fā)展,海量的遙感影像數(shù)據(jù)可供研究者使用。初期研究僅以光學(xué)數(shù)據(jù)為主,隨著Sentinel-1的問世,開始出現(xiàn)合成孔徑雷達(dá)(SAR)數(shù)據(jù)以及光學(xué)數(shù)據(jù)與雷達(dá)數(shù)據(jù)結(jié)合使用。隨著研究的深入,不再局限于GEE平臺提供的數(shù)據(jù),開始上傳更高分辨率數(shù)據(jù)和數(shù)據(jù)集,并在GEE平臺中進(jìn)行后續(xù)分析[6]。對比其他云平臺,GEE平臺對全球科研人員、學(xué)生等非商用性質(zhì)用戶提供免費(fèi)服務(wù),因其擁有40多a的公開遙感數(shù)據(jù)以及強(qiáng)大的后臺運(yùn)算處理能力,使得用戶不再局限于本地機(jī)器的配置。GEE平臺也因此成為最受歡迎的云計(jì)算平臺,在遙感信息提取方面更具優(yōu)勢。

GEE平臺已被廣泛應(yīng)用于水體監(jiān)測的研究,查閱“GEE平臺”“水體監(jiān)測”等此類文獻(xiàn),總結(jié)得出主要涉及水體提取方法、水域面積監(jiān)測、水域地物分類、洪水災(zāi)害監(jiān)測和水質(zhì)監(jiān)測等方面。

2.1 水體提取方法

遙感水體的提取歷經(jīng)了幾十年,從目視解譯,到半自動化光譜、紋理等特征提取,再到目前基于深度學(xué)習(xí)的全自動化水體提取[7],提取方法層層迭代,為了進(jìn)一步節(jié)省研究成本,利用GEE平臺自動提取水體的方法應(yīng)運(yùn)而生。表2列舉了近年來利用GEE云平臺進(jìn)行水體提取研究的代表性文獻(xiàn)。

表2 近年來水體提取研究進(jìn)展匯總

從表2可以看出,Bi等[8]使用GEE平臺選取3 a的Landsat 8遙感影像,通過計(jì)算4種不同水體指數(shù),分析得出提取珠江流域地表水最高精度方法;Wang等[9]將GEE與多尺度卷積神經(jīng)網(wǎng)絡(luò)結(jié)合,研究出從陸地衛(wèi)星影像中提取城市水的新方法,特別適合于城市化背景下大規(guī)模、長期的城市水變化檢測研究。Li等[10]利用GEE云平臺結(jié)合10 m分辨率光學(xué)影像和90 m數(shù)字高程模型,有效地提取了黃河上游小型開闊地表河流信息。針對多云、汛期地區(qū),光學(xué)衛(wèi)星如Landsat-8 OLI、Sentinel-2 MSI等難以發(fā)揮作用,GEE平臺又提供了高分辨率合成孔徑雷達(dá)衛(wèi)星Sentinel-1,該衛(wèi)星擁有在惡劣天氣下也能穿過云霧獲取地表信息,以及對水體提取較為敏感等優(yōu)點(diǎn),迅速獲得了研究人員的青睞。祝鵬[11]通過GEE平臺中的SAR影像,實(shí)現(xiàn)了高頻次、長時(shí)間序列的地表水體監(jiān)測提取;朱秀林等[12]基于GEE平臺,結(jié)合多時(shí)相和升降軌SAR數(shù)據(jù)和Sentinel-2A光學(xué)影像,采用不透水面快速提取方法獲取了高準(zhǔn)確性的不透水面數(shù)據(jù)集;Zhou等[13]采用基于GEE平臺的SAR影像,自動選擇地表水提取閾值,實(shí)現(xiàn)了快速、精準(zhǔn)提取水體,但并未將最大類間方差法與監(jiān)督學(xué)習(xí)算法進(jìn)行比較,得出結(jié)果較為單一。

2.2 水域面積監(jiān)測

湖泊作為區(qū)域陸地水循環(huán)中的一個(gè)重要載體,對區(qū)域的水量平衡發(fā)揮重要作用。研究湖泊水域動態(tài)變化,為區(qū)域水資源可持續(xù)利用提供依據(jù)是必要的。張振國等[14]利用Landsat 8 OLI影像,對合肥市不同地表水體類型進(jìn)行水域面積計(jì)算,并做出精度評價(jià)分析;王占玲[15]利用高時(shí)空分辨率衛(wèi)星GF-1和Sentinel-1作為數(shù)據(jù)來源,對全國湖泊水體面積分別作了年際、年內(nèi)變化研究,但研究跨度偏小,影像數(shù)量偏少。戴志健等[16]使用DVBS極軌氣象衛(wèi)星和風(fēng)云三號氣象衛(wèi)星數(shù)據(jù),采用歸一化水體指數(shù)NDWI提取鄱陽湖水體信息,對鄱陽湖水域面積年、月變化做了分析。雖然研究結(jié)果精度較高,但預(yù)處理及數(shù)據(jù)來源成本太高,耗時(shí)太長,不利于水域面積變化長時(shí)序研究。2019年,Deng等[17]在GEE平臺上選取34 a長江流域的Landsat影像,通過多指標(biāo)水質(zhì)檢測方法(MIWDR)快速提取開放地表水體,得出隨著季節(jié)性水體的減少,長江三角洲永久性水體增加的結(jié)論;Luo等[18]使用GEE平臺中全球地表水(GSW)數(shù)據(jù)集,提出了一種重建大型湖泊淹沒區(qū)長時(shí)序、高頻率時(shí)間序列的新方法,大大節(jié)省了時(shí)間和人力成本;劉垚燚等[19]基于GEE平臺,以JRC全球地表水?dāng)?shù)據(jù)集和Landsat遙感影像為數(shù)據(jù)源,分析了近34 a太湖水體的動態(tài)變化,驗(yàn)證了平臺開展水體長期變化監(jiān)測的可行性;周珂等[20]在GEE平臺上,選用Landsat系列多時(shí)相影像數(shù)據(jù),結(jié)合水指數(shù)等方法對開封市城區(qū)年際水體分布變化情況進(jìn)行了研究;姬夢飛等[21]以GEE平臺為技術(shù)支持,選用30 a鄱陽湖Landsat影像,在幾種水指數(shù)方法中選用最適水體指數(shù)提取鄱陽湖水體,分析了鄱陽湖面積的時(shí)空變化,因受云層影響,僅使用Landsat 5和Landsat 8,所選影像數(shù)量過少,實(shí)驗(yàn)結(jié)果精度不高。

2.3 濕地地物分類

借助遙感技術(shù)對地物進(jìn)行分類研究是如今的科研手段,但面對處理數(shù)據(jù)復(fù)雜、時(shí)間過長、成本太高等問題,如何提高遙感地物判讀效率成為了地物分類工作的重點(diǎn)關(guān)注之一。新一代基于云的地球科學(xué)數(shù)據(jù)和分析應(yīng)用行星尺度平臺GEE優(yōu)勢逐漸顯現(xiàn)出來,它主要應(yīng)用于地球科學(xué)數(shù)據(jù),尤其是遙感影像的可視化計(jì)算和分析,目前提供了大概600多種地球科學(xué)數(shù)據(jù)集。Fitton等[22]借助GEE平臺提出了一種通過使用Sentinel-2衛(wèi)星來繪制潮間帶地圖的方法,為海岸管理及變化提供了可靠的評估;Jia等[23]通過GEE平臺將最大光譜指數(shù)合成(MSIC)和大津算法(OA)相結(jié)合,實(shí)現(xiàn)對Sentinel-2影像的自動化執(zhí)行,生成了最新10 m分辨率的中國潮灘地圖;Wu等[24]使用Landsat 8 OLI產(chǎn)品,提出了一種克服潮灘濕地復(fù)雜環(huán)境的影響、對濕地植被物種進(jìn)行有效分類的方法;張康永[25]利用GEE平臺進(jìn)行圖像處理,同時(shí)通過隨機(jī)森林分類法較好地處理了潮間灘與水域的分割,完成了濱海灘涂遙感制圖。目前國內(nèi)在GEE平臺上對濕地的研究甚少,傳統(tǒng)濕地監(jiān)測方法對于大尺度范圍長時(shí)序數(shù)據(jù)的獲取較為困難,GEE平臺的出現(xiàn)可有效解決監(jiān)測數(shù)據(jù)獲取難、處理復(fù)雜等問題,具有廣闊的應(yīng)用前景。

2.4 洪水災(zāi)害監(jiān)測

注重對水文動態(tài)情況的實(shí)時(shí)監(jiān)測、對往年數(shù)據(jù)的規(guī)避分析、預(yù)測洪澇災(zāi)害的幾率等都十分必要[26]。2021年,呂玉鳳等[27]利用高分雷達(dá)衛(wèi)星遙感影像,對湖南省受洪澇災(zāi)害影響嚴(yán)重的5個(gè)市,進(jìn)行了有效的洪災(zāi)遙感監(jiān)測;呂素娜等[28]利用哨兵一號B衛(wèi)星獲取了鄱陽湖區(qū)淹水信息,對鄱陽縣等鄉(xiāng)鎮(zhèn)進(jìn)行了有效的受災(zāi)程度分析。隨著研究區(qū)范圍擴(kuò)大、多影像結(jié)合、時(shí)間跨度長等要求,單一利用圖像處理軟件已不能滿足現(xiàn)今的技術(shù)要求,越來越多的人開始合理運(yùn)用GEE平臺,大大加快分析進(jìn)程,縮短分析時(shí)間。Ben等[29]提出了一種利用SAR影像及Landsat和內(nèi)置的其他輔助數(shù)據(jù)源,快速繪制洪水過程中地表淹沒的算法。該算法能夠迅速攝取數(shù)百幅平臺上提供的SAR和光學(xué)影像,生成受災(zāi)地區(qū)洪水地圖,避免了耗時(shí)的數(shù)據(jù)下載和預(yù)處理步驟;Varun等[30]利用GEE平臺內(nèi)置Sentinel-1數(shù)據(jù)集和大津算法繪制了洪水淹沒區(qū),通過混淆矩陣評估了2018年8月9日和21日的SAR洪水淹沒圖的總體精度;Meysam等[31]利用Sentinel-1影像結(jié)合大津閾值法,通過GEE平臺對伊朗北部洪水進(jìn)行了監(jiān)測,結(jié)果表明該算法對變異性極高的淹沒區(qū)域,也能有效反映洪水變化。針對國內(nèi)洪澇災(zāi)害頻發(fā)地區(qū),Qiu等[32]選取GEE平臺中66幅Sentinel-1影像,采用Otsu方法對2017～2020年珠江流域的洪水進(jìn)行調(diào)查,為防洪工作提供了有力的支持;李健鋒等[33]構(gòu)建了基于GEE平臺和Sentinel-1/2影像的洪水淹沒范圍快速提取模型,并對2020年7月鄱陽湖區(qū)的特大洪災(zāi)進(jìn)行了分析,說明了該模型效率高、可行性強(qiáng)。目前國內(nèi)利用GEE平臺對洪澇災(zāi)區(qū)的研究還不夠完善,但通過GEE平臺實(shí)時(shí)進(jìn)行洪水淹沒范圍分析是可行的,具有廣闊的應(yīng)用前景。

2.5 水質(zhì)監(jiān)測

內(nèi)陸水體的水質(zhì)狀況直接關(guān)系到人類生活用水安全,因此,對內(nèi)陸水體進(jìn)行水質(zhì)監(jiān)測意義重大,而采用遙感技術(shù)進(jìn)行水質(zhì)監(jiān)測是主要手段之一。但分辨率低、易受天氣和大氣塵埃影響等問題是目前亟需解決的難題。表3列舉了近年來利用GEE云平臺進(jìn)行水質(zhì)監(jiān)測的代表性文獻(xiàn)。

表3 近年來水質(zhì)監(jiān)測研究進(jìn)展匯總

從表3看出,Pereira等[34]在GEE平臺上使用了2002～2017年的陸地衛(wèi)星Landsat 8 OLI影像,挑選無云影像對巴西淡水湖PH值進(jìn)行測定,實(shí)現(xiàn)了PH預(yù)測的相關(guān)性超過85%;Ramdani等[35]基于GEE平臺以及Sentinel-3遙感衛(wèi)星提取了海灣總懸浮物質(zhì),結(jié)果表明GEE平臺在時(shí)間和效率方面均有利于海洋總懸浮物的測定;Khan等[36]利用GEE平臺和Sentinel 2影像,通過歸一化差異水體指數(shù)(NDWI)對手指湖區(qū)沉積物進(jìn)行了監(jiān)測,并得出春季和夏季前期沉積物量較大的結(jié)論,有利于及時(shí)保護(hù)水質(zhì)。在水質(zhì)監(jiān)測中,葉綠素a濃度是表征水體富營養(yǎng)化程度的重要指標(biāo),通過遙感方式監(jiān)測水體富營養(yǎng)化程度是有效途徑[37]。田洪陣等[38]基于GEE平臺的MODIS數(shù)據(jù),對中國黃海葉綠素a濃度數(shù)據(jù)進(jìn)行了有效的分析,發(fā)現(xiàn)葉綠素a濃度(Chl-a)分布呈現(xiàn)由近岸向黃海中部遞減的特征;黃玨等[39]借助GEE平臺,對全國湖泊五大湖區(qū)2003～2018年間Chl-a濃度分布特征做了分析。結(jié)果表明:在研究日期內(nèi),中國90%的湖泊處于中營養(yǎng)狀態(tài),82%的湖泊年均Chl-a變化率較小,溫度和降水是影響Chl-a濃度變化的主要因素。

3 應(yīng)用實(shí)例

3.1 鄱陽湖概況

鄱陽湖是中國第一大淡水湖,其與長江相通,是最重要的生態(tài)保護(hù)區(qū)之一,在維系水生態(tài)安全方面發(fā)揮著重要的作用,也深刻影響著長江中下游人民生活。近年來,隨著全球氣候變暖、五河流域各種水壩林立、過度捕撈、無序采砂、圍湖造田等自然或人為因素,鄱陽湖“老化”進(jìn)程加速,湖泊面積縮減,鄱陽湖的及時(shí)監(jiān)測與治理至關(guān)重要。

3.2 水體提取

GEE平臺提供了30 m分辨率Landsat 8 TOA衛(wèi)星遙感影像,篩選出云層覆蓋率較低的幾景影像,計(jì)算對比了NDWI,MNDWI,SDWI等多種水體指數(shù)法,通過提取效果最好的MNDWI水體指數(shù)法結(jié)合OTSU分別提取了2019～2021年枯水期和豐水期鄱陽湖流域多年水體,如圖3所示。其中2020年9月水體區(qū)域顯著擴(kuò)大,與當(dāng)年7,8月暴雨雨情相吻合。

圖3 2019～2021年鄱陽湖區(qū)水域范圍

3.3 水域面積

結(jié)合以上理論方法,通過GEE平臺及Landsat 8影像集,運(yùn)用最大類間方差法計(jì)算得出鄱陽湖近7 a枯水、平水和豐水期的水體面積柱狀圖(圖4)?？梢钥闯?受超強(qiáng)厄爾尼諾及副熱帶高氣壓帶影響,2016年與2020年水域面積較其他年份顯著增加,2020年突破峰值,為近10 a來最大。

圖4 2015～2021鄱陽湖區(qū)水域面積

3.4 濕地地物分類

研究近30 a來,鄱陽湖區(qū)濕地作物及水體時(shí)空變化情況。通過GEE平臺的Landsat 5-8系列多年影像,采用隨機(jī)森林監(jiān)督分類的方法對鄱陽湖區(qū)域進(jìn)行水體、草洲、泥灘、沙地和其他等5種地物分類,結(jié)果如圖5所示?？梢钥闯?湖泊區(qū)域在1987年和2016年之間縮減了,大部分處于湖泊的南部和西部。

圖5 1987～2021年鄱陽湖枯水期地物分類

3.5 洪水災(zāi)害監(jiān)測

洪水淹沒范圍研究對于防洪減災(zāi)、風(fēng)險(xiǎn)防范有著重要的意義。2020年鄱陽湖水域7月8日和7月12日短時(shí)間內(nèi)持續(xù)擴(kuò)大,通過GEE平臺及Sentinel-1遙感衛(wèi)星對鄱陽湖及周邊地區(qū)2020年洪災(zāi)前后進(jìn)行分析,提取鄱陽湖水域非水部分變成水的部分,通過updatamask分析從非水變成水的情況,提取結(jié)果如圖6(c)所示,淹沒面積約為2 117 km2,主要是對周邊農(nóng)田和草洲的淹沒。

3.6 水質(zhì)監(jiān)測

結(jié)合以上理論,運(yùn)用GEE平臺對鄱陽湖水域多年范圍做Chl-a濃度分析。結(jié)合Landsat 8無云影像,根據(jù)反演模型提取Chl-a,效果如圖7所示,可以看出鄱陽湖水域整體Chl-a濃度不高,在南部、西部以及東部少量地區(qū)Chl-a濃度較高,北部湖區(qū)相對較低,與實(shí)際狀況大致相符,運(yùn)用GEE對水質(zhì)進(jìn)行監(jiān)測是有效可行的。

4 結(jié)論與討論

對于大部分衛(wèi)星,如MODIS,Landsat,Sentinel-2等,GEE都集成了天頂反射率(TOA)和經(jīng)過大氣校正的地表反射率(SR)產(chǎn)品,使用時(shí)直接導(dǎo)入即可。通過導(dǎo)入Landsat 8 TOA衛(wèi)星遙感影像,在編輯區(qū)編寫水體指數(shù)公式和面積計(jì)算代碼,可以得出鄱陽湖流域多年水體圖以及對應(yīng)的面積數(shù)值;導(dǎo)入Landsat 5-8系列多年影像,編寫監(jiān)督分類代碼,經(jīng)過調(diào)整訓(xùn)練樣本點(diǎn),可以得出鄱陽湖湖區(qū)地物分類圖;導(dǎo)入GEE內(nèi)Sentinel-1A遙感影像,對洪災(zāi)前后的分析可以得到洪水淹沒范圍圖。通過GEE云平臺的Sentinel-2遙感影像,結(jié)合實(shí)測數(shù)據(jù),對鄱陽湖葉綠素濃度進(jìn)行反演,進(jìn)而得出水質(zhì)狀況。整個(gè)計(jì)算過程都是在谷歌云上運(yùn)行,處理能力不受空間、時(shí)間的限制,利用GEE云平臺對水信息進(jìn)行監(jiān)測是有效、可行的。

通過上述分析,本文認(rèn)為GEE平臺在水體及其他領(lǐng)域有著實(shí)際的研究價(jià)值,特別是水體研究等以下幾個(gè)方面有較好的發(fā)展前景:

(1) 提高了科研效率。很大程度上縮短了遙感影像數(shù)據(jù)源的下載和預(yù)處理時(shí)間,尤其是SAR影像;讓用戶集中精力解決問題本身,而不需要花大量時(shí)間對遙感數(shù)據(jù)進(jìn)行下載和處理。

(2) 存儲更加方便。隨著網(wǎng)絡(luò)和科技的發(fā)展,海量的遙感數(shù)據(jù)也需要更大的存儲和更高的計(jì)算能力,因此對本地服務(wù)器的存儲能力有了較大的要求。云端硬盤提供了15 GB的免費(fèi)容量,GEE下載的影像數(shù)據(jù)直接保存在云端硬盤中,便于隨時(shí)取用。

(3) 地物分類更加精確。GEE云平臺配置了監(jiān)督和非監(jiān)督分類算法,由傳統(tǒng)的自動分類向人工智能技術(shù)轉(zhuǎn)變。隨著機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的迅速發(fā)展,未來可提供Python端的深度學(xué)習(xí)算法來提高分類精度進(jìn)行改進(jìn)。

GEE云平臺在大區(qū)域、多時(shí)相遙感研究領(lǐng)域取得快速發(fā)展的同時(shí),也存在一些問題:

(1) GEE云平臺對于使用者的網(wǎng)絡(luò)狀態(tài)和編程技術(shù)有一定的要求,需要使用者對于JavaScript或者Python語言的函數(shù)有一定的了解。

(2) 在批量導(dǎo)出影像集合后,GEE云平臺會將大文件自動切片導(dǎo)出,Drive內(nèi)會出現(xiàn)一景多圖的現(xiàn)象,不便于后期的圖像整理。

(3) 受氣候條件影響,研究區(qū)可能存在云層覆蓋量高的問題,僅使用光學(xué)遙感產(chǎn)品略顯不足,還需改進(jìn)光學(xué)結(jié)合微波遙感的產(chǎn)品集。