CN113963003A - 一种基于Google Earth Engine的区域地表水体快速提取方法 - Google Patents

一种基于Google Earth Engine的区域地表水体快速提取方法 Download PDF

Info

Publication number
CN113963003A
CN113963003A CN202111258154.7A CN202111258154A CN113963003A CN 113963003 A CN113963003 A CN 113963003A CN 202111258154 A CN202111258154 A CN 202111258154A CN 113963003 A CN113963003 A CN 113963003A
Authority
CN
China
Prior art keywords
water body
remote sensing
gee
surface water
sensing image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111258154.7A
Other languages
English (en)
Inventor
郑天柱
其他发明人请求不公开姓名
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yangzhou University
Original Assignee
Yangzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yangzhou University filed Critical Yangzhou University
Priority to CN202111258154.7A priority Critical patent/CN113963003A/zh
Publication of CN113963003A publication Critical patent/CN113963003A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于Google Earth Engine的区域地表水体快速提取方法，包括如下步骤：（1）基于GEE的Assets模块上传研究区域的矢量数据；（2）选取数据源，本研究选取GEE平台上Sentinel‑2遥感影像集；（3）遥感影像预处理：为了提高遥感影像利用率以及研究区域地表水体提取精度，借助影像的QA波段，去除云、雪、阴影等造成的低质量像素，筛选出研究区云量较少的Sentinel‑2遥感影像；（4）筛选所需范围的遥感影像；借助步骤（1）上传的研究区矢量数据，利用GEE的filterBounds、filterDate等命令，整合目标区域、目标时间段遥感影像。通过本发明，可对任意范围、任意时间段的地表水体进行快速准确提取，且提取时所依据的阈值更趋于稳定，提取效果好，便捷简单。

Description

一种基于Google Earth Engine的区域地表水体快速提取 方法
技术领域
本发明涉及一种基于Google Earth Engine的区域地表水体快速提取方法，属于遥感影像智能提取地表水技术领域。
背景技术
地表水为人类的生产、生活提供水资源保障，对促进经济可持续发展至关重要；同时，其年际、年内变化也与区域生态系统稳定、气候变化等紧密相关。近几十年来，随着人类活动范围扩大、活动强度加剧，地表水的空间分布和储量也处于不断变化之中，引起一系列生态环境问题，如水质恶化、水生生物多样性减少、生态系统退化等，对人类福祉产生深远影响。因此，快速、准确地分析区域地表水体的时空动态变化，可为区域水资源合理配置、水生态系统保护提供数据支撑，对区域经济社会可持续发展以及维持区域生态系统稳定具有重要意义。
遥感技术具有不受地理空间限制、覆盖面广、获得数据速度快等优点，目前已成为研究地表水体变化的重要手段。随着大数据时代到来，可获取的卫星遥感数据的种类和数量急剧增加，对于分析处理海量遥感影像的速度也有了更高的要求。传统的遥感影像处理平台如Arcgis、ENVI等不合适做复杂的批量处理，新开发的高性能云计算平台GEE改变了传统的遥感处理方法，使遥感技术在地表水监测分析领域迎来新契机。GEE是一个行星尺度的地球科学数据与分析平台，存储了PB级卫星图像和地理空间数据集，包括 Landsat 系列、MODIS 系列以及 Sentinel 等常用的影像数据集，以及JRC的全球地表水体覆盖数据等，且具有全球尺度的强大计算能力。GEE突破了传统遥感方法在大规模、长期地表水体监测中费时费力的局限性，促进地表水体演变研究由基于时间节点到基于时间序列连续过程分析的转变，为快速提取、分析区域地表水体演变提供新平台。
发明内容
本发明的目的是针对上述现有技术存在的问题，提供一种基于Google EarthEngine的区域地表水体快速提取方法，针对目标区域内地表水体在目标时间段内的快速提取。该方法基于水体在所有波长范围内都具有低反射率的特点，尤其是考虑到城市化进程使得地表覆盖类型复杂、建筑高楼造成阴影干扰等现实问题，采用自动化水体提取指数（Automated Water Extraction Index，AWEI），结合大津算法（Otsu）确定水体与非水体的分割阈值，进而对研究区域的地表水体进行快速提取。
本发明的目的是这样实现的：一种基于Google Earth Engine的区域地表水体快速提取方法，包括如下步骤：
（1）基于GEE的Assets模块上传研究区域的矢量数据；
（2）选取数据源，本研究选取 GEE 平台上Sentinel-2 遥感影像集；
（3）遥感影像预处理：为了提高遥感影像利用率以及研究区域地表水体提取精度，借助影像的QA波段，去除云、雪、阴影等造成的低质量像素，筛选出研究区云量较少的Sentinel-2 遥感影像；
（4）筛选所需范围的遥感影像；借助步骤（1）上传的研究区矢量数据，利用GEE的filterBounds、filterDate等命令，整合目标区域、目标时间段遥感影像。
（5）采用自动水提取法AWEI提取地表水体，主要包括以下3个步骤：
①计算每个像素的AWEI值，取中值，合成AWEI指数。AWEInsh的计算公式如下：
AWEInsh=4×[ρ(Green)-ρ(SWIR1)]-0.25×[ρ(NIR)-ρ(SWIR2)]；
其中，ρ(Green)、ρ(SWIR1)、ρ(NIR)、ρ(SWIR2)分别代表绿波段、短波红外波段1、近红外波段、短波红外波段2的反射率；
②引入大津算法至GEE平台，自动提取水体与非水体的分割阈值。当AWEI值大于分隔阈值时，则将该像素划为有效水体；反之，则为非水体；
③利用GEE的Mask函数提取有效水体区域。
（6）通过GEE的 Export 命令将研究区域水体信息导出，在Tasks模块点击Run功能键，可下载研究区域地表水的TIFF文件。
步骤（1）所述矢量数据来源于全国地理信息资源目录服务系统。由于GEE默认的编码为utf8，为避免上传后矢量数据出现乱码现象，上传前需打开计算机的系统注册表，将Arcgis的dbfDefault值修改为oem，则经Arcgis处理的目标区域矢量数据默认以utf8存储。
步骤（2）所述遥感影像可达10 m高分辨率，覆盖13个波段，包括本方案所需的绿波段、近红外波段以及短波红外波段，幅宽达290 km。
步骤（5）所述的大津算法原理是通过返回单个强度的阈值将像素分为前景和背景两类，常用于计算机图像处理领域。
本发明方法先进科学，与现有技术相比，本发明的有益效果是可以对大尺度、任意范围内、任意时间段内的地表水体进行快速准确提取。在以往的基于遥感技术提取地表水体的研究中，通常多为主观的选择某几个时间节点的某几张遥感影像，但地表水体具有较强的季节和年际动态变化特征，单一的数据源可能会导致地表水体连续变化的动态信息丢失，不足以反映区域内地表水体的真正变化趋势。本发明的遥感影像提取地表水技术主要依托于GEE 平台，GEE能提取长时间序列的感影像数据，对一个区域内地表水体进行年际或年内变化研究具有重要的意义，除此以外，基于GEE平台的迭代计算优势，遥感影像的处理效率大大提高。
本发明所使用的自动水提取法相较于其他水体指数法，其阈值更趋于稳定，不易随着遥感影像采集时间及位置的变化而变化。除此之外，还能减少对深色地表以及阴影的分类误差，从而实现更高精度的水体提取，尤其适用于山区（山体阴影干扰）及城区（地表覆盖类型复杂，如低反射率的沥青道路、建筑阴影干扰等）。
综上，本发明公开了一种基于Google Earth Engine的区域地表水体快速提取方法，包括如下步骤：基于GEE的Assets模块上传研究区域的矢量数据；选取 GEE 平台上Sentinel-2 遥感影像集作为数据源；借助遥感影像的QA波段，去除云、雪、阴影等造成的低质量像素，筛选出研究区域内云量较少的Sentinel-2 遥感影像，以提高遥感影像利用率及研究区域地表水体的提取精度；执行GEE的filter命令，筛选出目标区域、目标时间段内的遥感影像；采用自动水提取指数AWEI提取地表水体，计算每个像素的AWEI值，取中值合成AWEI指数；利用大津算法自动提取水体与非水体的分割阈值；在明确阈值的基础上，利用GEE的Mask函数提取有效水体；执行Export 命令导出水体信息。本发明的方法，相较于以往的遥感技术提取地表水体，主要优势在于依托GEE平台，可对任意范围、任意时间段的地表水体进行快速准确提取，且提取时所依据的阈值更趋于稳定，提取效果好，便捷简单。
附图说明
图1为本发明基于GEE云平台的区域地表水体快速提取方法的流程示意图；
图2为本发明步骤（2）遥感影像预处理的流程示意图；
图3为本发明实施例最终获取的目标区域地表水体提取图。
具体实施方式
下面结合附图对本发明的具体实施例进行描述。以扬州市中心城区（邗江区、广陵区）为研究区域，以2020年全年为研究时间范围，采用本发明的方法对研究区域的地表水体进行快速提取。
扬州，地处江苏中部，是承接苏南经济转移，辐射苏北的过渡区，素有“苏北门户”之称。城市迅速扩张，扬州中心城区自然河网水系存在结构破坏、功能减弱、水道变窄等问题，对其进行地表水体提取可为分析其地表水动态演变提供基础数据。
按照图1所示流程图，具体步骤如下：
（1）基于GEE的Assets模块上传研究区域的矢量数据。打开计算机的系统注册表，将Arcgis的dbfDefault值修改为oem，使得经Arcgis处理的矢量数据默认以utf8存储，方便上传至GEE平台。从全国地理信息资源目录服务系统下载全国各县区矢量数据，通过Arcgis平台上的ArcToolbox-分析工具-提取分析，筛选出扬州市邗江区广陵区的矢量数据。利用GEE-Assets-New-Shape files上传。
（2）选取 GEE 平台上的Sentinel-2 遥感影像集作为数据源，它拥有10 m高分辨率，覆盖13个波段，包括本实例所需的绿波段（543-578 nm）、近红外波段（773-793 nm）、短波红外波段1（1565-1655 nm）、短波红外波段2（2100-2280 nm），幅宽达290 km。
（3）遥感影像预处理：为了提高遥感影像利用率以及研究区域地表水体提取精度，借助影像的QA波段，利用rmCloudByQA()基础代码，去除云、雪、阴影等造成的低质量像素，筛选出研究区云量低的Sentinel-2 遥感影像。
（4）筛选所需范围的遥感影像。借助步骤（1）上传的研究区矢量数据(命名为YZ），编写代码filterDate('2020-01-01', '2020-12-31')、filterBounds(YZ)，整合扬州市邗江区广陵区在2020年间符合条件的遥感影像。
（5）采用自动水提取法AWEI提取地表水体，主要包括以下3个步骤：
①计算每个像素的AWEI值。根据AWEInsh的计算公式——AWEInsh=4×[ρ(Green)-ρ(SWIR1)]-0.25×[ρ(NIR)-ρ(SWIR2)]，其中，ρ(Green)、ρ(SWIR1)、ρ(NIR)、ρ(SWIR2)分别代表绿波段、短波红外波段1、近红外波段、短波红外波段2的反射率，借助字符串解析的方式进行计算，如vir Green=img.select（“Band3”）等，给字符串赋值后用字符串表达公式。这种方法灵活直观，十分便捷。利用Map.addLayer(dataset.median())代码取AWEI的中值，合成AWEI指数。
②引入大津算法至GEE平台，自动提取水体与非水体的分割阈值。当AWEI值大于分隔阈值时，则将该像素划为有效水体；反之，则为非水体；
③利用GEE的Mask函数提取有效水体区域。
（6）通过GEE的 Export 命令将研究区域水体信息导出，在Tasks模块点击Run功能键，可下载研究区域地表水的TIFF文件。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (4)

1. 一种基于Google Earth Engine的区域地表水体快速提取方法，其特征在于，包括如下步骤：
（1）基于GEE（Google Earth Engine）的Assets模块上传研究区域的矢量数据；
（2）选取 GEE 平台上的Sentinel-2 遥感影像集作为数据源；
（3）遥感影像预处理：借助影像的QA波段，去除云、雪、阴影造成的低质量像素，筛选出研究区域云量较少的Sentinel-2遥感影像；
（4）执行GEE的filter命令，筛选目标区域、目标时间段的遥感影像；
（5）采用自动水提取指数AWEI提取地表水体；
（6）通过GEE的 Export 命令将研究区域水体信息导出。
2. 根据权利要求1所述的基于Google Earth Engine的区域地表水体快速提取方法，其特征在于，步骤（1）所述矢量数据来源于全国地理信息资源目录服务系统；GEE默认的编码为utf8，为避免上传后出现乱码现象，将Arcgis的dbfDefault值修改为oem，以确保经Arcgis处理的目标区域矢量数据默认以utf8存储。
3. 根据权利要求1所述的基于Google Earth Engine的区域地表水体快速提取方法，其特征在于，步骤（2）所述遥感影像Sentinel-2的分辨率为10 m，覆盖13个波段，包括绿波段、近红外波段以及短波红外波段，幅宽达290 km。
4.根据权利要求1所述的基于GEE的区域地表水体快速提取方法，其特征在于，步骤（5）具体包括步骤为：
①计算遥感影像每个像素的AWEI值，取所有AWEI值的中值，合成AWEI指数；AWEInsh的计算公式如下：
AWEInsh=4×[ρ(Green)-ρ(SWIR1)]-0.25×[ρ(NIR)-ρ(SWIR2)]；
其中，ρ(Green)、ρ(SWIR1)、ρ(NIR)、ρ(SWIR2)分别代表绿波段、短波红外波段1、近红外波段、短波红外波段2的反射率；
②引入大津算法至GEE平台，自动提取水体与非水体的分割阈值；大津算法的原理是通过返回单个强度的阈值将像素分为前景和背景两类，常用于计算机图像处理领域；
③利用GEE的Mask函数提取有效水体。
CN202111258154.7A 2021-10-27 2021-10-27 一种基于Google Earth Engine的区域地表水体快速提取方法 Pending CN113963003A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111258154.7A CN113963003A (zh) 2021-10-27 2021-10-27 一种基于Google Earth Engine的区域地表水体快速提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111258154.7A CN113963003A (zh) 2021-10-27 2021-10-27 一种基于Google Earth Engine的区域地表水体快速提取方法

Publications (1)

Publication Number Publication Date
CN113963003A true CN113963003A (zh) 2022-01-21

Family

ID=79467616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111258154.7A Pending CN113963003A (zh) 2021-10-27 2021-10-27 一种基于Google Earth Engine的区域地表水体快速提取方法

Country Status (1)

Country Link
CN (1) CN113963003A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115965878A (zh) * 2022-12-07 2023-04-14 四川大学 一种基于gee的青藏高原河流悬移质泥沙反演监测方法
CN116451481A (zh) * 2023-04-19 2023-07-18 北京首创大气环境科技股份有限公司 基于GEE云平台和Sentinel-2影像的水质多参数快速反演方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115965878A (zh) * 2022-12-07 2023-04-14 四川大学 一种基于gee的青藏高原河流悬移质泥沙反演监测方法
CN115965878B (zh) * 2022-12-07 2023-08-29 四川大学 一种基于gee的青藏高原河流悬移质泥沙反演监测方法
CN116451481A (zh) * 2023-04-19 2023-07-18 北京首创大气环境科技股份有限公司 基于GEE云平台和Sentinel-2影像的水质多参数快速反演方法

Similar Documents

Publication Publication Date Title
Zhang et al. Mapping photovoltaic power plants in China using Landsat, random forest, and Google Earth Engine
CN111274918B (zh) 基于多源遥感影像的河流干涸断流监测方法和装置
CN108830844B (zh) 一种基于多时相高分辨率遥感影像的设施蔬菜提取方法
CN113963003A (zh) 一种基于Google Earth Engine的区域地表水体快速提取方法
CN108986116B (zh) 一种基于遥感影像的红树林提取方法及系统
CN109856056B (zh) 一种沙化土地遥感快速识别方法
CN112183416A (zh) 一种基于深度学习方法的新增建设用地自动提取方法
CN111062368A (zh) 基于Landsat时间序列遥感影像的城市更新区域监测方法
CN114359243B (zh) 一种季节性小微湿地动态监测方法
CN115690596A (zh) 一种基于modis数据的区域生态环境质量综合评价方法
CN111046613A (zh) 基于路径追踪的最佳河道计算方法及基于多时相遥感影像的河网提取方法
Cao et al. Expansion of urban impervious surfaces in Xining city based on GEE and Landsat time series data
CN111597949A (zh) 一种基于npp-viirs夜间灯光数据的城市建成区提取方法
CN110569733B (zh) 基于遥感大数据平台的湖泊长时序连续水域变化重建方法
CN113971769A (zh) 基于多源大数据的海岸带地域功能长时序识别方法
CN113780307A (zh) 一种区域年度最大蓝绿空间信息提取方法
CN115909044B (zh) 一种国土空间结构时空演变模式挖掘方法
Cai et al. Spatiotemporal Mapping of Surface Water Using Landsat Images and Spectral Mixture Analysis on Google Earth Engine
Li et al. Impervious surface expansion in the China-Laos border area under the context of geo-economic cooperation: a case study of the Mohan-Boten Economic Cooperation Zone
CN112232303B (zh) 一种基于高分遥感影像的草原道路信息提取方法
CN116682026A (zh) 一种智能深度学习环境遥感系统
CN103871065A (zh) 一种基于半球影像的植被冠层聚集效应定量评估方法
Xu et al. Extraction of rivers and lakes on Tibetan Plateau based on Google Earth Engine
CN116797921A (zh) 基于Sentinel-2影像的山区湖泊水体提取方法
CN111178372B (zh) 基于遥感影像和地形数据的大区域尺度黄土塬面提取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination