更多资讯,关注公众号:Ai科研学术社;(联系方式见文章底部)
近年来遥感技术得到了突飞猛进的发展,航天、航空、临近空间等多遥感平台不断增加,数据的空间、时间、光谱分辨率不断提高,数据量猛增,遥感数据已经越来越具有大数据特征。遥感大数据的出现为相关研究提供了前所未有的机遇,同时如何处理好这些数据也提出了巨大的挑战。传统的工作站和服务器已经无法胜任大区域、多尺度海量遥感数据处理的需要。
Google Earth Engine是谷歌公司提供的全球尺度地球科学数据(尤其是卫星遥感数据)在线可视化计算和分析云平台。该平台能够存取和同步遥感领域目前常用的MODIS、Landsat和Sentinel等卫星图像和NCEP等气象再分析数据集,同时依托全球上百万台超级服务器,提供足够的运算能力对这些数据进行处理。截止目前,GEE上包含的数据集超过200个公共的数据集,每天新增数据量超过 4000幅影像,容量超过5PB。相比于ENVI和GDAL等传统的处理影像工具,Google Earth Engine在处理海量遥感数据方面具有不可比拟的优势,一方面GEE平台提供了丰富的计算资源,另一方面其巨大的云存储节省了科研人员大量的数据下载和预处理的时间。可以说,GEE在遥感数据的计算和分析可视化方面代表世界该领域最前沿水平,是遥感领域的一次革命。
目前,GEE以其强大的功能受到了国外越来越多的科技工作者的重视和应用,然而在国内应用还十分有限。应广大科学工作者的要求,结合具体范例,重点介绍利用GEE进行数据处理的常用方法,并针对土地遥感信息提取进行进阶训练
一:熟悉GEE编程环境应用范例讲解
- GEE简介及其土地遥感应用前景;
- GEE平台编辑器操作界面介绍;
- JavaScript基本语法,包括变量,运算符,数组,判断及循环语句等;
GEE应用范例展示。主要包括土地覆盖/利用分类及变化监测相关实例,如Hansen et al. Science, 2013; Pekel et al., Nature, 2016。
二:GEE各功能模块一【讲解+实践】
- 数组和矩阵(Arrays and Matrices)
- 图像和图集(Image和ImageCollection)
实操1:计算MODIS/Landsat植被指数NDVI/EVI并合成中国区域历年最大EVI图层
- 几何结构、特征和特征集合(Geometry, Feature和FeatureCollection)
实操2:构建土地覆盖样本和验证数据集;
- 图像统计(Reducer等)
实操3:分区域统计气候要素或植被指数
- 数据输入和输出(Import and Export)
实操4:下载实操1合成的年最大EVI数据集
投影介绍(Projection)
三:GEE各功能模块二【讲解+实践】
- 分类算法(Classifiers)
实操5:采用随机森林(Random Forest)、支持向量机(SVM)等监督分类方法实现区域尺度土地利用快速分类。
绘图(Chart)
四:专题练习【实操+答疑】
实操6.所有可用Landsat影像的数量和无云观测数量的统计分析,包括统计分析与出图;
实操7.提取时间序列MODIS、Landsat和气象数据(单点和多点尺度),自动实现FluxNet观测台站的NDVI、GPP和气象要素的数据提取;
实操8.中国植被绿度变化趋势分析和气候归因分析
五:高级应用范例
( 概念和研究思路)
1)水体信息提取
- 建设用地信息提取
- 水体自动自动提取的研究进展和技术瓶颈;
- 建设用地自动提取的研究进展和技术瓶颈;
如何建立基于Google Earth Engine 以及 Google云的Web服务。
六:专题练习
【实操+答疑】
实操9.项目一:区域水体自动提取;
实操10.项目二:区域建设用地自动提取