利用物候差异与面向对象决策树提取油菜种植面积

基于决策树模型的安义县油菜花种植面积提取

利用多时序油菜花的不同光谱特征，构建决策树模型，进而提取出油菜花

初始化环境

import aie
aie.Authenticate()
aie.Initialize()

研究区域

# 指定需要检索的区域
feature_collection = aie.FeatureCollection('China_District') \
                        .filter(aie.Filter.eq('district', '安义县'))
geometry = feature_collection.geometry()

# 需要调用task.start()来启动后台导出任务
# task = aie.Export.feature.toAsset(feature_collection, 'feature_collection_export_result')
# task.start()

# 指定检索数据集，可设置检索的空间和时间范围，以及属性过滤条件（如云量过滤等）
dataset = aie.ImageCollection('SENTINEL_MSIL2A') \
             .filterBounds(geometry) \
             .filterDate('2021-03-01', '2021-03-31') \
             .filter(aie.Filter.lte('eo:cloud_cover',10.0)) \
             .limit(10)\
             .mosaic()\
             .clip(geometry)
map = aie.Map(
    center=feature_collection.getCenter(),
    height=800,
    zoom=9
)
vis_params = {
    'bands': ['B4', 'B3', 'B2'],
    'min': 0,
    'max': 2000,
}
map.addLayer(
    dataset,
    vis_params,
    'True Color (432)',
    bounds=dataset.getBounds()
)
map

植被指数计算

NDVI = dataset.normalizedDifference(['B8','B4']).rename(['NDVI'])

RVI = (dataset.select(['B8']).divide(dataset.select(['B3']))).rename(['RVI'])

缨帽变换

在ENVI，QGIS，R，GEE，PIE中实现缨帽变换，但是好像只有GEE支持哨兵2号（Sentinel-2）缨帽变换得到亮度（Brightness）、绿度（Greenness）、和湿度（Wetness）。不知道为什么我在GEE里面的缨帽变换的数值范围和文章里面的相差很大。

brightness = aie.Image('user/e4987f27c44143ffb7d1c75defd7a94b')
brightness = brightness.select(['B1'])
brightness = brightness.clip(geometry)

vis_params = {
    'bands': 'B1',
    'min': 0,
    'max': 1,
    'palette': [
        '#0000ff', '#00ffff', '#ffff00', '#ff0000', '#ffffff'
    ]
}
map.addLayer(
    brightness.clip(geometry),
    vis_params,
    'Brightness',
    bounds=brightness.getBounds()
)
map

构建决策树

# 油菜提取规则集
mask1 = NDVI.lt(aie.Image.constant(0.1))     # 过滤水体、不透水面、裸地等非植被区域
mask2 = NDVI.gt(aie.Image.constant(0.4)).And(brightness.gt(aie.Image.constant(0.7)))  # 农作物

mask3 = RVI.gt(aie.Image.constant(3))   # 油菜

cole  = (mask2.And(mask3)).gt(aie.Image.constant(0))

mask_vis  = {
    'min': 0,
    'max': 1,
    'palette': ['#ffffff', '#008000']    # 0:白色, 1:绿色
}


map.addLayer(cole,mask_vis, 'cole', bounds=geometry.getBounds())    # 绿色区域为小麦

map

总结

利用决策树模型来提取就是快，我也没有能力去验证，在安义县的同学可以联系我帮忙去印证一下，已经报告了AI Earth官方了，相信不久以后，AIE就可以支持缨帽变换了，还有就是谁知道哨兵2号数据的缨帽变换可以联系我，我用GEE做出来的很别人的值范围差异比较大。本案例主要引用了：
[1]基于PIE遥感图像处理软件的油菜提取解决方案
[2]李中元,吴炳方,张淼,邢强,李名勇,闫娜娜.利用物候差异与面向对象决策树提取油菜种植面积[J].地球信息科学学报,2019,21(05):720-730.