决策树模型实现冬小麦提取¶
依据作物在不同物候期内卫星影像的光谱存在差异的特征，可建立冬小麦提取算法，进行像元尺度冬小麦提取。这里同样是使用的NDVI作为阈值提取条件，分别使用不同的聚合方式完成对影像的筛选，从而得出冬小麦种植面积的提取。
初始化环境¶
import aie aie.Authenticate() aie.Initialize()
指定需要检索的区域¶
feature_collection = aie.FeatureCollection('China_City') \ .filter(aie.Filter.eq('city', '亳州市')) region = feature_collection.geometry()
影像检索¶
# 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） def getl8_ndvi(startdate,enddate): dataset = aie.ImageCollection('LANDSAT_LC08_C02_T1_L2') \ .filterBounds(region) \ .filterDate(startdate, enddate) # .filter(aie.Filter.lte('eo:cloud_cover', 20.0)) ndvi = dataset.map(get_ndvi) return ndvi def get_ndvi(image): ndvi = image.normalizedDifference(['SR_B5', 'SR_B4']) return ndvi # 黄淮海地区冬小麦典型物候期。播种期 10-11月，旺长期3-4月，成熟期5-6月 NDVI_median = getl8_ndvi('2017-10-11', '2017-11-10').median().clip(region) NDVI_max = getl8_ndvi('2018-03-20', '2018-04-20').max().clip(region) NDVI_min = getl8_ndvi('2018-05-20', '2018-06-30').min().clip(region) # 冬小麦提取规则集 mask1 = NDVI_max.gt(aie.Image.constant(0.33)) # 过滤水体、不透水面、裸地等非植被区域 mask2 = NDVI_median.lt(aie.Image.constant(0.50)) # 过滤森林、春播作物 mask3 = NDVI_max.lte(aie.Image.constant(0.48)) # < 0.48存在 mask4 = NDVI_max.gt(aie.Image.constant(0.48)) # 区分植被区域和非植被区域，> 0.48 为植被区域 mask5 = NDVI_min.gt(aie.Image.constant(-0.12)) # 筛选冬小麦区域，成熟/收获期冬小麦植被指数下降 mask6 = NDVI_min.lt(aie.Image.constant(0.17)) mask7 = NDVI_min.lt(NDVI_max.add(aie.Image.constant(0.5))) wheat1 = mask1.And(mask2).And(mask3).And(mask5).And(mask6) wheat2 = mask1.And(mask2).And(mask4).And(mask5).And(mask7) wheat = wheat1.add(wheat2).where((wheat1.add(wheat2)).gt(aie.Image.constant(0)),aie.Image.constant(1))
数据可视化¶
map = aie.Map( center=region.getCenter(), height=800, zoom=7 ) vis_params = { 'color': '#00FF00' } map.addLayer( region, vis_params, 'region', bounds=region.getBounds() ) mask_vis = { 'min': 0, 'max': 1, 'palette': ['#ffffff', '#008000'] # 0:白色, 1:绿色 } ndvi_vis = { 'min': -0.2, 'max': 0.6, 'palette': ['#d7191c', '#fdae61', '#ffffc0', '#a6d96a', '#1a9641'] } map.addLayer(NDVI_median,ndvi_vis, 'NDVI_median', bounds=region.getBounds()) map.addLayer(NDVI_max,ndvi_vis, 'NDVI_max', bounds=region.getBounds()) map.addLayer(NDVI_min,ndvi_vis, 'NDVI_min', bounds=region.getBounds()) map.addLayer(wheat,mask_vis, 'wheat', bounds=region.getBounds()) # 绿色区域为小麦 map
参考文献¶
潘力，夏浩铭，王瑞萌，等. 基于Google Earth Engine 的淮河流域越冬作物种植面积制图[J]. 农业工程学报，2021，37(18)：211-218. doi：10.11975/j.issn.1002-6819.2021.18.025 http://www.tcsae.org
备注：案例以建立规则集提取冬小麦为主，主要借鉴参考文献中部分分类参数和指标用做流程测试，另仅使用 Landsat-8 数据，因此与参考文献中的成果有一定差异敬请谅解。
