基于遥感云服务平台的植被指数计算

2021-06-21冷天熙胡文萍

林业调查规划 2021年3期

冷天熙，胡文萍

(云南省林业调查规划院，云南昆明 650051)

近年来，遥感技术迅速发展，空间分辨率、时间分辨率、光谱分辨率等技术指标不断提高，在遥感数据的获取上也趋于多平台、多传感器、多角度的特点[1]。利用遥感能快速、大面积、长时间地探测地表情况。遥感技术的发展与应用产生海量的遥感数据，近地卫星向地球发回传输数据量为每秒GB级别，对数据的处理及运用提出新的挑战。遥感云计算平台的产生极大地提高了运算效率，解决了海量遥感数据处理问题。Matthew Hansen团队于2013年采用遥感云计算平台进行全球森林变化监测，被世界资源研究所采用，并构建了Global Forest Watch全球森林监测平台。近年来，美国航空航天局、谷歌、亚马逊以及国内的阿里、腾讯、华为、商汤科技等公司均开发了相应的遥感云计算平台。

遥感云服务是利用云计算整合各种遥感技术，将已有的遥感数据、产品、算法作为一个公共服务设施，通过网络提供给用户使用。具有分布式、虚拟化、高可用性、动态扩展及高安全性等特点。

本文基于Google Earth Engine(以下简称GEE)云计算平台，对遥感数据收集、处理及植被指数计算进行探索，以期为遥感云计算平台在森林资源管理中的应用提供参考。

1 数据来源及计算方法

1.1 遥感云服务平台

目前，国外的遥感云服务平台主要有谷歌公司的GEE、美国航空航天局的NEX、笛卡尔实验室的Descartes Labs、亚马逊的Amazon Web Services、澳大利亚地学数据立方体(AGDC)等。国内遥感云服务也发展迅速，主要有中国科学院“地球大数据挖掘分析系统云服务(Earth Data Miner)”、华为云GeoGenius-遥感智能体、腾讯“WeEarth超级地球”等。其中以GEE应用最为广泛。

GEE是谷歌公司的核心云计算平台，依托谷歌公司的强大服务器，能够提供足够的运算能力对海量空间数据进行可视化分析和计算处理，且平台提供海量的地球物理、天气、气候、影像等数据。GEE已于2019年与深度学习平台TensorFlow进行耦合，进一步提升了机器学习能力。其提供丰富的API，是一个集科学分析及地理信息数据可视化的综合性平台，其使用谷歌核心基础架构、数据分析和机器学习技术，运行高效且免费。经论证，本次试验计算选用GEE进行。

1.2 数据来源

本计算采用的遥感影像为Landsat8影像，Landsat8于2013年发射，搭载陆地成像仪(OLI)和热红外传感器(TIRS)，可提供全球2013年4月至今的遥感数据，空间分辨率为30 m。Landsat8共有11个波段，432波段组合可合成真彩色图像，652及654波段组合便于植被分类及分析。GEE中直接集成Landsat8影像。

1.3 NDVI(植被指数)计算

NDVI(Normalized Difference Vegetation Index),归一化差分植被指数可使植被从水和土中分离出来。遥感数据生成的NDVI能够相当精确地反映植被绿度、光合作用强度，反映植被代谢强度及其季节和年际变化,可用于植被的监测、分类和物候分析[2]。NDVI计算公式为：

(1)

式中，NIR为近红外波段的反射值，R为红光波段的反射值，Landsat8的NIR为波段5，R为波段4。

NDVI广泛应用于植被生长、分类识别和覆盖度的监测。计算值为-1到1之间，当-1<=NDVI<0时，表示地面覆盖为云、水、雪等；当NDVI =0时，表示有岩石或裸土等；当0

2 计算过程

2.1 GEE注册及平台登录

GEE目前对科研、教育及非营利性机构人员均可以免费使用。登录官网(https://earthengine.google.com/)进行注册及登录，登录后右上角“PLATFORM”中的“CODEEDITOR”菜单，进入工作空间。工作空间包括搜索区、代码及数据存储区、代码编辑区、输出显示区及地图展示区5个区域。

2.2 矢量数据导入及影像数据筛选

GEE可上传shapefile、KML等格式的矢量数据作研究区域。点击数据存储区的Assets/Table Upload/Shape files上传计算区域范围的矢量数据。上传完成后找到相应文件点击“Import into script”导入代码编辑区。GEE提供较多的筛选函数对数据进行筛选，如筛选计算区域中2020年1月1日至12月31日的Landsat 8影像主要代码如下：

var sCol = ee.ImageCollection("LANDSAT/LC08/C01/T1_TOA")

.filterBounds(roi).filterDate("2020-01-01","2020-12-31")

2.3 影像NDVI的计算及导出

GEE中直接使用normalizedDifference函数进行NDVI值计算，完成计算后可将NDVI栅格图层导出。可将数据导出到Google Driver、Google Assets和Google Cloud Storage，数据导出后可下载到本地进行后续数据统计及分析，计算NDVI平均值并导出NDVI栅格图层的主要代码如下：

var sCol=sCol1.map(function(image){

var ndvi = image.normalizedDifference(["B5"，"B4"]);

return image.clip(roi).addBands(ndvi.rename("NDVI")); });

var ndvi1=sCol.select("NDVI").mean();

Export.image.toDrive({

image:ndvi1,

description:‘ndvi20181208’,

folder:‘my_ndvi’,

scale:100,

region:roi})