基于GEE平台联合Landsat数据的农作物分类方法研究

董雯凯 赵青芬

（1.江西省自然资源测绘与监测院，江西 南昌 330000；2.江西省国土空间调查规划研究院，江西 南昌 330009）

0.引言

农作物种植信息识别作为经济发展与粮食安全等策略的重要数据，一直以来都是各个部门密切关注的问题[1]。传统的农作物种植信息调查主要采用实地调查与样方测算的方法[2]。如外业调查队伍有目的性地驱车调查，调查种植类型、种植面积，以及在各区县划定样方，逐年逐季对样方内种植作物进行信息获取，从而估算大范围的种植情况。传统的农作物种植面积信息获取与统计多依托当地统计部门进行田间样方抽样调查，根据历史数据进行推算，从而估算整体种植面积。该方法不仅费时费力、效率低下，而且难以获取精确的空间分布信息，更加难以获取准确的农作物种植面积[3]。遥感技术是一种非接触的、远距离探测技术，具有覆盖范围广、重访周期短、现势性强、数据获取与处理简便等优势，为农作物信息的精准获取提供了强有力的手段[4,5]。随着遥感技术的发展，线上遥感处理解译平台应运而生。美国的Google Earth Engine（GEE）作为目前应用人数最多、范围最广的遥感处理解译平台，已经成为遥感学科不可或缺的分析途径[6]，GEE平台存储了Sentinel系列数据、MODIS系列数据、TRMM/GPM降水数据、Landsat数据和海拔数据等海量数据，容量超过5PB，且每天增加约5000幅影像，可以解决大面积地表、地上遥感分类与反演方面最重要的数据来源问题，在平台上可进行土地利用分类、植被长势监测、水体监测等各种遥感分类与反演工作[7，8]。……