论文总字数：18853字

摘 要

江苏省大宗作物包括水稻、小麦、玉米、油菜籽。据国家统计局显示，近10年江苏省的大宗农作物：小麦产量为前五，水稻产量为前七，玉米产量为前十九，油菜籽产量为前十九。相比于传统GIS平台或者遥感平台，GOOGLE EARTH ENGINE（GEE）是Google公司提供的一款免费的地理计算云平台，可以在线访问和使用全球尺度的卫星影像数据和各种地理数据，并且GEE拥有强大的计算能力，支持用户进行快速处理这些数据，实现地理数据的分析和可视化。谷歌地球引擎可以快速计算植被指数，如NDVI，并可以预测与作物相关的产量。这篇文章是基于GEE，使用哨兵2号（Sentinel-2）卫星数据快速提取了2018年需要时间段内的江苏省无云数据。以此为基础，计算了遥感指数，地形特征，纹理特征；最后，利用监督分类中的分类回归树、支持向量机、朴素贝叶斯和随机森林4种方式，提取大宗农作物并比较精度。

关键词：GEE；遥感信息提取； 江苏农作物提取；

Extracting bulk crops in Jiangsu Province based on GOOGLE EARTH ENGINE

Abstract

The bulk crops in Jiangsu include rice, wheat, corn, and rapeseed. According to the National Bureau of Statistics, the bulk crops of Jiangsu Province in the past 10 years: wheat production is the top five, rice output is the top seven, corn output is the top nineteen, and rapeseed output is the top nineteen. Compared with traditional GIS platforms or remote sensing platforms, GOOGLE EARTH ENGINE (GEE) is a free geo-computing cloud platform provided by Google, which can visualize and analyze a large number of global-scale earth science data (especially remote sensing images) online. deal with. The platform can access remote sensing images and other earth observation data and provide sufficient computing power to process these data. GEE can process large amounts of images quickly and in batches. With Google Earth Engine, vegetation indices such as NDVI can be quickly calculated, and crop-related yields can be predicted. This article is based on GEE, using Sentinel-2 (Sentinel-2) satellite data to quickly extract the cloudless data of Jiangsu Province in the period of 2018. Based on this, the remote sensing index, terrain features, and texture features were calculated. Finally, the classification regression tree, support vector machine, naive Bayes, and random forest in supervised classification were used to extract bulk crops and compare their accuracy. 

Key Words: GEE; Remote sensing information extraction; Jiangsu crop extractio

目录

摘 要 I

Abstract II

第一章 引言 1

1.1 GEE平台介绍 1

1.3 本文研究 2

第2章 研究区概况与数据来源 3

2.1 研究区概况 3

2.2 数据来源 4

2.2.1 哨兵2号（Sentinel-2）影像数据 4

2.2.2 SRTM Digital Elevation Data 30m数据 5

2.2.3 样本数据 5

第三章 研究方法 7

3.1 选择特征参数 8

3.1.1 光谱特征 8

3.1.2 地形特征 8

3.1.3 纹理特征 9

3.2 分类方法 9

3.2.1 分类回归树（Classification and Regression Trees） 9

3.2.2 朴素贝叶斯分类器（Naive Bayes） 10

3.2.3 随机森林（Random Forest） 10

3.2.4 支持向量机（Support Vector Machine） 11

3.3 混淆矩阵 11

第四章 结果和分析 11

4.1 特征参数挑选 12

4.2 分类选择 12

4.3 小麦、油菜、水稻、玉米遥感提取与精度验证 14

第五章 讨论和结论 17

5.1 样点的挑选 17

5.2 GEE云处理 17

5.3 分类结果的精度研究 19

5.4 结论 20

参考文献 21

第一章 引言

1.1 GEE平台介绍

GEE，即Google Earth Engine，是由Google，卡内基·梅隆大学和美国地质调查局联合开发的世界上最先进的基于云平台的地理信息处理平台。该平台使用户可以自由访问数量众多的的卫星图像资源和其他地球地理数据库，以及强大的计算能力来处理这些数据。通过GEE，可以以极快的速度的到植被指数，例如NDVI，也可以快速预测所需农作物的产量，大尺度检测地表事物的变化，比如森林变化。

Google Earth Engine是基于Google云的一种平台，用于在线可视化计算和分析大量全球范围内的地球科学资料（尤其是卫星数据）。该平台使用户可以自由访问数量众多的的卫星图像资源和其他地球地理数据库，以及强大的计算能力来处理这些数据，快速实现用户的需求，即按用户想法处理数据。

Google Earth Engine处理图像的能力和速度远超于传统遥感平台，比如ENVI。 Google Earth Engine可用于快速计算植被指数（例如NDVI），也可以快速预测所需农作物的产量，大尺度检测地表事物的变化，比如森林变化，检测自然环境的变化，例如干旱和生长变化。

请支付后下载全文，论文总字数：18853字