Google Earth Engine平台下的1990-2019年江西省森林覆被连续变化分析

doi:10.13474/j.cnki.11-2246.2022.0070

测绘通报 ›› 2022, Vol. 0 ›› Issue (3): 18-22.doi: 10.13474/j.cnki.11-2246.2022.0070

Google Earth Engine平台下的1990-2019年江西省森林覆被连续变化分析

肖真¹, 丁明军^1,2, 刘怡媛^1,2, 黄柯依¹, 张臻¹

1. 江西师范大学地理与环境学院, 江西南昌 330022;
2. 江西师范大学鄱阳湖湿地与流域教育部重点实验室, 江西南昌 330022)

收稿日期:2021-03-01 修回日期:2021-05-29 出版日期:2022-03-25 发布日期:2022-04-01
通讯作者: 丁明军。E-mail:dingmingjun1128@163.com
作者简介:肖真(2000-),男,研究方向为土地利用、覆被变化研究。E-mail:xiaoz@jxnu.edu.cn
基金资助:
国家自然科学基金(41761020;41440004);国家级大学生创新创业训练计划(202010414016);江西师范大学地理与环境学院经天纬地开放基金

Analysis of forest continuous changes in Jiangxi province during 1990-2019 under the Google Earth Engine

XIAO Zhen¹, DING Mingjun^1,2, LIU Yiyuan^1,2, HUANG Keyi¹, ZHANG Zhen¹

1. School of Geography and Environment, Jiangxi Normal University, Nanchang 330022, China;
2. Key Laboratory of Poyang Lake Wetland and Watershed Research (Ministry of Education), Jiangxi Normal University, Nanchang 330022, China

Received:2021-03-01 Revised:2021-05-29 Online:2022-03-25 Published:2022-04-01

摘要/Abstract

摘要： 森林是人类赖以生存和发展的重要生态环境资源,对其时空格局进行监测和分析具有十分重要的意义。本文以全国生态文明示范区之一的江西省作为研究区,基于Google Earth Engine平台的Landsat时序数据,采用CCDC方法,对江西森林的面积和绿度变化进行了分析。其结果对森林时空格局的监测和分析具有一定的参考价值。

关键词: Google Earth Engine;CCDC;森林;时空格局

Abstract: Forests have an irreplaceable role in national economic construction and sustainable development,and it is very important to monitor and analyze changes in their spatial and temporal patterns.The continuous change detection and classification method are used to analyze the continuous change in the area and greenness of Jiangxi forests based on the Google Earth Engine platform.The results have certain reference value for monitoring and analyzing the spatio-temporal pattern of forest.

Key words: Google Earth Engine;CCDC;forest;spatio-temporal patterns

中图分类号:

P237

肖真, 丁明军, 刘怡媛, 黄柯依, 张臻. Google Earth Engine平台下的1990-2019年江西省森林覆被连续变化分析[J]. 测绘通报, 2022, 0(3): 18-22.

XIAO Zhen, DING Mingjun, LIU Yiyuan, HUANG Keyi, ZHANG Zhen. Analysis of forest continuous changes in Jiangxi province during 1990-2019 under the Google Earth Engine[J]. Bulletin of Surveying and Mapping, 2022, 0(3): 18-22.

参考文献

[1] STAAL A, TUINENBURG O A, BOSMANS J H, et al. Forest-rainfall cascades buffer against drought across the Amazon[J]. Nature Climate Change, 2018,8(6):539-543.
[2] VELDKAMP E, SCHMIDT M, POWERS J S, et al. Deforestation and reforestation impacts on soils in the tropics[J]. Nature Reviews Earth&Environment, 2020,1(11):590-605.
[3] OUYANG Z, ZHENG H, XIAO Y, et al. Improvements in ecosystem services from investments in natural capital[J]. Science, 2016,352(6292):1455-1459.
[4] 何兴元,任春颖,陈琳,等.森林生态系统遥感监测技术研究进展[J].地理科学, 2018, 38(7):997-1011.
[5] 王尚雄.森林资源连续清查外业调查工作中出现的主要问题及解决途径[J].现代园艺, 2020,43(17):213-215.
[6] GÓMEZ C, WHITE J C, WULDER M A. Optical remotely sensed time series data for land cover classification:a review[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016,116:55-72.
[7] GORELICK N, HANCHER M, DIXON M, et al. Google earth engine:planetary-scale geospatial analysis for everyone[J]. Remote Sensing of Environment, 2017,202(3):18-27.
[8] 张立福,王飒,刘华亮,等.从光谱到时谱——遥感时间序列变化检测研究进展[J].武汉大学学报(信息科学版), 2021, 46(4):451-468.
[9] 王子予,刘凯,彭力恒,等.基于Google Earth Engine的1986-2018年广东红树林年际变化遥感分析[J].热带地理, 2020,40(5):881-892.
[10] 李若楠,欧光龙,代沁伶,等.基于GEE和Landsat时间序列数据的香格里拉森林类型分类研究[J].西南林业大学学报(自然科学), 2020, 40(5):115-125.
[11] 殷崎栋,柳彩霞,田野.基于Landsat时序影像和LandTrendr算法的森林保护区植被扰动研究——以陕西柴松和太白山保护区为例[J].生态学报, 2020,40(20):7343-7352.
[12] ZHU Z, WOODCOCK C E. Continuous change detection and classification of land cover using all available Landsat data[J]. Remote Sensing of Environment, 2014, 144(1):152-171.
[13] 陈济友,徐昕,刘晓勇.江西省第九次森林资源清查主要结果与动态变化分析[J].林业资源管理, 2018(2):18-23.
[14] MOHANAIAH P, SATHYANARAYANA P, GURUKUMAR L. Image texture feature extraction using GLCM approach[J]. International Journal of Scientific and Research Publications, 2013,3(5):1-5.
[15] HUETE A, DIDAN K, MIURA T, et al. Overview of the radiometric and biophysical performance of the MODIS vegetation indices[J]. Remote Sensing of Environment, 2002,83(1-2):195-213.
[16] ZHU Z, FU Y, WOODCOCK C E, et al. Including land cover change in analysis of greenness trends using all available Landsat 5, 7, and 8 images:a case study from Guangzhou, China (2000-2014)[J]. Remote Sensing of Environment, 2016,185(3):243-257.
[17] DAWOOD M. Spatio-statistical analysis of temperature fluctuation using Mann-Kendall and Sen's slope approach[J]. Climate Dynamics, 2017,48(3-4):783-797.
[18] ALTMAN N, KRZYWINSKI M. Simple linear regression[M].[S. l.]:Nature Publishing Group, 2015.
[19] 欧阳绍仪.江西省荒山造林十年硕果累累[J].中国林业, 2005(6):26-27.
[20] 江西省发展和改革委员会.我省召开新一轮退耕还林工作启动电视电话会[EB/OL].(2015-10-22)[2020-11-19]. http://drc.jiangxi.gov.cn/art/2015/10/22/art_14790_625864.html.
[21] 江西省林业局.江西省退耕还林工程建设概况[EB/OL].(2006-10-28)[2020-11-10]. http://jxly.gov.cn/id_6f8c400a66c5452581fa76c7df39443d/news.shtml.

Google Earth Engine平台下的1990-2019年江西省森林覆被连续变化分析

Analysis of forest continuous changes in Jiangxi province during 1990-2019 under the Google Earth Engine

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	王艳军, 林云浩, 王书涵, 李少春, 王孟杰. OSM辅助车载LiDAR点云三维道路边界精细提取[J]. 测绘通报, 2022, 0(7): 18-25.
[2]	柳林, 孙毅, 李万武. 基于CNN海上钻井平台检测模型的构建及训练算法分析[J]. 测绘通报, 2022, 0(7): 26-32,99.
[3]	孔瑞瑶, 谢涛, 马明, 孔瑞林. CatBoost模型在水深反演中的应用[J]. 测绘通报, 2022, 0(7): 33-37.
[4]	温雨笑, 吕杰, 马庆勋, 张鹏, 徐汝岭. 高光谱和LiDAR联合反演森林生物量研究[J]. 测绘通报, 2022, 0(7): 38-42.
[5]	江泽霖, 邓健, 栾海军, 李兰晖. 基于逐日夜间灯光遥感的新冠肺炎疫情变化信息快速提取——以北京市为例[J]. 测绘通报, 2022, 0(7): 43-48.
[6]	郑艳, 何欢, 卜丽静, 金鑫. 自相似性和边缘保持分解的超分辨率重建算法[J]. 测绘通报, 2022, 0(7): 54-59.
[7]	冉崇宪, 李森磊. 利用无人机多光谱影像提取树冠信息[J]. 测绘通报, 2022, 0(7): 112-117.
[8]	刘立, 董先敏, 刘娟, 文学虎. 人机融合智能的遥感解译生产新方法[J]. 测绘通报, 2022, 0(7): 118-123,137.
[9]	艾敏, 景慧, 田禹东, 郭兰勤, 裴渊杰. 近20年哈尔滨市呼兰区土地利用覆盖变化及驱动分析[J]. 测绘通报, 2022, 0(7): 124-128.
[10]	刘玉贤, 阮明浩, 闫臻. 一种基于机载激光点云的门型电塔精确提取方法[J]. 测绘通报, 2022, 0(7): 129-133.
[11]	刘国超, 彭卫平, 杨水华, 胡周文. 地质雷达+三维测量内窥镜的城市道路病害检测与应用[J]. 测绘通报, 2022, 0(7): 134-137.
[12]	刘小玉, 刘扬, 杜明义, 张敏, 贾竞珏, 杨恒. 基于DeeplabV3+的建筑垃圾堆放点识别[J]. 测绘通报, 2022, 0(4): 16-19,43.
[13]	李佳豪, 周吕, 马俊, 杨飞, 咸凌霄. 利用PS-InSAR技术进行城市地铁沿线形变监测与机理分析[J]. 测绘通报, 2022, 0(4): 20-25.
[14]	师芸, 石龙龙, 牛敏杰, 赵侃. 基于单阶段实例分割网络的黄土滑坡多任务自动识别[J]. 测绘通报, 2022, 0(4): 26-31.
[15]	窦世卿, 陈治宇, 徐勇, 郑贺刚, 苗林林, 宋莹莹. 基于多特征融合与典型降维方法的高光谱影像分类[J]. 测绘通报, 2022, 0(4): 32-36,50.