基于GEE云平台的耕地非农化动态监测

基于GEE云平台的耕地非农化动态监测

周长荣

沈阳国源科技发展有限公司  辽宁省沈阳市 110000

摘要：土地非农化，是指农用地转变用途，成为居住、交通、工业、商服业等城乡建设用地的过程，耕地非农化会造成的耕地面积减少，对耕地资源造成永久性伤害，因此针对于耕地用地类型的变化，严防耕地地块内从事非农化等行为是非常必要的。本文介绍一种基于GEE云平台，主要针对于耕地用地类型的变化，通过两期或者多期遥感影像进行图斑变化监测，结合耕地地块矢量数据，提取耕地变化图斑的一种方法。

关键词：GEE云平台，耕地非农化、遥感监测

引言

2020年9月印发《关于坚决制止耕地“非农化”行为的通知》明确提出： 严禁违规占用耕地绿化造林、严禁超标准建设绿色通道、严禁违规占用耕地挖湖造景、严禁占用永久基本农田扩大自然保护地、严禁违规占用耕地从事非农建设、严禁违法违规批地用地等6种耕地“非农化”行为。因此，当务之急是助力各级自然资源管理部门及农业农村部等部门从技术层面严守耕地保护红线，实施严格的耕地保护制度。

1数据来源

1.1 GEE云平台

Google Earth Engine是Google提供的对大量全球尺度地球科学资料（尤其是卫星数据）进行在线可视化计算和分析处理的云平台。该平台能够存取卫星图像和其他地球观测数据数据库中的资料并足够的运算能力对这些数据进行处理。

同时，GEE提供了大量的影像数据集，包括Landset系列数据、MODIS系列数据、地形、地表覆盖、气象等数据，在线的JavaScript API对于数值、数组、矩阵、栅格数据、矢量数据和图表等相关的多种模块和函数，能够交互式的调用数据、分析处理和成图显示。

1.2 耕地矢量数据

采用2017年的耕地矢量数据作为基础，用来观测土地利用类型的变化情况。首先，针对当期影像中的耕地进行矢量化提取，并对耕地地块属性赋值，包括坐落的区划名称、面积等信息，保证数据的准确性和完整性。

1.3 影像数据

除GEE云平台使用的影像以外，还采用了不同时间序列的谷歌、天地图影像。

2技术流程

2.1影像处理

1）数据集选取：

COPERNICUS/S2数据集是由欧洲空间局（ESA）开发的Sentinel-2卫星数据集，其包含了全球范围内高空间和时间分辨率的多光谱遥感数据。COPERNICUS/S2数据集每5天观测一次，提供了13个波段的数据，包括可见光、近红外、短波红外等波段。

2）影像去云：

基于Sentinel-2影像中的云掩膜数据(QA60波段)进行云检测，根据云检测结果，将影像中的云和阴影部分进行掩膜，达到云去除的效果。

2.2 GEE云平台非植被地表提取

1）添加NDVI波段

对去云后的COPERNICUS/S2数据集添加NDVI（Normalized Difference Vegetation Index）波段，NDVI指数是一种反映植被覆盖度和生长状况的指数，通常通过计算遥感影像的红光和近红外波段的比值来获得。NDVI的计算公式为：(NIR - Red) / (NIR + Red)，其中NIR代表近红外波段反射率，Red代表红色波段反射率。NDVI值在-1到1之间，数值越高表示植被覆盖越好，数值越低表示植被覆盖越差。是区分植被与非植被的理想指数。

2）提取2021年4109濮阳市NDVI最大值影栅格像

qualityMosaic()函数是一种用于合成影像的方法，其工作原理是：选择每个波段中具有最高像素值的像素，这可以确保合成影像的每个像素都来自于原始影像中最清晰、最清晰的像素。

通过qualityMosaic()函数提取2021年濮阳市NDVI最大值栅格影像并输出至本地。并进行阈值划分：

NDVI阈值取大于0.3时，城市轮廓提取明显，主要道路部分提取、村庄效果提取不明显；

NDVI阈值取大于0.5时，城市轮廓提取充分，主要道路提取明显、村庄轮廓提取明显；

NDVI阈值取大于0.7时，城市、主要道路、村庄提取充分，部分乡间小路提取明显，但是由于NDVI设定阈值过高，把部分光谱特征不明显的耕地地块划分为“硬化地表”造成误分。结合地块生产团队实际生产需求，NDVI阈值设定在0.5左右为满足地块生产最佳阈值。

2.3自动化结果后处理

基于2017年的耕地矢量数据，与GEE云平台自动提取的非植被地表成果进行叠合。首先，利用Arcgis中空间分析方法对数据进行整合，将两个图数据中相交的部分提取出来，得到初步的非农化图斑；其次利用最小面积的指标剔除无效的图斑；最后，考虑到耕地的季节变化会表现出不同的光谱信息，可能会造成自动提取的误差，因此，采用人工对数据成果结合更高清的谷歌或天地图影像校核判读，剔除有问题的图斑，从而进一步提高结果的准确性。

2.4结果生成与统计

针对提取的非农化图斑结果进行赋值，增加图斑的位置、边界情况以及面积，形成最终结果。

在此基础上，根据提取的非农化图斑，对目前已有的耕地数据进行完善，形成不同时间序列年的耕地矢量数据，提高基础耕地矢量数据的时效性和准确性，更好的实现耕地非农化的动态监测。

3案例分析

为了便于观测和结果对比，本次测试选取的影像时相分别为2017年，2021年，采用了河南省鹤壁市浚县卫溪街道办事处范围内进行实验，该乡镇总面积为57748亩。本文分别对不同时相的影像进行处理，再利用GEE云平台对2021年的影像数据进行自动提取，包括建筑物、道路、水域、等非植被覆盖的地表结果；然后与2017年基础耕地矢量数据进行叠加，取相交区域；最后进行人工核查。

经过统计，该乡镇共提取出223块耕地变化图斑，总面积1447.67亩。由结果可以看出，此种方法既可以提供“非农化”耕地的分布图，了解一个区域土地类型变化的整体情况，也可以获取每一块变化图斑的详细信息，在提高图斑的提取效率同时，也有利于下一步工作的开展。

4结语

本文阐述了一种基于GEE云平台监测耕地非农化的方法，其主要优点如下：1. 平台提供全面广泛的影像数据，获取影像更容易，不用下载即可在云中处理数据。2.基于GEE云平台对研究区植被覆盖的时空特征进行提取，并结合阈值划分，可极为快速的获取非农化矢量数据，大大提高了非农化区域的识别效率。

GEE云平台可以处理多源数据，包括多光谱卫星数据，例如Landsat、Sentinel等，用于生成土地利用和土地覆盖的分类图。这可以帮助农业生产者更好地了解他们的土地利用情况，包括农作物覆盖程度、生长速度、农作物类型等。

耕地是人类赖以生存的重要资源，保护好耕地关系着粮食安全和稳定。在通过技术手段监测耕地“非农化”的同时，结合耕地保护机制等措施，能够确保耕地面积的稳定与耕地资源的可持续发展。

参考文献

[1] 王珂,孙景妍,张杰琳,齐雁冰.基于GEE的陕西关中西部耕地季节性撂荒时空变化特征[J]. 西北农林科技大学学报:自然科学版,2022,10: 106-115.

[2]冉玥,查夏凌云,赵丽红. 基于GEE遥感大数据云平台的城市扩张研究--以南昌市为例[J]. 江西科学,2022,5:935-943.