基于Google Earth Engine与机器学习的黄土梯田动态监测

目的 梯田是黄土高原最重要的水土保持措施和农业生产措施，高效、准确地获取长时间序列黄土梯田分布信息，对黄土高原的水土保持监测和评价十分重要。 方法 在Google Earth Engine(GEE)的支持下，以宁夏回族自治区固原市为研究区，使用遥感影像监督识别技术，对比随机森林(RF)、决策树(CART)、支持向量机(SVM)等3种机器学习算法的识别精度，并探讨LandTrendr算法在长时间序列动态监测中的优化应用，最终获取固原市近30 a梯田分布信息。 结果 ①3种算法识别精度从大至小依次为随机森林、决策树、支持向量机。②使用随机森林算法识别梯田，基于样点检验总体精度达94.10%，Kappa系数达0.87，基于实地斑块检验总体精度达93.33%，Kappa系数达0.80。③ LandTrendr算法能有效校正时间序列中的错误值。④ 1988－2019年，固原市梯田面积减少了45.90%。⑤固原市西部的梯田使用时间较东部更长。 结论 采用本研究方法在GEE云平台可以高效、准确地遥感监测长时序、大尺度的黄土梯田。固原市近30 a梯田农业比例逐渐下降，促进了生态环境持续向好发展。图4表3参22