基于Google Earth Engine的城市土地利用变化研究.pdfVIP

2025年第17期现代园艺试验研究

基于GoogleEarthEngine的城市土地利用变化研究

赵思佳，赵红佳，朱晨波，李宏超，张萍丽*

（河南测绘职业学院国土信息与管理系，河南郑州450000）

摘要：随着全国经济不断发展，城镇化步伐不断前进，许多城市土地覆盖类型不断变化，通过时序遥感影像，可完成城市土地覆

盖变化的监测。以近年来新一线城市合肥市为例，通过GoogleEarthEngine平台，在线访问2019－2023年的Sentinel-2列影像，

利用机器学习（随机森林分类）以及水体和植被等指数，分类测算合肥市的土地覆盖类型。结果显示，2019-2023年，合肥市耕地面

积减少率为3.74%；林地增加率为47.56%；草地减少率65.70%；裸地减少率为37.60%；水域增加率为10.98%；建设用地增加率为

107.22%。

关键词：GoogleEarthEngine；Sentinel-2影像；土地覆盖分类；合肥市

随着全国经济和城镇化快速发展，城市土地覆盖大范围、高精度的城市土地分类要求。基于机器学习的

类型随之也发生巨大的变化。合肥市作为新一线发展遥感影像分类方法有：深度学习、支持向量机、随机森

城市，需要重点监测土地利用及覆盖变化，为土地合理林等。本研究选用随机森林分类算法，通过随机选取特

利用提供数据支撑。在研究土地利用和覆盖变化过程征点，并结合时序遥感影像，以及GoogleEarthEngine

[1][4]

中，土地覆盖分类无疑是最重要的一步。平台，完成对研究区土地利用分类研究。

随着航天能力和传感器技术的发展，现代遥感技GoogleEarthEngine是一云端地理数据处理工

术得到全面提升。从中低分辨率遥感影像到高分辨率具，通过集合不同传感器影像，利用云计算技术，消除

遥感影像的飞跃，给遥感领域的研究者带来更多的研了传统遥感影像下载、预处理等烦琐工作。本研究通

究方向。现阶段，遥感领域应用最多的还是高分辨率遥过GoogleEarthEngine平台选取合肥市不同年份遥感

感影像，因其具有丰富的地物信息、更新速度快等特点影像，进而借助其强大计算能力，得到该城市每年土地

而备受青睐。近年来，随着现代化城市不断发展，运用利用覆盖分类图。

遥感影像进行城市土地覆盖分类成为热点研究之一。1研究区概况

城市作为经济发展中心，及时获取城市土地利用信息，合肥作为安徽省省会，位于华东地区，介于东经

并通过技术手段进行处理和分析，为城市科学化发展116°41′~117°58′、北纬30°57′~32°32′之

[2]间。合肥市怀抱巢湖，地形以平原、丘陵为主，全市海拔

提供数据支撑。

早期土地利用分类研究主要依赖于中低分辨率遥多在15~80m之间。现辖四县四区，并拥有四大开发

[3]2

感影像，再加上人的主观经验。如，牟凤云等通过目视区，总面积约为11445.1km，其中市辖区面积约为

解译的方法获取城市土地覆盖分类信息，并对城市建1339km2[5]。

成区进行监测。但目视解译法太依赖作业人员的主观2数据来源

经验，且作业时间较长、效率低、耗费人力、物力，对于2.1遥感影像

现阶段大范围城市土地覆盖分类没有较多参考价值。