1. GEE平台与遥感地物分类概述

Google Earth Engine（GEE）作为当前最强大的地理空间分析云平台之一，其核心价值在于整合了PB级卫星影像数据和并行计算能力。对于遥感地物分类任务而言，传统本地处理方式需要面对数据下载、存储和计算资源三大瓶颈。以Landsat 8影像为例，单景数据量约1GB，处理一个中等规模区域（如长三角）的年度时序数据就可能超过100GB，这对普通研究团队的硬件配置提出了极高要求。

GEE的突破性在于将数据预处理流程云端化。以水体/植被分类为例，用户无需手动下载和拼接影像，通过简单的JavaScript或Python API调用即可访问经过辐射校正和大气校正的Landsat/Sentinel数据集。更重要的是，GEE提供了完整的机器学习算法套件，从经典的随机森林到深度学习模型，均可直接在平台上训练和部署。这种端到端的解决方案使得研究者能将精力集中在特征工程和模型优化上，而非数据管理。

在实际应用中，我发现GEE特别适合处理大范围、长时间序列的遥感分类任务。例如去年参与的鄱阳湖湿地监测项目，需要分析2000-2020年间每季度的植被覆盖变化。若采用传统方法，仅数据准备阶段就可能耗时数月，而在GEE上我们仅用两周就完成了从数据提取到模型验证的全流程。这种效率提升对于时效性要求高的环境监测项目尤为重要。

2. 数据集构建的关键技术环节

2.1 数据源选择与预处理

在GEE中进行地物分类，Sentinel-2 MSI和Landsat 8 OLI是最常用的数据源。两者各有优劣：Sentinel-2具有10米的空间分辨率（可见光波段），且重访周期短（5天）；而Landsat 8的时间跨度更长（自2013年至今），更适合长期变化分析。我的经验法则是：当研究需要高时空分辨率时，优先选择Sentinel-2；当进行长时间序列分析时，Landsat系列更为可靠。

波段组合的选择直接影响分类精度。对于水体识别，NDWI（归一化水体指数）是必选特征：

var ndwi = image.normalizedDifference(['B3', 'B8']).rename('NDWI'); // Sentinel-2

植被分类则需计算NDVI：

var ndvi = image.normalizedDifference(['B8', 'B4']).rename('NDVI'); // Sentinel-2

2.2 样本数据采集策略

训练样本的质量决定模型上限。在GEE中绘制样本点时，需特别注意：

1. 样本均衡性：确保各类别样本数量大致相当
2. 时空代表性：样本应覆盖不同季节和年份
3. 边缘效应：避免在两类交界处采集模糊样本

建议使用 ee.FeatureCollection 管理样本，并通过分层随机抽样确保数据分布合理：

var samples = water.merge(vegetation).merge(urban);
var training = samples.randomColumn('random').filter(ee.Filter.lt('random', 0.7));
var validation = samples.filter(ee.Filter.gte('random', 0.7));

3. 机器学习模型实战对比

3.1 模型选型与参数配置

GEE提供了四种经典机器学习算法：

1. 随机森林（ee.Classifier.smileRandomForest）
   • 关键参数：numberOfTrees（建议50-200），minLeafPopulation（通常设为1）
2. SVM（ee.Classifier.libsvm）
   • 关键参数：kernelType（线性或RBF），gamma（影响决策边界曲率）
3. CART（ee.Classifier.smileCart）
   • 关键参数：minLeafPopulation（控制树深度）
4. GTB（ee.Classifier.smileGradientTreeBoost）
   • 关键参数：loss（损失函数类型），shrinkage（学习率）

以随机森林为例，完整训练代码如下：

var classifier = ee.Classifier.smileRandomForest({
  numberOfTrees: 100,
  minLeafPopulation: 1,
  seed: 42
}).train({
  features: training,
  classProperty: 'label',
  inputProperties: ['B2','B3','B4','B8','NDVI','NDWI']
});

3.2 精度评估方法

混淆矩阵是最直观的评估工具：

var validation = classifier.classify(validation);
var confusionMatrix = validation.errorMatrix('label', 'classification');
print('Confusion Matrix:', confusionMatrix);
print('Overall Accuracy:', confusionMatrix.accuracy());
print('Kappa Coefficient:', confusionMatrix.kappa());

根据我的项目经验，不同模型在典型场景下的表现规律如下表所示：

模型类型	训练速度	内存消耗	小样本表现	抗噪能力	典型OA(%)
随机森林	中等	较高	优秀	强	85-92
SVM	慢	低	一般	中等	80-88
CART	快	低	差	弱	75-83
GTB	较慢	高	优秀	强	86-91

4. 生产环境中的优化策略

4.1 特征工程进阶技巧

除光谱指数外，纹理特征能显著提升分类精度。使用GLCM（灰度共生矩阵）提取纹理：

var texture = image.select('B8').glcmTexture({
  size: 3,  // 窗口大小
  average: true
});
var withTexture = image.addBands(texture.select(['B8_contrast','B8_entropy']));

时序特征对于植被分类尤为重要。计算NDVI时间序列统计量：

var ndviTS = collection.map(function(img){
  return img.addBands(img.normalizedDifference(['B8','B4']).rename('NDVI'));
});
var stats = ndviTS.select('NDVI').reduce(ee.Reducer.mean().combine({
  reducer2: ee.Reducer.stdDev(),
  sharedInputs: true
}));

4.2 后处理与可视化

分类结果常存在椒盐噪声，使用形态学滤波改善：

var smoothed = classified.focal_mode({radius: 3, units: 'pixels'});

导出结果到Google Drive：

Export.image.toDrive({
  image: smoothed,
  description: 'Water_Vegetation_Classification',
  scale: 10,
  region: studyArea,
  maxPixels: 1e13
});

5. 典型问题排查手册

5.1 过拟合问题诊断

当验证集精度显著低于训练精度时，可能原因包括：

1. 样本量不足（每类至少300个样本点）
2. 样本空间分布不均（使用 stratifiedSample 替代 randomColumn ）
3. 特征相关性过高（计算特征相关系数矩阵）

解决方案代码示例：

// 特征相关性分析
var corrMatrix = ee.Array.cat([
  image.select(['B2','B3','B4','NDVI']).reduceRegion({
    reducer: ee.Reducer.correlation(),
    geometry: studyArea,
    scale: 30,
    maxPixels: 1e9
  }).get('correlation')
]);
print('Feature Correlation Matrix:', corrMatrix);

5.2 边缘分类误差处理

地物边缘分类不准是常见问题，可通过以下方法改善：

1. 增加边缘区域样本量
2. 使用CRF（条件随机场）后处理
3. 引入高程数据（如SRTM）作为辅助特征

高程数据融合示例：

var dem = ee.Image('USGS/SRTMGL1_003');
var withDEM = image.addBands(dem.select('elevation'));

6. 项目实战：鄱阳湖湿地分类案例

6.1 数据准备阶段

加载2020年生长季Sentinel-2数据：

var s2 = ee.ImageCollection('COPERNICUS/S2_SR')
  .filterDate('2020-04-01', '2020-10-31')
  .filterBounds(poYangLake)
  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 10))
  .median();

计算多时相NDVI特征：

var spring = s2.filterDate('2020-04-01','2020-05-30').median();
var summer = s2.filterDate('2020-06-01','2020-08-31').median();
var ndviDiff = summer.select('NDVI').subtract(spring.select('NDVI'));

6.2 模型训练与部署

最终特征集包含：

• 光谱特征：B2,B3,B4,B8
• 指数特征：NDVI,NDWI,NDBI
• 时序特征：NDVI季节差异
• 纹理特征：B8_entropy

随机森林参数优化过程：

var tunedClassifier = ee.Classifier.smileRandomForest({
  numberOfTrees: 150,
  minLeafPopulation: 3,
  bagFraction: 0.8,
  seed: 42
});

6.3 成果验证与分析

通过混淆矩阵和面积统计验证结果：

var areaStats = ee.Image.pixelArea()
  .addBands(smoothed)
  .reduceRegion({
    reducer: ee.Reducer.sum().group({
      groupField: 1,
      groupName: 'class'
    }),
    geometry: poYangLake,
    scale: 10,
    maxPixels: 1e13
  });
print('Area by Class (sq.m):', areaStats);

在项目交付过程中，我们发现模型对水生植被（如芦苇荡）的识别精度较低（F1-score仅0.65）。通过增加该类别的样本量并引入秋季影像数据，最终将精度提升至0.78。这个案例表明，当面对特殊地物类型时，针对性的样本策略和特征设计比模型选择更重要。