Google Earth Engine驱动的泰国达勒府红树林长期变化分析：1987-2017 Landsat影像研究

本研究论文深入探讨了利用Google Earth Engine (GEE) 进行的红树林及其周边环境的详细测绘方法，特别关注泰国达勒府的红树林生态系统。作者针对1987年至2017年间的高空间分辨率（30米）Landsat卫星影像进行了无大气污染的数据处理，旨在揭示气候变化和人类活动对该地区的影响。通过GEE平台，他们实现了对多源卫星数据的整合和处理，克服了存储和分析大型数据集的挑战。 首先，研究者运用GEE技术生成了1987年和2017年间的多光谱数据，通过大气校正确保了数据质量。他们采用了随机森林分类器作为主要的机器学习工具，这是一种强大的监督学习算法，能够准确区分不同地物类别，包括红树林、农业用地、虾/养鱼场和荒地等。随机森林的精度分别达到了87% 和96%，Kappa系数则分别为0.80和0.94，显示出模型的稳定性和可靠性。 接着，他们应用后分类变化检测方法来识别这段时间内的土地利用和土地覆盖变化。结果揭示了显著的景观动态：农业用地面积明显下降，这可能是由于农业转型或城市化进程；与此同时，红树林面积和虾/养鱼场以及荒地的扩张表明这些区域可能经历了保护或开发活动。这些变化反映了人类活动与自然环境之间的交互作用，以及生态系统服务的潜在变化。 通过这样的研究，本文不仅提供了关于达勒府红树林地区过去三十多年来的空间变化信息，也为类似地区未来的生态管理和可持续发展策略提供了有价值的数据支持。此外，研究还展示了Google Earth Engine的强大功能，它在大数据处理、时空分析和地理信息系统（GIS）应用中的潜力，对于地球观测科学和自然资源管理具有重要意义。 这篇发表在《计算机与通信》期刊上的研究，其引用信息为：Journal of Computer and Communications, 2018, Vol. 6, Pages 247-264，国际标准连续出版物编号为ISSN Online: 2327-5227 / ISSN Print: 2327-5219，DOI: 10.4236/jcc.2018.61025。它为地理信息系统专家、生态学家以及政策制定者提供了一个宝贵的案例，展示了如何通过遥感技术和云计算平台来监测和管理复杂环境变化。