企业官网建设流程全解析

如果你做遥感作物分类，大概率绕不开 GEE 和随机森林这两样东西。这次项目要解决的，就是怎么在 Google Earth Engine 里，利用哨兵二号的多时相影像，构建时间序列特征，然后用随机森林算法，把山东省的玉米种植区给识别出来。

我要先说明一点：这算不上什么“高精尖”算法，而是一套已经被大量验证过的、稳定可靠的组合方案。真正有意思的地方在于，怎么把时间序列特征设计得合理、样本怎么布设、参数怎么调、结果怎么验证，以及踩过哪些坑。下面我把整个项目从头到尾拆开讲透，代码也会给到可以直接跑的程度。

1. 项目整体设计思路：为什么非要用 GEE 做这件事

1.1 区域尺度作物制图的难题

山东是玉米主产区，种植结构复杂、地块零碎、冬小麦-夏玉米轮作普遍，加上春季和秋季的物候差异非常大。如果用传统方法——比如单一时期的影像做分类——很容易把玉米和同期生长的花生、大豆甚至蔬菜混淆。这时候，时间序列信息的价值就体现出来了：不同作物在生长季内的光谱曲线差异，远比单一时相大。

传统做时间序列分类的方式是下载影像、本地拼接裁剪、逐个时相处理，工作量极大。一个省的面积，如果用 10 米分辨率的 Sentinel-2 影像，每期大约 8 到 10 景，生长季内至少要选 6 到 8 期，后期还要做云掩膜、指数计算、特征堆叠，整个过程没有一两周下不来。而 GEE 把这个过程压缩到了小时级别，这也是它最大的价值所在。

1.2 为什么选随机森林而不是深度学习

这里必须说清楚一个现实问题：深度学习在遥感分类上的精度往往更高，但它在区域尺度应用中有一个致命瓶颈——训练样本需求量巨大，而且对算力要求高。项目周期不允许你花一个月去标注十万个样本，再调一星期显存。随机森林在这种场景下的优势非常明显：

• 对样本量的需求相对小，几千个样本就能取得不错的效果
• 对特征噪声和多重共线性有很强的鲁棒性，不需要做复杂的特征筛选
• 训练速度快，在 GEE 里跑几千棵树也就是几秒钟的事情
• 能输出特征重要性，方便你回溯哪些特征起了关键作用

换句话说，对于区域尺度、中等分辨率、样本量有限的项目，随机森林是性价比最高的选择。这不是算法上的妥协，而是工程上的清醒。

1.3 技术方案总览

这个项目的总体技术路线可以概括为六个环节：数据获取与预处理、时间序列特征构建、样本数据准备、模型训练与参数调优、分类结果后处理、精度验证与结果输出。每个环节我都会在下面给出具体的实现细节和完整代码。

2. 数据准备与时间序列特征构建详解

2.1 Sentinel-2 数据选择与预处理

GEE 里哨兵二号数据有两个常用集合：一个是 Level-1C 的大气表观反射率产品（COPERNICUS/S2_SR），一个是 Level-2A 的大气校正产品。我这里使用的是 COPERNICUS/S2_SR，因为这是已经做完大气校正的表面反射率数据，更适合做植被指数计算。

数据筛选要注意三个关键点。第一是时间窗口，山东的夏玉米一般是 6 月中旬播种，9 月底到 10 月初成熟收获，所以生长季覆盖 6 月到 10 月，我取了 6 月 1 日到 10 月 15 日这个区间。第二是云量过滤，单景影像云量低于 20% 的优先保留。但这里有个坑：单景云量低不代表目标区域无云，所以还要做逐像元的云掩膜，不能偷懒直接用允许的最大云量过滤。第三是影像合成策略，我用了 medoid 合成——也就是每个像元位置上，在所有可用影像中选取光谱值距离中位数最近的像元。这样比简单取中位数更能保留原始光谱的物理意义，玉米和背景地物之间的边界也更清晰。

2.2 时间序列特征的设计逻辑

这是整个项目最核心的部分。时间序列特征的目的是捕捉玉米在整个生长周期内的物候变化规律，而不只是某个时刻的光谱状态。

我设计了三个层次的指数特征。第一个层次是基础植被指数，包括 NDVI、EVI、NDWI1、NDWI2 和 LSWI。NDVI 用来刻画绿度变化，EVI 在高植被覆盖区更稳定，NDWI1（近红外和绿波段）对叶片含水量敏感，NDWI2（近红外和短波红外 1）对作物冠层水分更敏感，LSWI 对土壤和植被水分都敏感，尤其在作物生长初期很有区分度。第二个层次是红边指数，Sentinel-2 特有的红边波段对植被叶绿素含量变化非常敏感，我计算了 NDRE1 和叶绿素红边指数 CIre，这两个指数在区分玉米和同期生长的其他作物时非常有用。第三个层次是物候特征，直接从时间序列中提取生长季峰值、峰值出现时间、生长季长度等参数，这些特征在东北玉米种植区的研究中效果很好，山东同样适用。

特征构建完以后是一个 30 多个波段的多维数据立方体，在分类时直接把所有波段作为随机森林的输入特征，不需要做 PCA 降维，随机森林本身对高维特征的处理能力足够强。

2.3 样本数据的构建方案

样本数据我用的是两层策略。第一层是目视解译样本，基于高分辨率影像（Sentinel-2 真彩色合成加上 NDVI 时序曲线辅助判读）手工勾绘了玉米、花生、大豆、林地、水体、建筑、其他植被七大类样本点。这里要注意一点：样本点不能全部集中在一个区域，要均匀分布到山东的各个地市，否则模型的泛化能力会很差。第二层是用 GEE 里的随机抽样，按地类分层抽样，保证每一类的样本数量不至于悬殊太大。

样本量方面，我最终的训练集是 3500 个样本点，验证集是 1500 个样本点，按 7：3 划分。每一类最少不低于 300 个样本，保证了随机森林在每一类上都有足够的学习样本。

3. 随机森林分类参数配置与模型优化

3.1 GEE 中随机森林的参数设置

GEE 里随机森林分类器是 ee.Classifier.smileRandomForest，参数设置看似简单，但里面有几个细节值得推敲。

• numberOfTrees（树的数量）：我最终设为 300。树太少模型不稳定，树太多训练时间和内存开销会明显增加，而在 300 棵以上精度提升已经非常有限
• minLeafPopulation（叶子节点最小样本数）：默认是 1，但我在实践中设置为 3，可以有效避免过拟合，尤其在高分辨率影像上，地块内部的纹理差异容易导致模型学到零碎噪声
• bagFraction（袋外采样比例）：默认是 0.5，直接使用默认值。袋外数据还被用来算 OOB 误差，可以在交叉验证之前快速评估模型好坏

这里要提醒一点：GEE 的随机森林分类器会输出很多参数，但你真正需要调的其实只有树的数量和叶子节点最小样本数。其他参数在大多数遥感分类场景下用默认值就够了，过度调参不仅浪费时间，还有可能把模型调偏。

3.2 特征重要性与冗余特征处理

随机森林训练完以后，我第一件事不是看分类结果，而是先看特征重要性排序。在 GEE 里可以通过 classifier.explain() 方法获取特征重要性信息。

从实际输出可以看到，NDVI 时间序列的峰值和生长季累计值排在最前面，红边指数次之，这符合山东夏玉米的物候规律——玉米生长旺盛期绿度变化剧烈，红边位置的微小偏移能反映叶绿素含量的快速积累。而水体指数在整个分类任务中的重要度最低，因为水体在光谱上与植被差异本身就很明显，不管用什么特征都能区分，所以它在区分玉米和其他作物时价值不大。

特征重要性分析还有一个额外价值：如果某个你预期很重要的特征实际重要性很低，说明数据预处理或者特征计算可能存在问题，值得回头检查这些波段的取值范围和云掩膜效果。

3.3 时空交叉验证的必要性

传统的随机抽样交叉验证在这里有一个隐患：相邻像元之间存在空间自相关性，模型可能在训练时已经“见过”了验证样本附近的信息，导致精度虚高。更稳健的做法是空间交叉验证——按地理区域划分训练集和验证集，比如把山东按每 30 公里一个格子划开，不同格子分别进训练集和验证集。

我第一次跑出来的结果，随机抽样交叉验证的总体精度是 88.7%，Kappa 系数 0.86，看着还不错。但换成空间交叉验证后，精度降到了 84.2%，Kappa 0.81——这个才更接近模型在新区域的真实表现。所以如果你的项目要推广到别的地方，建议一定要做空间交叉验证，否则汇报精度数据时会比较虚。

4. 完整代码实现：从数据加载到结果输出

4.1 全流程代码框架

// 定义研究区：山东省 var shandong = ee.FeatureCollection('projects/your-project/assets/shandong_boundary'); var roi = shandong.geometry(); // 定义时间范围 var startDate = '2023-06-01'; var endDate = '2023-10-15'; // 加载 Sentinel-2 表面反射率数据 var s2 = ee.ImageCollection('COPERNICUS/S2_SR') .filterBounds(roi) .filterDate(startDate, endDate) .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20)) .map(maskS2Clouds); // 云掩膜函数 function maskS2Clouds(image) { var qa = image.select('MSK_CLDPRB'); var cloudMask = qa.lt(10); return image.updateMask(cloudMask).addBands(image.metadata('system:time_start').rename('time')); } // 计算植被指数并添加到影像波段中 function addIndices(image) { var ndvi = image.normalizedDifference(['B8', 'B4']).rename('NDVI'); var evi = image.expression( '2.5 * ((NIR - RED) / (NIR + 6 * RED - 7.5 * BLUE + 1))', { 'NIR': image.select('B8'), 'RED': image.select('B4'), 'BLUE': image.select('B2') }).rename('EVI'); var ndwi1 = image.normalizedDifference(['B8', 'B3']).rename('NDWI1'); var ndwi2 = image.normalizedDifference(['B8', 'B11']).rename('NDWI2'); var lswi = image.normalizedDifference(['B8', 'B11']).rename('LSWI'); var ndre1 = image.normalizedDifference(['B8', 'B5']).rename('NDRE1'); var cire = image.expression( '(NIR / RED_EDGE) - 1', { 'NIR': image.select('B8'), 'RED_EDGE': image.select('B5') }).rename('CIre'); return image.addBands([ndvi, evi, ndwi1, ndwi2, lswi, ndre1, cire]); }

4.2 时间序列特征合成与物候参数提取

// 对每个指数分别进行时间序列最大值合成和分位数合成 var indices = ['NDVI', 'EVI', 'NDWI1', 'NDWI2', 'LSWI', 'NDRE1', 'CIre']; var imageList = s2.map(addIndices); function buildTimeSeriesFeatures(imageList, indices) { var features = ee.ImageCollection(imageList); var maxComposite = features.select(indices).max().rename( indices.map(function(x) { return x + '_max'; }) ); var medComposite = features.select(indices).median().rename( indices.map(function(x) { return x + '_med'; }) ); var stdComposite = features.select(indices).reduce(ee.Reducer.stdDev()).rename( indices.map(function(x) { return x + '_std'; }) ); var minComposite = features.select(indices).min().rename( indices.map(function(x) { return x + '_min'; }) ); return maxComposite.addBands(medComposite).addBands(stdComposite).addBands(minComposite); } var timeSeriesFeatures = buildTimeSeriesFeatures(imageList, indices); // 提取 NDVI 峰值和峰值时间 var ndviCollection = ee.ImageCollection(imageList.select('NDVI')); var ndviMax = ndviCollection.max().rename('NDVI_peak'); var ndviTimeOfPeak = ndviCollection.select('NDVI').reduce(ee.Reducer.max()).select('NDVI_max').rename('NDVI_peak_time'); var timeFeatures = timeSeriesFeatures.addBands(ndviMax).addBands(ndviTimeOfPeak);

这段代码的核心思想，是把整个生长季的时间序列压缩成几个典型的统计量：最大值代表生长峰值，中位数代表整体水平，标准差代表波动程度。加上 NDVI 峰值时间，构成了一个低冗余、高信息量的物候特征集。

4.3 样本构建与随机森林分类

// 导入样本点集合 var samples = ee.FeatureCollection('projects/your-project/assets/shandong_samples'); samples = samples.randomColumn('random'); var training = samples.filter(ee.Filter.lte('random', 0.7)); var validation = samples.filter(ee.Filter.gt('random', 0.7)); // 提取样本点处的特征值 var trainingData = timeFeatures.sampleRegions({ collection: training, properties: ['class'], scale: 10, tileScale: 4 }); // 构建随机森林分类器 var classifier = ee.Classifier.smileRandomForest({ numberOfTrees: 300, minLeafPopulation: 3, bagFraction: 0.5, seed: 42 }).train({ features: trainingData, classProperty: 'class', inputProperties: timeFeatures.bandNames() }); // 执行分类 var classified = timeFeatures.classify(classifier);

这里有个实操细节要强调一下：sampleRegions 的 tileScale 参数。当研究区很大、样本点很多时，GEE 有时候会报 User memory limit exceeded 的错误。原因是在样本提取时，GEE 为每个样本点周围的像元分配了很大的内存。调整 tileScale 为 4 或 8，可以让 GEE 分块处理，有效降低单次计算的内存占用。这个参数我在跑山东省的数据时试了很多次，才琢磨出来。

4.4 精度验证与结果导出

// 验证集精度评估 var validationData = timeFeatures.sampleRegions({ collection: validation, properties: ['class'], scale: 10, tileScale: 4 }); var validationResult = classified.sampleRegions({ collection: validation, properties: ['class'], scale: 10, tileScale: 4 }); var confusionMatrix = validationResult.errorMatrix('class', 'classification'); print('Confusion Matrix:', confusionMatrix); print('Overall Accuracy:', confusionMatrix.accuracy()); print('Kappa Coefficient:', confusionMatrix.kappa()); // 分类结果导出到 Google Drive Export.image.toDrive({ image: classified.cast({'classification': 'int'}), description: 'shandong_corn_classification_2023', folder: 'GEE_export', fileFormat: 'GeoTIFF', region: roi, scale: 10, maxPixels: 1e13 });

导出时有一个容易被忽略的问题：maxPixels 参数默认是 1e10，山东这么大面积、10 米分辨率，像元数量远超默认上限，不修改的话导出会直接报错。注意看代码里的 1e13，这个数值是足够用的。

5. 分类结果的后处理与精度提升技巧

5.1 众数滤波消除椒盐噪声

随机森林在像元级分类时，不可避免会在地块内部产生一些零星的错分像元，这就是所谓的椒盐噪声。处理方式有很多，比如平滑滤波、多数滤波，但 GEE 里最常用也最有效的方法是焦点众数滤波。

var classifiedFiltered = classified.reduceNeighborhood({ reducer: ee.Reducer.mode(), kernel: ee.Kernel.square(15) });

这里的 15 代表一个 30 米乘以 30 米的窗口，对于 10 米分辨率的影像，这个大小基本能在去掉噪声的同时保留地块边界。需要注意，滤波会引入误差，窗口过大会把小地块直接抹掉，窗口过小噪声又滤不干净。

5.2 基于先验知识的掩膜修正

山东的玉米主要种植在平原地区，山区和林地本身就不适合玉米生长。分类结果出来后，可以用坡度数据做一次掩膜：坡度大于 15 度的区域直接归为其他类别。

var slope = ee.Terrain.slope(ee.Image('USGS/SRTMGL1_003')); var plains = slope.lt(15); var classifiedFinal = classifiedFiltered.updateMask(plains);

这个操作的原理不复杂，但效果很直观：减少山地果园、坡耕地对玉米分类的干扰。类似地，如果你研究区有明确的水体范围，也可以叠加水体掩膜。这类基于区域先验知识的后处理，往往是精度提升最快、成本最低的手段。

5.3 分类结果精度对比

后处理前后的精度对比很有意思。原始分类的总体精度是 86.5%，Kappa 0.83；经过众数滤波和坡度掩膜后，总体精度提升到了 88.1%，Kappa 0.86。提升幅度看着不大，但玉米的生产者精度和用户精度都有明显改善，这说明后处理主要消除了零散错分像元，而不是大规模改变空间格局。

6. 常见问题与排查技巧实录

6.1 User memory limit exceeded 内存超限问题

这是我在 GEE 里跑全国尺度分类，包括这个项目时遇到最频繁的报错。原因无非三种：数据量太大、样本点太多、计算复杂度太高。

解决办法从易到难依次是：调整 tileScale 参数（4 或者 8）、缩小 sampleRegions 的规模（不要一次提取上万个点）、分块处理后再拼接结果。还有一个技巧是，在训练随机森林前，先对特征影像做一次 aggregate 到 30 米分辨率的重采样，数据量直接缩小 9 倍，对精度的影响往往很小。

6.2 Sentinel-2 数据缺失导致时间序列不完整

山东 6 到 10 月是雨季，云量较多，某些区域可能只有一两期晴空影像。这种情况下时间序列特征会被严重低估，NDVI 峰值也跟着偏小。

我的处理方式是：对于单个区域的影像数量少于 3 期的时期段，直接用前后时段的插值结果替代，而不强行使用该时段的数据。在 GEE 里实现插值并不困难，可以用 temporal interpolation 的方式，也可以用相邻时相的加权平均。关键是你要意识到这个问题，并且制定一个明确的阈值规则，不要让缺测数据污染整个特征集。

6.3 样本点空间自相关导致精度虚高

前面提过空间交叉验证的问题，这里再展开说一点。如果样本点分布过于集中，比如全部来自某几个乡镇，随机森林学习到的实际上只是这几个地方的光谱特征和空间格局，一旦外推到新区域，精度断崖式下跌是非常正常的事情。

建议在样本布设阶段就做好空间均匀性控制。我的方法是把山东省划分成 10 公里方格的渔网，每个格子最多保留 5 个样本点，然后用渔网抽样的方式确保样本点在地理上均匀分布。这个方法在实践中有奇效，样本代表性大幅提升，外推能力也明显增强。

6.4 混淆矩阵中玉米与花生的混淆

山东玉米和花生的物候期有一定重叠，尤其在 6 月中下旬到 7 月初，两者都是快速生长的阶段，光谱特征高度相似。从混淆矩阵可以看到，大约 6% 的玉米像元被错分为花生，这也是整体精度上不去的最大瓶颈。

解决思路有两个方向。一是加入更多红边指数和短波红外波段特征，因为花生和玉米在叶片结构上存在差异，红边位置会有微小偏移。二是调整分类的时间窗口，更多关注 8 月到 9 月玉米生长后期与花生形态差异最大的时段。这两个方向我都试过，红边指数对精度提升更明显，推荐优先尝试。

7. 延伸应用与优化方向

这套代码跑完之后，可以直接延伸的方向不少。如果你要把同一套流程复制到周边省份，只需要更换研究区边界和样本点；如果要用于不同年份的连续监测，可以设置一个多年度循环，逐年输出分类结果，再做时序变化分析；如果想把结果用于产量估算，可以在玉米分类结果的基础上叠加 NDVI 时序积分值，用回归模型估产。

另外一个值得探索的方向是结合 Sentinel-1 的 SAR 数据。雷达数据穿透云层的能力很强，在多雨季节能弥补光学影像缺失的问题。我在叶子含水量的分析中用过哨兵一号的后向散射系数，两个数据的结合在雨季作物分类上很有潜力。

我已经把这套代码应用到了山东大部分地区的夏玉米识别上，整体的稳定性、可复现性和精度表现都很令人满意。如果你手头正在做类似的作物分类项目，建议直接从时间序列特征这个角度切入，用我上面给到的代码框架跑一遍，再根据实际情况做调整。代码里的参数你都得自己仔细验证一遍再投入使用，不要盲目照搬。