Google Earth Engine大数据应用：荟萃分析和系统性综述

分享一篇很好的Google Earth Engine综述论文

[1]Tamiminia H, Salehi B, Mahdianpari M, etal. Google Earth Engine for geo-big data applications: A meta-analysis and systematic review[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2020, 164: 152–170.

摘要

谷歌地球引擎（Google Earth Engine，GEE）是一个云端的大尺度自然环境监测和分析平台。GEE平台可以提供：

• PB级的公用遥感影像数据和开箱即用的WEB APP；
• 基于Google计算基础设施的高速并行计算和机器学习算法；
• 支持常用编程语言（如JavaScript和Python）的开发环境和应用程序接口（Application Programming Interfaces, APIs）；

基于这些特性，让用户无需超算或者特别的开发技术就能横方便的进行地理大数据发现、分析和可视化。GEE的发展极大的激发了遥感和地理大数据科学领域研究的热情。GEE发布已近十年，它对遥感和地理数据领域的研究影响尚未认真研究。

GEE的系统性综述可以给读者“全景式”呈现GEE的研究进展和发展趋势。为此，决定对最近经过同行评审的 GEE 文章进行荟萃分析调查，重点关注几个特征，包括数据、传感器类型、研究区域、空间分辨率、应用、策略和分析方法。

对 2010 年至 2019 年 10 月期间在 146 种不同期刊上发表的共 349 篇同行评议文章进行了审核。出版物和地理分布趋势显示了在区域和全球范围内环境分析的广泛应用。

90% 的研究使用了遥感数据集，而 10% 的文章使用了现成的产品进行分析。具有中等空间分辨率的光学卫星图像，特别是存档超过 40 年的 Landsat 数据，已被广泛使用。线性回归和随机森林是最常用的卫星图像处理算法。在即用型产品中，27% 的植被、作物、土地覆盖制图和干旱监测研究使用了标准化差异植被指数 (NDVI)。

这项研究的结果证实，GEE 已经并将继续在涉及地理大数据过程的全球挑战方面取得实质性进展。

利用GEE的相关研究

统计了349篇基于GEE的研究论文，从期刊分布、研究领域、研究范围、数据源、精度等方面进行统计研究。

期刊分布

本研究收入的论文涉及146个不同的期刊，其中124个期刊只有一篇GEE相关论文，这些期刊涉及的领域非常广泛，从环境监测到建筑学。《Remote Sensing》、《Remote Sensing of Environment（RSE）》、《the International Journal of Applied Earth Observation and Geoinformation（JAG）》是GEE应用文章发文量最高的3个期刊。

GEE相关文章>5篇的期刊

研究领域

349篇论文经过汇总整理划分为11个研究领域：

1. 作物制图（Crop mapping），包括植被、稻田和农业监测（74篇）；
2. 水（Water），包括地表水、湖泊、河流、积雪、冰湖、藻华和浅水测深（62篇）；
3. 土地覆被/土地利用（56篇）；
4. 森林（30篇）；
5. 灾害，包括火灾探测、洪水和干旱监测等（28篇）；
6. 气候变化，包括蒸散估计、大气光谱特征反演、陆地和地表水温、反照率趋势和热岛监测等（20篇）；
7. 城市（15篇）；
8. 土壤，土壤水分和土壤碳固存等（14篇）；
9. 湿地，湿地和红树林等（13篇）；
10. 数据处理应用，包括辐射校正、影像镶嵌、云检测等（12篇）；
11. 其他，包括考古、矿山、栖息地测绘、核不扩散等。

GEE论文涉及的研究领域

研究范围

GEE涉及的研究范围覆盖全球所有大洲，以亚洲最多，其次北美和非洲，其他地区少一些。

GEE涉及的研究范围和论文发表单位国家分布，颜色是研究区，数字是论文发表单位所在国家

数据源

数据源分为光学、合成孔径雷达、光学/合成孔径雷达、即用型数据产品四类：

• 早年GEE文章仅涉及光学数据源；
• 随着Sentinel-1的推出，使用合成孔径雷达、光学/合成孔径雷达集成数据产品从2017年开始出现；
• 即用型数据产品，例如植被指数、土地覆盖图、数字高程模型和土壤湿度，自 2016 年以来一直在使用，但在已发表的研究中仍然只占数据的一小部分。

GEE平台论文主要数据源类型和年份

在遥感数据方面，312项研究应用了GEE数据目录中提供的卫星或航空图像。Landsat和MODIS等光学图像是最常用的数据源。此外，在所有Landsat任务中，最常采用的是Landsat-8。Sentinel-2和Sentinel-1也已应用于77项研究。

GEE平台论文涉及的传感器

精度

以高（<4m）、中（4 m 至 30 m）和低（>30 m）空间分辨率收集的数据分别达到了总体准确度的最高、中间和最低中值。

大多数研究 (n = 200) 应用中等分辨率卫星图像进行分析，包括来自 Landsat、Sentinel-1 和 Sentinel-2 的图像。如图所示，与高分辨率和低分辨率传感器相比，中等分辨率数据表现出最高的最大值，但其更广泛的分布和最低的最小值显示出不太一致的结果。专注于高空间分辨率的研究最不常见（n = 8），尽管此类数据显示出更一致的结果，因为与其他数据相比，它获得了更紧凑的形状。75 项研究报告了低空间分辨率图像对不同应用的有用性。然而，需要注意的是，空间分辨率并不是影响遥感影像分类整体精度的唯一参数。其他因素，例如数据类型、类的性质和分类方法，也很重要，应该加以考虑。

不同分辨率数据和精度

后面还有关于GEE上使用的不同研究算法等的评议，在这不再一一翻译整理，点击阅读原文跳转原文查看吧。