使用Google Earth Engine进行土地分类/覆盖制图

最新推荐文章于 2024-03-29 22:29:22 发布
最新推荐文章于 2024-03-29 22:29:22 发布
阅读量246 收藏 1
点赞数
文章标签： GEE
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/UoEmacs_Lisp/article/details/133258819
版权
GEE 专栏收录该内容
33 篇文章 6 订阅 ¥59.90 ¥99.00
订阅专栏
本文介绍了如何利用Google Earth Engine (GEE)进行土地分类和土地覆盖制图，包括设置感兴趣区域、加载数据集、定义分类标签、匹配数据与标签并进行可视化。GEE的遥感数据和图像处理功能支持高精度分析，适用于多种环境研究和应用。
摘要由CSDN通过智能技术生成

Google Earth Engine（GEE）是一个强大的云平台，可用于分析和可视化地球观测数据。其中一个常见的应用是进行土地分类和土地覆盖制图。本文将介绍如何使用GEE进行这些任务，并提供相应的源代码。

土地分类是指将地表划分为不同的类别，如森林、草地、水域等。土地覆盖制图则是在地图上显示各个类别的分布情况。GEE提供了丰富的遥感数据集和图像处理功能，使我们能够进行高精度的土地分类和制图分析。

以下是使用GEE进行土地分类和覆盖制图的示例代码：

// 设置感兴趣区域
var roi = ee.Geometry.Rectangle([xmin, ymin, xmax
了解本专栏 订阅专栏 解锁全文
UoEmacs_Lisp
关注
专栏目录
订阅专栏
Google Earth Engine（GEE）——一个免费下载Landsat影像的APP
qq_31988139的博客
09-13 2406
首先奉上这个APP的链接：https://eeflux-level1.appspot.com/EEFlux（Earth Engine Evapotranspiration Flux）是在 Google Earth Engine 系统上运行的 METRIC（使用内部校准以高分辨率映射蒸散）的一个版本。EEFlux 由内布拉斯加大学林肯分校、沙漠研究所和爱达荷大学联合开发，并得到谷歌的资助。EEFlux 处理从 1984 年到现在的任何时期以及地球上几乎每个陆地区域的各个 Landsat 场景。EEFlux 使
Google Earth Engine（GEE）——
qq_31988139的博客
08-28 1010
对于特征和特征集合，唯一支持的键是 "color"，作为一个CSS 3.0颜色字符串或 "RRGGBB "格式的十六进制字符串。调用b()时没有参数，或者本身使用一个变量，会返回图像的所有波段。表达式中的变量被解释为额外的图像参数，必须在opt_map中提供。如果表达式的结果是一个单一的波段，可以用'='运算符给它指定一个名称（例如：x = a + b）。主要输入图像的波段可以使用内置函数b()，如b(0)或b('band_name')。该图层的不透明度，用0到1之间的数字表示，默认为1。...
GEE22：基于目视解译的土地利用分类（随机森林监督分类）
最新发布
amyniez的博客，欢迎交流讨论
03-29 974
进行土地利用分类首先需要获取高分辨率的卫星或航空影像数据，这些影像可以来自于多种数据源，对影像进行预处理。 使用GEE的绘图工具，在图像上绘制不同的土地利用类别，例如农田、森林、城市等构建样本集合。为每个绘制的类别定义属性分配相应的土地利用类别标签。 使用选择的分类算法对训练数据进行模型训。常见的分类算法包括决策树、随机森林、支持向量机（SVM）、深度学习等。每种算法都有其优点和限制，可以根据任务的复杂性和数据特性来选择算法。
Google Earth Engine
qq_45740903的博客
12-04 583
Google Earth Engine 申请之路 小编我在大学时就想学习GEE，但是由于自己的拖延症和没有解决Gmail邮箱账号，所以一直没有实践的学习。这一周我开始申请Gmail账号，注册GEE，这里那我来总结一下我申请过程中遇到的问题和如何解决的。 第一次申请 第一次申请，我用的是其他人的Gmail账号，填写申请的时候我没有查看网上的失败案例，第一次申请我填写的很随便，GEE给我回复的也很快，邮件内容就是申请失败。 失败后我开始找教程，都表示要重新申请账号。我开始不信，我就想重新填写申请，尝试了多次发现
Google Earth Engine（GEE）——国际卫星云气候学项目：HXG云量数据集
qq_31988139的博客
06-26 399
H系列数据包括几个产品。这些产品包括HXS（H系列像素级单颗卫星-不在netcdf中），HXG（H系列像素级网格化），HGG（H系列网格化全球），HGH（H系列网格化每月按小时计算），以及*HGM（H系列网格化每月）。这些文件旨在供新的和/或不太高级的用户使用，他们可能想使用云数据，但不需要完整的ISCCP数据集。国际卫星云气候学项目（ISCCP）成立于1982年，是世界气候研究计划（WCRP）的一部分，旨在收集气象卫星辐射度测量数据，并对其进行分析，以推断云的全球分布、云的特性及其昼夜、季节和年际变化。
Google Earth Engine ——土地分类/覆盖制图（1）
qq_31988139的博客
10-28 1644
地球表面在许多层面不断变化；地方、区域、国家和全球范围。土地利用和土地覆盖的变化是普遍的、迅速的，并且会对人类、经济和环境产生重大影响。土地覆盖图表示地球表面不同类型（类别）物理覆盖的空间信息，例如森林、草地、农田、湖泊、湿地、雪地。 土地覆盖制图的优势和应用 土地鉴定的环境评估 为休闲目的规划绿地和小径 城市规划应用 生态系统分析 森林物种/社区地图 火灾危险图 城市规划评估 本次的研究区域Google Earth Engine ..
Google Earth Engine ——土地分类/覆盖制图混淆矩阵（验证2）
qq_31988139的博客
10-28 1381
模型验证是在测试数据集上评估训练模型的过程。这提供了训练模型的泛化能力。我们用不同的验证方法来衡量我们模型的有效性。其中常用的是混淆矩阵。这就是混淆矩阵成为众人瞩目的地方。混淆矩阵是机器学习分类的性能度量。它对于测量召回率、精确度、特异性和准确度非常有用。 如何计算混淆矩阵？ 混淆矩阵是对分类问题的预测结果的汇总。正确和错误预测的数量用计数值汇总并按每个类别细分。这是混淆矩阵的关键。混淆矩阵显示了分类模型在进行预测时混淆的方式。它不仅让我们深入了解分类器所犯的错误，更重要的是让我们了解正在犯的错误类型。
Google Earth Engine ——土地分类/覆盖制图（数据统计分析4）
qq_31988139的博客
10-28 767
统计数据是帮助我们更好地理解图像的简单工具。空间统计是统计领域发展最快的领域之一。 如何获取分类图像的统计信息？ 要获取某个区域中分类图像及其像素值的统计信息，谷歌地球引擎使用image.reduceRegion().这将区域中的所有像素减少为区域中像素数据的统计或其他紧凑表示（例如直方图）。该区域表示为 aGeometry，它可能是一个多边形，包含许多像素，也可能是一个点，在这种情况下，该区域中将只有一个像素。 该区域的像素 像素根据...
在谷歌地球上画图
05-11
里面详细介绍了如何在谷歌地球上画图形，很适合GIS专业或地质专业学生学习
Google Earth Engine ——土地分类/覆盖制图（随机森林方法2）
qq_31988139的博客
10-28 2732
分类 研究中使用随机森林监督分类方法。监督分类是最常用于遥感影像数据定量化学分析的技术。监督分类支持这样一种想法，即用户可以选择图片中代表特定类别的样本像素，因此指示图像处理软件使用这些训练站点作为图像中所有其他像素分类的参考。有关分类的更多详细信息，请访问链接 // 获取之前的波段 var bands = image.bandNames() print(bands) // 训练数据中从零开始的整数。 var label = 'lcode' //覆盖图像上的点以进行训练。 var train.
Google Earth Engine ——美国环境保护署 (USEPA) Ecoregions （地质、地貌、植被、气候、土壤、土地利用、野生动物和水文）数据集
qq_31988139的博客
09-09 1269
The U.S. Environmental Protection Agency (USEPA) provides the Ecoregions dataset to serve as a spatial framework for the research, assessment, management, and monitoring of ecosystems and ecosystem components. Ecoregions denote areas of general similarity
Google Earth Engine（GEE）——全球道路盘查项目全球道路数据库
qq_31988139的博客
06-29 549
然而，目前的全球道路图通常是过时的，或者在覆盖范围上有空间偏差的特点。由此产生的数据集覆盖了222个国家，包括超过2100万公里的道路，是目前最好的基于国家的全球道路数据集总长度的两到三倍。然后，我们将每个国家的道路总长度与国家面积、人口密度、GDP和经合组织成员资格联系起来，形成了一个调整后R2为0.90的回归模型，并发现最高的道路密度与人口密集和较富裕的国家有关。全球道路盘查项目（GRIP）数据集的开发是为了提供更多最新和一致的全球道路数据集，用于全球环境和生物多样性评估模型，如GLOBIO。
Google Earth Engine——城市群昼夜温度数据集包含了全世界超过10,000个城市群的年度、夏季和冬季的地表热岛（SUHI）强度的昼夜变化。该产品既有像素级（降尺度后为300米分辨率）
qq_31988139的博客
10-14 1306
YCEO Surface Urban Heat Islands: Pixel-Level Composites of Yearly Summertime Daytime and Nighttime Intensity This dataset contains annual, summertime, and wintertime surface urban heat island (SUHI) intensities for day and night for over 10,000 urban clus
Google Earth Engine——潜在的自然植被生物群落的全球预测类别（基于使用BIOMES 6000数据集的 “当前生物群落 “类别的预测。
qq_31988139的博客
10-07 822
Potential Natural Vegetation biomes global predictions of classes (based on predictions using the BIOMES 6000 dataset's 'current biomes' category.) Potential Natural Vegetation (PNV) is the vegetation cover in equilibrium with climate that would exist at
Google Earth Engine（GEE）——全球森林碳通量（2001-2021）数据集
qq_31988139的博客
03-20 1285
每个像素在受到干扰时的碳排放部分（排放因子）受到几个因素的影响，包括干扰的直接驱动因素、是否在观察到的干扰事件的当年或之前观察到火灾、干扰是否发生在泥炭上等等。所有的排放都假定发生在扰动的那一年。每个像素的碳移除量是基于森林类型（如红树林、种植园）、生态区（如潮湿的新热带地区）、林龄（如原始森林、古老的次生森林）和碳移除年数的地图。森林碳净通量是指2001年至2021年期间森林与大气之间的碳净交换量，计算方法是模型期间森林排放的碳与森林移除（或封存）的碳之间的平衡（兆克CO2排放量/公顷）。
Google Earth Engine介绍
veraveraveravera的博客
08-30 364
一直想做Google Earth Engine（GEE）相关的一些介绍和技术分享，因为一些需求，做成了视频，这里放上链接。因为刚刚开始，以后有空还是会继续，希望大家关注。 https://www.bilibili.com/video/BV1vi4y1M79x ...
Google Earth Engine（GEE）——基本介绍和图像分析、可视化和处理实战
qq_31988139的博客
10-30 3621
本教程解释了如何使用模块*climada.util.earth_engine*。它从 Google Earth Engine Python API (https://earthengine.google.com/)查询数据。还将使用来自 Scikit-image (scikit-image: Image processing in Python — scikit-image) 的算法介绍一些基本的图像处理方法。在此页面https://developers.google.com/earth-engin...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值