基于Google Earth Engine和深度学习的城市建筑提取与土地利用分类（其一）

我们很多读者是利用Google Earth Engine这一平台的，我们和读者们一起不禁会问，“GEE和深度学习的结合有没有未来和可能？”

答案是肯定的！有以下几个方面的问题来促成我们开展GEE和深度学习的结合：

1）GEE本身的缺陷是很明显的，那就是它自带的分类器太有限了，主要局限于支持向量机（SVM）、随机森林（RF）这些。如果是早些年，作为第一批吃螃蟹的人，使用这些简单的分类器是可以做研究的，但是五六年的时间过去了，使用GEE已经很难称为论文或者科研的亮点了，这逼着我们去开展新的研究、发现新的研究高地。那么，GEE+DL研究就是一条势在必行之路；

2）除了这些限制外，GEE还有这很多不满意的地方，比如对于数据的组织形式，让大家必须抛弃以往的研究经验。以往的研究经验，都能够对“点”进行处理，但是GEE是以“面”为基本单元，所以以往在MATLAB上的很多成熟代码，很多人不懂得如何将其搬迁到GEE云平台上。

接下来，我们使用Sentinel-2影像数据为输入，设计在GEE平台上使用深度学习模型，进行城市建筑提取与土地利用分类，看如下效果图。不难发现，使用CNN模型的分类结果是非常符合地物分布特征的，比如能够清晰地看清道路等细长等信息，这一结果是CLCD等使用RF等传统模型所不具备的，而且整个过程在GEE中完全实现，去掉了繁琐的影像下载。

交流合作

GEE学习室是一群由认真学习和使用GEE等遥感大数据平台的高校博士生（含在读和已毕业）组建的团队，致力于GEE等大数据原创和优质算法开发，希冀通过团队的努力为遥感大数据智能处理普及和广大学子科研之路提供绵薄之力、荧荧之光。

本学习室业已创建了4个学习交流群，即博学群、明辨群、如琢群和修远群，来自各地高校和研究所，涵盖本科、硕士和博士群体，交流群每天活跃度非常高。

想加入交流的加小编微信邀请进群（扫描下方二维码咨询报名或菜单栏“联系我们”选项框都可以找到小编哟）。注意，咨询加群验证信息请备注为“研究方向-学校-加群”格式，否则不予通过。例如，假如你是武汉大学的土地利用分类方向的研究生，则可以备注“LULC-武大-加群”；假如你是北京大学的生态学方向的研究生，则可以备注“生态学-北大-加群”。