Google Earth Engine(GEE)实例代码学习三十——监督分类（Classification）

最新推荐文章于 2021-12-01 21:33:26 发布
最新推荐文章于 2021-12-01 21:33:26 发布
阅读量8.8k 收藏 84
点赞数 11
分类专栏： GEE实例代码学习
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/little00bee/article/details/105739768
版权

监督分类与CRAT进行土地类型分类

本文分析如何利用选取训练样本进行土地类型分类，本利用CRAT分类回归树训练分类样本计算混淆矩阵

//选取城镇代码为0，植被代码为1，水体代码为0类别训练样本
var urban = ee.FeatureCollection(
        [ee.Feature(
            ee.Geometry.Point([-122.40898132324219, 37.78247386188714]),
            {
              "landcover": 0,
              "system:index": "0"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.40623474121094, 37.77107659627034]),
            {
              "landcover": 0,
              "system:index": "1"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.39799499511719, 37.785187237567705]),
            {
              "landcover": 0,
              "system:index": "2"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.39936828613281, 37.772162125840445]),
            {
              "landcover": 0,
              "system:index": "3"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.41104125976562, 37.76890548932033]),
            {
              "landcover": 0,
              "system:index": "4"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.41859436035156, 37.7835592241132]),
            {
              "landcover": 0,
              "system:index": "5"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.41790771484375, 37.801465399617314]),
            {
              "landcover": 0,
              "system:index": "6"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.40142822265625, 37.77053382550901]),
            {
              "landcover": 0,
              "system:index": "7"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.39662170410156, 37.75370595587201]),
            {
              "landcover": 0,
              "system:index": "8"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.28950500488281, 37.8166551148543]),
            {
              "landcover": 0,
              "system:index": "9"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.28195190429688, 37.82696064199382]),
            {
              "landcover": 0,
              "system:index": "10"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.28126525878906, 37.81882481909333]),
            {
              "landcover": 0,
              "system:index": "11"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.2723388671875, 37.82858769894982]),
            {
              "landcover": 0,
              "system:index": "12"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.28607177734375, 37.84702517033112]),
            {
              "landcover": 0,
              "system:index": "13"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.29293823242188, 37.8562421777618]),
            {
              "landcover": 0,
              "system:index": "14"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.27302551269531, 37.849193981623955]),
            {
              "landcover": 0,
              "system:index": "15"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.28057861328125, 37.86545803289311]),
            {
              "landcover": 0,
              "system:index": "16"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.27096557617188, 37.820452055421086]),
            {
              "landcover": 0,
              "system:index": "17"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.27920532226562, 37.808518155993234]),
            {
              "landcover": 0,
              "system:index": "18"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.27783203125, 37.80092285199884]),
            {
              "landcover": 0,
              "system:index": "19"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.31491088867188, 37.784644570400836]),
            {
              "landcover": 0,
              "system:index": "20"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.31903076171875, 37.7835592241132]),
            {
              "landcover": 0,
              "system:index": "21"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.26959228515625, 37.80200794325057]),
            {
              "landcover": 0,
              "system:index": "22"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.40966796875, 37.768362702622596]),
            {
              "landcover": 0,
              "system:index": "23"
            })]),
    vegetation = /* color: #3b8b00 */ee.FeatureCollection(
        [ee.Feature(
            ee.Geometry.Point([-122.15835571289062, 37.81990964729775]),
            {
              "landcover": 1,
              "system:index": "0"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.14462280273438, 37.806890656610484]),
            {
              "landcover": 1,
              "system:index": "1"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.16522216796875, 37.817197546892785]),
            {
              "landcover": 1,
              "system:index": "2"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.09793090820312, 37.80797566018445]),
            {
              "landcover": 1,
              "system:index": "3"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.08282470703125, 37.81123057525427]),
            {
              "landcover": 1,
              "system:index": "4"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.07733154296875, 37.7992951852321]),
            {
              "landcover": 1,
              "system:index": "5"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.05398559570312, 37.77867496858311]),
            {
              "landcover": 1,
              "system:index": "6"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.05398559570312, 37.76673431862507]),
            {
              "landcover": 1,
              "system:index": "7"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.07389831542969, 37.792784159505125]),
            {
              "landcover": 1,
              "system:index": "8"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.0306396484375, 37.83455326751277]),
            {
              "landcover": 1,
              "system:index": "9"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.06497192382812, 37.831299380818606]),
            {
              "landcover": 1,
              "system:index": "10"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.19268798828125, 37.85461573076714]),
            {
              "landcover": 1,
              "system:index": "11"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.18170166015625, 37.849193981623955]),
            {
              "landcover": 1,
              "system:index": "12"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.51609802246094, 37.84051835371829]),
            {
              "landcover": 1,
              "system:index": "13"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.49137878417969, 37.838349287273296]),
            {
              "landcover": 1,
              "system:index": "14"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.50511169433594, 37.82641828170282]),
            {
              "landcover": 1,
              "system:index": "15"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.54081726074219, 37.84160286302103]),
            {
              "landcover": 1,
              "system:index": "16"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.55592346191406, 37.85353141283498]),
            {
              "landcover": 1,
              "system:index": "17"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.56278991699219, 37.86274760688767]),
            {
              "landcover": 1,
              "system:index": "18"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.54631042480469, 37.86328970006369]),
            {
              "landcover": 1,
              "system:index": "19"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.52708435058594, 37.85190490603355]),
            {
              "landcover": 1,
              "system:index": "20"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.52845764160156, 37.83889155986444]),
            {
              "landcover": 1,
              "system:index": "21"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.51472473144531, 37.83021472002989]),
            {
              "landcover": 1,
              "system:index": "22"
            })]),
    water = /* color: #0300ff */ee.FeatureCollection(
        [ee.Feature(
            ee.Geometry.Point([-122.61085510253906, 37.835095568009415]),
            {
              "landcover": 2,
              "system:index": "0"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.60673522949219, 37.8166551148543]),
            {
              "landcover": 2,
              "system:index": "1"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.60810852050781, 37.80038030039511]),
            {
              "landcover": 2,
              "system:index": "2"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.57102966308594, 37.80472060163741]),
            {
              "landcover": 2,
              "system:index": "3"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.58888244628906, 37.83455326751277]),
            {
              "landcover": 2,
              "system:index": "4"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.65205383300781, 37.855157883752504]),
            {
              "landcover": 2,
              "system:index": "5"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.62870788574219, 37.823164036248635]),
            {
              "landcover": 2,
              "system:index": "6"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.62664794921875, 37.792784159505125]),
            {
              "landcover": 2,
              "system:index": "7"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.60055541992188, 37.792784159505125]),
            {
              "landcover": 2,
              "system:index": "8"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.53738403320312, 37.7992951852321]),
            {
              "landcover": 2,
              "system:index": "9"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.57240295410156, 37.82641828170282]),
            {
              "landcover": 2,
              "system:index": "10"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.58682250976562, 37.823164036248635]),
            {
              "landcover": 2,
              "system:index": "11"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.36709594726562, 37.85570003275074]),
            {
              "landcover": 2,
              "system:index": "12"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.40074157714844, 37.88171849539308]),
            {
              "landcover": 2,
              "system:index": "13"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.40005493164062, 37.86925246182428]),
            {
              "landcover": 2,
              "system:index": "14"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.37739562988281, 37.88117653780091]),
            {
              "landcover": 2,
              "system:index": "15"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.34992980957031, 37.87358871277159]),
            {
              "landcover": 2,
              "system:index": "16"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.34992980957031, 37.85244707895444]),
            {
              "landcover": 2,
              "system:index": "17"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.34855651855469, 37.838349287273296]),
            {
              "landcover": 2,
              "system:index": "18"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.39387512207031, 37.849193981623955]),
            {
              "landcover": 2,
              "system:index": "19"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.44743347167969, 37.82262164805511]),
            {
              "landcover": 2,
              "system:index": "20"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.43850708007812, 37.842687356377084]),
            {
              "landcover": 2,
              "system:index": "21"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.354736328125, 37.789528431453014]),
            {
              "landcover": 2,
              "system:index": "22"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.25826263427734, 37.68952589794135]),
            {
              "landcover": 2,
              "system:index": "23"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.53326416015625, 37.81114015184751]),
            {
              "landcover": 2,
              "system:index": "24"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.44503021240234, 37.87078823552829]),
            {
              "landcover": 2,
              "system:index": "25"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.4532699584961, 37.86048883137166]),
            {
              "landcover": 2,
              "system:index": "26"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.33036041259766, 37.833920567528345]),
            {
              "landcover": 2,
              "system:index": "27"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.19989776611328, 37.65664491891396]),
            {
              "landcover": 2,
              "system:index": "28"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.21946716308594, 37.62374937200642]),
            {
              "landcover": 2,
              "system:index": "29"
            }),
        ee.Feature(
            ee.Geometry.Point([-122.24040985107422, 37.61504728801728]),
            {
              "landcover": 2,
              "system:index": "30"
            })]);

//用时间选取Laandsat8影像
var landsatCollection = ee.ImageCollection('LANDSAT/LC08/C01/T1')
    .filterDate('2017-01-01', '2017-12-31');

// 合成无云影像
var composite = ee.Algorithms.Landsat.simpleComposite({
  collection: landsatCollection,
  asFloat: true
});

// 将三个类别要素合成为一个要素集
var newfc = urban.merge(vegetation).merge(water);

//选取分类所需波段
var bands = ['B2', 'B3', 'B4', 'B5', 'B6', 'B7'];
// 设置分类是选择的属性
var classProperty = 'landcover';
// 产生训练数据，每个训练数据属性包含选取波段和分类类别
var training = composite.select(bands).sampleRegions({
  collection: newfc,
  properties: [classProperty],
  scale: 30
});

// 创建一个分类回归树
var classifier = ee.Classifier.smileCart().train({
  features: training,
  classProperty: classProperty,
});
//显示分类树一些信息
print('CART, explained', classifier.explain());
//进行分类
var classified = composite.classify(classifier);
Map.centerObject(newfc);
//显示分类结果 
Map.addLayer(classified, {min: 0, max: 2, palette: ['red', 'green', 'blue']});
// 从训练样本中随机选取作为验证数据集
var withRandom = training.randomColumn('random');
//保留一些数据进行测试，70%训练，30%测试
var split = 0.7;  
var trainingPartition = withRandom.filter(ee.Filter.lt('random', split));
var testingPartition = withRandom.filter(ee.Filter.gte('random', split));

// 创建随机森林训练数据
var trainedClassifier = ee.Classifier.smileRandomForest(5).train({
  features: trainingPartition,
  classProperty: classProperty,
  inputProperties: bands
});

// 分类测试数据集
var test = testingPartition.classify(trainedClassifier);

// 计算混淆矩阵
var confusionMatrix = test.errorMatrix(classProperty, 'classification');
print('Confusion Matrix', confusionMatrix);

代码运行结果
在这里插入图片描述
在这里插入图片描述

上天入地小黄蜂
关注
  • 11
    点赞
  • 踩
  • 84
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
专栏目录
Google Earth Engine——GEE中主要监督分类方法介绍
qq_31988139的博客
10-27 2654
监督分类是最常用于遥感图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。 Google Earth Engine 中的监督分类 该Classifier包通过在 Earth Engine 中运行的传统 ML 算法处理监督分类。 分类的一般工作流程是： Google 地球引擎包括以下内容： 分类和回归树 (CART) ...
Google Earth Engine（GEE）——监督分类（加入验证样本）
qq_31988139的博客
01-04 1132
通过比较集合的两列来计算集合的二维误差矩阵：一列包含实际值，一列包含预测值。这些值应该是小的连续整数，从 0 开始。轴 0（行）矩阵对应于实际值，轴 1（列）对应于预测值。如果未指定此参数，则假定这些值是连续的并且跨越 0 到 maxValue 的范围。如果指定，则仅使用与此列表匹配的值，并且矩阵将具有与此列表匹配的维度和顺序。上一次我们讲到了监督分类案例，但是并没有进行验证子集的评定，这次加入了验证精度来进行分析。包含实际值的属性的名称。包含预测值的属性的名称。
【Earth Engine】基于GEE对季节性地物进行分类（多源数据叠图+监督分类）
Leaze932822995的博客
03-16 1万+
目录简介与技术流程数据及其预处理要调用的包代码函数：计算斜率和变异系数代码：计算栅格图像的斜率代码：计算栅格图像的变异系数代码：函数的调用与结果后记 简介与技术流程 最近导师给了个新方向，其中要用到长时间和大空间的高分辨率遥感影像分类数据。 这。。这么多要求。。实在没有免费的并且符合要求的数据。。 于是我寻思还是自己做吧，所以马上学习了下GEE。。。 关于GEE的申请什么的我这里就不多说了，这篇博客直接进入应用。 总的来说，就是把多幅影像叠加在一起，逐像元构建一组时间序列，然后计算它的变异系数。比方说，
GEE代码编程监督分类.txt
08-23
GEE代码编程监督分类.txt
GEE-Scholars 机器学习之卫星图像监督分类
生态环境，遥感监测，深度学习，云计算
12-01 2050
我是目录前言GEE监督分类流程1.导入相关库2.添加数据3.制作训练集4.分类器训练5.图像分类6.导出结果总结 大家好，我是沐风，致力于打造丝滑的知识搬运，集勤劳睿智帅气于一体的沐风 前言 监督分类是遥感图像分类的一种，即用被确认类别的样本像元去识别其他未知类别像元的过程。已被确认类别的样本像元是指那些位于训练区的像元。在这种分类中，分析者在图像上对每一种类别选取一定数量的训练区，计算机计算每种训练样区的统计或其他信息，每个像元和训练样本作比较，按照不同规则将其划分到和其最相似的样本类。 Earth En
GEE（Google Earth Engine） 代码学习笔记一 快速入门
热门推荐
塞翁失马的博客
04-08 1万+
GEE 学习记录一 （GEE 基于JavaScript语言和python语言，我记录的是JavaScript语言） 1.GEE 快速入门 overview. 2.基本语句 - 简单输出 print('Hello world!'); - 输出影像的元数据 print(ee.Image('LANDSAT/LC08/C01/T1/LC08_044034_20140318')); - 加载影像到地图上（将影像加载到地图上，便可可视化地理数据） 用Map.addLayer() 方法实现。 // Load an
Google Earth Engine（GEE）-机器学习分类后进行accuracy精度评定以及RMSE和R2的计算.pdf
最新发布
08-14
Google Earth Engine（GEE）——机器学习分类后进行accuracy精度评定以及RMSE和R2的计算 本教程主要的目的就是利用随机森林分类和其它分类进行分析，这里主要的目的就是我们分析除了常规的土地分类，利用errorMatrix...
GEE（Google earth engine）教程.rar
07-07
谷歌地球引擎（Google Earth Engine，简称GEE）是一款强大的地理空间数据分析平台，它结合了谷歌的海量卫星图像数据和强大的云计算能力，为科学家、研究人员以及环境保护者提供了进行全球尺度的环境监测和分析的工具...
Overview of Apps and User Interfaces in Google Earth Engine GEE
09-26
Overview of Apps and User Interfaces in Google Earth Engine GEE
GEE google earth engine批量裁剪下载MODIS数据
01-16
在本文中，我们将深入探讨如何使用Google Earth Engine（GEE）平台批量裁剪并下载MODIS（Moderate Resolution Imaging Spectroradiometer）数据。MODIS是NASA地球观测系统卫星上的一系列传感器，提供了全球范围内的...
GEE代码编程带面积的监督分类.txt
08-23
GEE代码编程带面积的监督分类.txt
非监督分类matlab代码
06-26
文件中.m文件是通过k-means算法对文件中的图像进行非监督分类，可直接运行！
遥感影像监督分类与非监督分类及相关代码实现
04-21
详细论述了主要图像分类算法及其C实现 丰富实用，对于遥感图像处理学习者用处很大
监督分类_IDL监督分类_IDl_监督分类_
10-01
利用IDL编程，使用最小距离法对图像进行监督分类
Google Earth Engine学习资料
05-02
Google Earth Engine学习资料 Google Earth Engine（GEE）是一款强大的地球观测和地理信息系统平台，由Google开发和维护。它提供了大量的遥感数据、地理空间数据和分析工具，帮助用户更好地理解和分析地球的变化。...
google earth engine (GEE)面向对象分类 代码
锐多宝的地理空间
05-04 8139
在面向对象分类中，应该考虑的东西。
最全机器学习种类讲解：监督、无监督、在线和批量学习都讲明白了
大数据
10-16 2987
导读：现有的机器学习系统种类繁多，根据以下内容将它们进行分类有助于我们理解：是否在人类监督下训练（监督式学习、无监督式学习、半监督式学习和强化学习）是否可以动态地进行增量...
Google earth engine 基础语法小结
一汉
04-20 7575
GEE API: https://developers.google.com/earth-engine/api_docs//这个例子包含了GEE开发中常见的所有的JS内容， //数据类型包括字符串、数值、布尔值、对象、列表、条件判断、循环、函数 //string 字符串 var str = "hello world!"; print(str); //number 数值 var age = 12;...
评论 7
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