地球引擎中级教程——基本监督分类（含练习）

最新推荐文章于 2022-12-17 08:00:00 发布
最新推荐文章于 2022-12-17 08:00:00 发布
阅读量516 收藏 2
点赞数 1
分类专栏： Google Earth Engine GEE教程训练 文章标签： 人工智能 机器学习 深度学习 监督分类 分类
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/qq_31988139/article/details/120451199
版权
这篇博客介绍了如何利用Google Maps的高分辨率图像进行基本的土地覆盖监督分类。通过在代码编辑器中创建训练样本，无需预先准备数据，就能对全球范围内的像素进行城市、裸露、水体和植被四类分类。文章详细讲解了使用随机森林分类器训练和应用模型的过程，并提及Earth Engine API中的分类器基于SMILE Java库。
摘要由CSDN通过智能技术生成

基本监督分类

我们将学习如何使用 Google Maps 提供的高分辨率底图图像，使用从代码编辑器收集的训练样本进行基本的土地覆盖分类。这种方法不需要事先训练数据，在世界任何地方生成高质量的分类样本都非常有效。目标是将每个源像素分类为以下类别之一 - 城市、裸露、水或植被。使用代码编辑器中的绘图工具，您可以创建 4 个新特征集合，其中的点代表该类的像素。每个要素集合都有一个名为landcover0、1、2 或 3的属性，分别指示要素集合是代表城市、裸露、水域还是植被。然后我们训练一个随机森林 分类器使用这些训练集构建模型并将其应用于图像的所有像素以创建 4 类图像。

有趣的事实：Earth Engine API 中的分类器的名称以smile开头- 例如ee.Classifier.smileRandomForest(). 该笑的部分是指

了解本专栏 订阅专栏 解锁全文 超级会员免费看
此星光明
关注
专栏目录
订阅专栏
Google Earth Engine（GEE）——监督分类（加入验证样本）
此星光明博客
01-04 1172
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。
Google Earth Engine (GEE) ——卫星影像的监督分类（svm）
此星光明博客
11-11 2288
问题 GEE 提供哪些机器学习技术？ 如何对卫星图像进行监督分类？ 如何评估分类器的准确性？ 如何手动创建自己的几何图形？ 目标 练习查找无云图像和使用手绘几何导入 学习训练和应用分类算法所需的基本功能 使用混淆矩阵评估训练准确性 分类器概述 Google Earth Engine 为用户提供了进行许多高级分析的机会，包括光谱解混、基于对象的方法、特征分析和线性建模。用于监督和非监督分类的机器学习技术也可用。在这个..
Google Earth Engine（GEE）——监督分类案例分析
最新发布
此星光明博客
12-17 2377
监督分类主要流程是选择样本点来分析，通过指定的分类器完成监督分类。监督分类又称训练场地法、训练分类法，是以建立统计识别函数为理论基础、依据典型样本训练方法进行分类的技术，即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类，是模式识别的一种方法。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求，则此准则成立；反之，需重新建立分类的决策规则，直至满足分类精度要求为止。
基于Google Earth Engine Explorer谷歌地球引擎GEE浏览界面实现遥感影像地物监督分类
疯狂学习GIS的博客
05-23 2149
本文主要对GEE的网页界面式应用程序接口Google Earth Engine Explorer加以详细介绍与地物监督分类这一具体应用。本文是谷歌地球引擎（Google Earth Engine，GEE）系列教学文章的第一篇，更多GEE文章请参考专栏：GEE学习与应用（https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html）。 Google Earth Engine Explorer，简单来说就是将Google Earth Engine接
Google Earth Engine(GEE)学习笔记 三
无形的风专栏
09-03 1万+
资源查找，Google Earth Engine 的资源搜素框包含两个功能，一是搜索位置，二是搜索资源。地理位置查找资源搜索框中录入想要查找的地方比如：beij，通过关键字搜索可以快速地位到我们想要找到的地点。资源查找 在资源搜索框中输入想要查找的资源名称关键字，比如输入landsat 8。 查找哨兵卫星数据 点击筛选资源可以找到对应的资源：我们在代码使用的资源都可以使用 “Import” 按钮导入
地球引擎中级教程——地球引擎对象（含练习）
此星光明博客
09-24 464
这是控制台的结果之前大家已经从我的基础专栏中学习了很多，已获得的基本地球引擎技能为基础。现在重新再更新以下如何使用 Map/Reduce 的并行编程概念 - 这是有效使用 Earth Engine 分析大量数据的关键。您将学习如何使用 Earth Engine API 计算各种光谱指数、进行云遮蔽，然后使用 map/reduce 将这些计算应用于图像集合。您还将学习如何获取长时间序列的数据并创建图表。本次的系列内容将会放在我的Google Earth Engine专栏当中： 地球引擎对象 此脚本介绍了.
地球引擎中级教程——指数的计算（含练习）
此星光明博客
09-24 701
光谱指数是遥感许多方面的核心。无论您是研究植被还是追踪火灾 - 您都需要计算 2 个或更多波段的像素比率。计算指数最常用的公式是2 个波段之间的归一化差异。Earth Engine 提供了一个辅助函数normalizedDifference()来帮助计算归一化指数，例如归一化差异植被指数 (NDVI)。对于更复杂的公式，您还可以使用expression()函数来描述计算。 代码： var s2 = ee.ImageCollection("COPERNICUS/S2"); var admin2 = e
地球引擎中级教程——Sentinel-2 影像去云操作（含练习）
此星光明博客
09-24 1077
去云 屏蔽图像中的像素会使这些像素透明，并将它们排除在分析和可视化之外。要屏蔽图像，我们可以使用该updateMask()函数并向其传递具有 0 和 1 值的图像。遮罩图像为 0 的所有像素都将被遮罩。 大多数遥感数据集都带有 QA 或 Cloud Mask 波段，其中包含有关像素是否多云的信息。您的代码编辑器包含用于在Scripts Tab → Examples → Cloud Masking下为流行数据集屏蔽云的预定义函数。 下面的脚本采用 Sentinel-2 屏蔽功能并展示如何将其应用于图像。
地球引擎中级教程——时间序列图表（指定区域NDVI值的计算）（含综合练习）
此星光明博客
10-08 903
现在，我们可以将迄今为止学到的所有技能——过滤、映射、统计和云遮蔽结合起来，以创建给定农场一年内平均 NDVI 值的图表。Earth Engine API 支持基于 Google Chart API 的图表功能。这里我们使用ui.Chart.image.series()函数来创建时间序列图表。 计算农场的 NDVI 时间序列 代码： var s2 = ee.ImageCollection("COPERNICUS/S2"); var geometry = ee.Geometry.Polygon.
监督分类与非监督分类的常规步骤
black_6ce85165的博客
10-30 9662
序言 也许我会迟到，但我不会缺席 正文 监督与非监督分类的常规步骤如下： 1、识别输入波段 2、创建类或聚类 可使用一下工具： 创建特征、iso聚类或“提取分析”工具集中的采样 3、评估并编辑类或聚类 使用树状图或编辑特征工具 4、执行分类 使用最大似然法分类或类别概率工具 类别概率工具并非根据输出栅格的最高概率将像元分配到某个类别，而是以每个输入类或聚类一个波段的方式输出概率图层 假设正在对一个...
google earth engine(GEE)监督分类总结与代码分享
锐多宝的地理空间
05-05 2万+
提供分类代码以及思路整理
使用Google Earth Engine（一）：提取下载MODIS、Landsat点数据
热门推荐
豆芽菜
09-07 3万+
现在可以使用Google Earth Engine 快捷的提取MODIS、Landsat等产品的点（或区域）数据到自己的Google Drive下载。PS:GEE可以做全球尺度长时间序列的数据分析出图等，将来必是地球科学领域的大杀器。这里下载数据不是仅运行下面代码就行，还需要注意两点： 1）那么如何找到数据集呢？在搜索栏输入产品名，便可快速定位到产品，点击产品名右侧的import可...
Google Earth Engine学习笔记（三）
SONGYINGXU的博客
11-20 2823
Google Earth Engine学习笔记（三）原文翻译代码翻译结果 Day-Of-Year (DOY) Charts（年度（DOY）图表） 原文 The methods that start with ui.Chart.image.doySeries aggregate the time series by day-of-year (DOY). The plots can be create...
Google Earth Engine(GEE)实例代码学习三十——监督分类（Classification）
little00bee的博客
04-24 8902
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([-122.408981323242...
Google Earth Engine（GEE）——机器学习（监督分类1）样本数据为点要素
此星光明博客
08-19 2282
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。这些分类器包括 CART、RandomForest、NaiveBayes 和 SVM。分类的一般工作流程是： 收集训练数据。组合具有存储已知类标签的属性和存储预测变量数值的属性的特征。 实例化一个分类器。如有必要，设置其参数。 使用训练数据训练分类器。 对图像或特征集合进行分类。 使用独立的验证数据估计分类错误。 训练数据FeatureCollection具有存储类标签的属性和存储预测
google earth engine随缘学习（七）基于对象分类
八千鸟的博客
01-01 8001
这里以前用过的代码，今天贴出来，当初是想提取水体后分出河流和鱼塘，但是分类效果并不是特别理想，以后想想用别的方法，用的哨兵数据，包含一个去云算法。 第一步：去云并提取水体 function sentinel2toa(img) { var toa = img.select(['B1','B2','B3','B4','B5','B6','B7','B8','B8A','B9','B10', 'B1...
Google Earth Engine——GEE中主要监督分类方法介绍
此星光明博客
10-27 2682
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) ...
地球引擎UI编程：展示与交互组件教程
1. 学习各种地球引擎UI组件：教程将介绍地球引擎提供的各种UI元素，如用于显示信息的Label、Chart和Thumbnail，以及允许用户输入参数或与脚本交互的交互式控件。 2. 代码结构优化：教学还将教授如何组织代码，以便...
评论
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

打赏作者

此星光明

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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