地球引擎中级教程——变化的一次性分类或直接多日期分类

最新推荐文章于 2023-08-04 00:53:11 发布

此星光明

最新推荐文章于 2023-08-04 00:53:11 发布

阅读量403

点赞数 1

分类专栏： GEE教程训练文章标签：深度学习 pytorch 神经网络

本文链接：https://blog.csdn.net/qq_31988139/article/details/120492645

版权

GEE教程训练专栏收录该内容

512 篇文章 149 订阅 ¥159.90 ¥299.90

订阅专栏

超级会员免费看

本文介绍了地球引擎中进行变化检测的一种技术，即一次性分类或直接多日期分类。通过创建堆叠图像并用PyTorch训练神经网络，对图像条带进行比较，找出所有变化的像素。

摘要由CSDN通过智能技术生成

这种变化检测技术也称为一次性分类或直接多日期分类。在这里，我们创建了一个包含前后图像条带的单个堆叠图像。我们使用从堆叠图像中采样的训练数据训练分类器，并将分类器应用于堆叠图像以查找所有变化像素。

代码：

var bangalore = ee.FeatureCollection('users/ujavalgandhi/public/bangalore_boundary');
var change = ee.FeatureCollection('users/ujavalgandhi/e2e/bangalore_change_gcps');
var nochange = ee.FeatureCollection('users/ujavalgandhi/e2e/bangalore_nochange_gcps')
var s2 = ee.ImageCollection("COPERNICUS/S2")

var rgbVis = {
  min: 0.0,
  max: 3000,
  bands: ['B4', 'B3', 'B2'],
};

// 写一个去云函数，而且让值归一化处理
function maskS2clouds(image) {
  var qa = image.select('QA60')
  var cloudBitMask = 1 << 10;
  var cirru

了解本专栏