GEE：样本点选择教程

作者：CSDN @ _养乐多_

本文记录了在Google Earth Engine（GEE）平台上标记样本的技巧和代码脚本，样本点可以用来做土地利用分类、植被提取、水藻提取、冰川提取、农作物提取等应用中。可以应用到的方法包括随机森林（RF）分类，支持矢量机（SVM）分类，决策树分类等机器学习分类方法中。

---

---

一、样本点选择结果展示

二、代码脚本

代码加入了加彩色合成影像用于参考，当然可以选择Landsat、哨兵、MODIS或者多种参考数据进行辅助标记。
代码链接：https://code.earthengine.google.com/0e37267e7f27df5c6360f65a0243cd8c?noload=true

var roi = table
Map.centerObject(roi, 6);
//设置显示样式：color代表边界颜色；fillcolor代表填充颜色
var styling={color:'red',fillColor:'00000000'}
//roi就是矢量边界
Map.addLayer(roi.style(styling),{},"roi")

var startDate = ee.Date('2019-01-01');
var endDate = ee.Date('2019-12-31');

function applyScaleFactors(image) {
  var opticalBands = image.select('SR_B.').multiply(0.0000275).add(-0.2);
  var thermalBands = image.select('ST_B.*').multiply(0.00341802).add(149.0);
  return image.addBands(opticalBands, null, true)
              .addBands(thermalBands, null, true);
}

// Visualize the Landsat image
var landsatCollection = ee.ImageCollection("LANDSAT/LC08/C02/T1_L2")
                          .filterDate(startDate, endDate)
                          .filterBounds(roi)
                          .filterMetadata('CLOUD_COVER_LAND', 'less_than', 30)
                          .map(applyScaleFactors)
                          .median();
                          
                         
print('landsatCollection',landsatCollection)

var visualization = {
  bands: ['SR_B4', 'SR_B3', 'SR_B2'],
  min: 0.0,
  max: 0.3,
};

// Visualize the Landsat Image
Map.addLayer(landsatCollection, visualization, 'True Color (432)');

// Visualize the Sentinel-2 image
var s2img = ee.ImageCollection('COPERNICUS/S2_SR')
              .filterDate(startDate, endDate)
              .filterBounds(roi)
              .map(maskS2clouds)
              .mean();

// Remove cloud
function maskS2clouds(image) {
  var qa = image.select('QA60');
  // Bits 10 and 11 are clouds and cirrus, respectively.
  var cloudBitMask = 1 << 10;
  var cirrusBitMask = 1 << 11;
  // Both flags should be set to zero, indicating clear conditions.
  var mask = qa.bitwiseAnd(cloudBitMask).eq(0)
               .and(qa.bitwiseAnd(cirrusBitMask).eq(0));
  return image.updateMask(mask).divide(10000);
}

var visualization = {
    min: 0.0,
    max: 0.4,
    bands: ['B11', 'B8', 'B4'],//分别对应SWIR1, NIR, RED波段
};
Map.addLayer(s2img, visualization, '假彩色');

// Merge points together
var sampleCollection  = constructionland.merge(forest).merge(cultivatedland).merge(water).merge(unusedland).merge(grassland);
print(sampleCollection , 'Sample Collection')

三、样本创建教程

1、创建 FeatureCollection

第一步，点击地图视图区域的红框new layer按钮新增FeatureCollection。

第二步，点击红框齿轮部分，进入属性修改界面。

2、新增属性 Property

在属性修改界面，可以修改样本要素的名字，格式选择FeaturCollection，显示颜色可以在颜色条中选择，Property（属性），波段名写为landcocer，值设置为1（不同类型样本的landcover值不应该一样）。

3，选择样本点

选中红框forest，然后使用红色箭头所指的工具在地图上选择点。

4、合并样本

// Merge points together
var sampleCollection =constructionland.merge(forest).merge(cultivatedland).merge(water).merge(unusedland).merge(grassland);
print(sampleCollection , 'Sample Collection ')

5、下载样本

5.1 下载到本地

样本数据可以用来做示意图，和在本地分析使用。将样本下载到谷歌云盘的具体步骤如下图所示。

Export.table.toDrive({
  collection: sampleCollection,
  description: 'Sample Feature Collection',
  folder: 'Sample Folder'
}); 

点击Task中的RUN下载，在弹出界面中选择下载格式，可选格式有：shp、csv、JSON、KML、KMZ、TF_RECORD_TABLE。

5.2 导入Assets中

Export.table.toAsset({
collection:sampleCollection, 
//description, 
assetId:'sampleCollectionID', 
//maxVertices
});

6、删除样本点

点击地图区域左上角小手图标，接着选择错误的点，会出来一个delete按钮 ，最后这个delete就删除了。