GEE学习总结(8)——依据土地利用分类结果进行数据掩膜提取

根据土地利用分类结果对GEE中的产品数据进行掩膜提取

以下通过MODIS土地利用分类数据的草地类型,提取MODIS的NDVI产品数据

var geometry = ee.FeatureCollection("users/13363961879/shanmeng");
var dataset = ee.ImageCollection('MODIS/006/MOD13Q1')
                  .filterDate('2000-06-01', '2000-09-01')
                  .select('NDVI')
                  .max().divide(10000)
                  .clip(geometry);

//调用土地利用数据对影像进行分类掩膜提取
var modisLandcover =  ee.ImageCollection('MODIS/006/MCD12Q1')
    .filterDate('2020-01-01', '2020-12-31')
    .first()
    .select('LC_Type1')
    .subtract(1)       //将波段排序从0开始排列
    .clip(geometry);   //切割出研究区范围
    
var mask=function(image,my_type){
  var mask=image.eq(my_type);
  var masked_image=image.updateMask(mask);
  return masked_image;
}
//调用mask函数,筛选出对应波段数据
//植被像元
var modismask = mask(modisLandcover,9)  
var grass = dataset.updateMask(modismask);
var modismask2 = mask(modisLandcover,11)  
var crop = dataset.updateMask(modismask2);
var modismask3 = mask(modisLandcover,3)  
var forest1 = dataset.updateMask(modismask3);
var modismask4 = mask(modisLandcover,4)  
var forest2 = dataset.updateMask(modismask4);
var modismask5 = mask(modisLandcover,8)  
var savannas = dataset.updateMask(modismask5);
var imageCollection=ee.ImageCollection([grass,crop,forest1,forest2,savannas])
var roi=imageCollection.mosaic()
//裸土像元
var modismask6 = mask(modisLandcover,15)  
var soil = dataset.updateMask(modismask6);

var igbpLandCoverVis = {
  min: 1.0,
  max: 17.0,
  palette: [
    '05450a', '086a10', '54a708', '78d203', '009900', 'c6b044', 'dcd159',
    'dade48', 'fbff13', 'b6ff05', '27ff87', 'c24f44', 'a5a5a5', 'ff6d4c',
    '69fff8', 'f9ffa4', '1c0dff'
  ],
};

var ndviVis = {
  min: 0.0,
  max: 1,
  palette: [
    'FFFFFF', 'CE7E45', 'DF923D', 'F1B555', 'FCD163', '99B718', '74A901',
    '66A000', '529400', '3E8601', '207401', '056201', '004C00', '023B01',
    '012E01', '011D01', '011301'
  ],
};

//
Map.centerObject(geometry,7);
Map.addLayer(grass, ndviVis, 'NDVI'); 
Map.addLayer(modismask, igbpLandCoverVis, 'IGBP Land Cover')
  • 草地覆盖范围
  • 依据草地范围提取的NDVI数据
您好!很抱歉听到您在土地利用分类遇到了缺失一大块的问题。可能有几个原因导致这种情况发生: 1. 数据质量问题:在进行土地利用分类之前,首先需要确保使用的影像数据质量良好。缺失一大块的结果可能是由于影像数据本身存在缺失或损坏导致的。请检查您使用的影像数据是否完整,并确保其质量符合要求。 2. 分类算法选择问题:选择适合的分类算法对于准确地进行土地利用分类非常重要。不同的算法适用于不同的场景和数据类型。您可以尝试使用不同的分类算法或优化参数来提高分类结果的准确性。 3. 样本标注问题:土地利用分类通常需要一定数量的样本数据进行训练。如果样本数据标注不准确或不充分,可能会导致分类结果出现缺失区域。请确保样本数据的标注准确,并尽量使用多样化的样本数据以覆盖各种土地利用类型。 4. 特征提取问题:在进行土地利用分类时,选择合适的特征对于准确分类非常重要。如果选择的特征无法很好地反映土地利用类型,可能会导致分类结果不准确或缺失。请确保选择的特征具有良好的区分度并能够充分表达各个土地利用类型的特征。 综上所述,您可以从数据质量、分类算法、样本标注和特征提取等方面入手,逐步排查和改进,以期提高土地利用分类结果的准确性和完整性。希望对您有所帮助!如果您有任何其他问题,请随时提问。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

Arcgiser

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
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