Google Earth Engine 实现图像随机森林分类_遥感分类全流程详解

本文将通过一段完整的GEE代码，逐步讲解如何利用Sentinel-2影像和随机森林算法，实现地表覆盖分类。代码包含数据预处理、特征计算、样本训练、分类与精度评价等关键步骤，适合遥感入门学习！

目录

一、数据准备：加载研究区与遥感影像

1.1 研究区矢量边界

 1.2 Sentinel-2影像去云处理

二、特征工程：计算遥感指数与地形数据

2.1 计算NDVI、NDWI等指数

2.2 合成中值影像与融合DEM 

三、分类样本准备与模型训练

3.1 加载样本数据

3.2 提取样本点光谱特征

 3.3 随机森林分类器

四、精度评价与结果导出

4.1 混淆矩阵与精度指标

 4.2 分类结果可视化与导出

 五、完整代码流程图

六、常见问题解答

---

一、数据准备：加载研究区与遥感影像

1.1 研究区矢量边界

var aoi = ee.FeatureCollection("projects/yours/assets/yanjiuquyu");//引号内容替换为你的研究区域
var empty = ee.Image().toByte();
var outline = empty.paint({
  featureCollection: aoi,
  color: 0,
  width: 3
});
Map.addLayer(outline, {palette: "ff0000"}, "outline");

• 功能：加载区域矢量边界，并在地图上以红色轮廓显示。