GEE——土地利用分类之监督分类

VIPGEE——土地利用分类之监督分类
利用GEE做监督分类,以武汉市为例。训练器我们选择随机森林;数据选择Landsat-8;训练样本使用的是GEE提供的一种,它把地表分为三类:水体、植被和城市用地。选择训练样本用要素集来标记训练样本。每个要素都有一个landcover 的属性,0表示城市用地,1表示植被,2表示水体。对影像进行分类其中一部分进行分类器的训练,还有一部分留下来做精度验证。输出影像及混淆矩阵print(LABEL_DATA);var wuhan = ee.FeatureCollection('users/
开通可读全文 ·1.6w 人阅读
最低0.47元/天 解锁文章

利用GEE做监督分类,以武汉市为例。

训练器我们选择随机森林;数据选择Landsat-8;训练样本使用的是GEE提供的一种,它把地表分为三类:水体、植被和城市用地。

  • 选择训练样本

用要素集来标记训练样本。每个要素都有一个landcover 的属性,0表示城市用地,1表示植被,2表示水体。

  • 对影像进行分类

其中一部分进行分类器的训练,还有一部分留下来做精度验证。

  • 输出影像及混淆矩阵
print(LABEL_DATA);
var wuhan = ee.FeatureCollection('users/goodmalest/wuhan')

//选择的训练样本
function maskL8sr(image) {//去云
  var cloudShadowBitMask = (1 << 3);
  var cloudsBitMask = (1 << 5);
  var qa = image.select('pixel_qa');
  var mask = qa.bitwiseAnd(cloudShadowBitMask).eq(0)
                .and(qa.bitwiseAnd(cloudsBitMask).eq(0));
  return image.updateMask(mask);
}
var landsatImage = ee.ImageCollection("LANDSAT/LC08/C01/T1_SR")
    .filterDate('2019-01-01', '2019-12-31')
    .map(maskL8sr)
    .mean();
// 使用下列波段作为特征
var bands = ['B2', 'B3', 'B4', 'B5', 'B6', 'B7'];

// 通过要素集在Landsat-8中选取样本,把landcover属性赋予样本
var training = landsa
VIP GEE入门篇|图像分类(一):监督分类 开通可读全文·5.1k 阅读·52 点赞·79 收藏 阅读全文

相关推荐

google earth engine(GEE)监督分类总结与代码分享

提供分类代码以及思路整理

锐多宝的地理空间 2万+

【Google Earth Engine】利用GEE进行Landsat 8 SR数据土地利用分类

最近用学习到的知识进行了利用GEE和Landsat 8 SR数据进行土地利用分类的小实验,在这里进行一些学习记录。 一、数据导入 首先在GEE中上传要进行土地利用分类的行政区域边界,这里是以雄安新区为例。 二、遥感数据筛选 使用的数据是Landsat 8 OLI/TIRS传感器的SR数据集,SR数据利用QA波段进行影像去云处理,这里构造了去云函数便于后续调用; 筛选想要进行土地利用分类的时间,并用clip函数将研究区裁剪出来。 // Applies scaling factors. funct

weixin_42347880的博客 1万+

GEE实战避坑:土地利用分类中,你的样本点真的采对了吗?(附精度提升技巧)

本文深入探讨了在Google Earth Engine(GEE)中进行土地利用分类时样本采集的关键技巧与常见陷阱。通过分析样本数量与分布的平衡、光谱混淆区的处理方法以及目视解译的边界模糊问题,提供了提升分类精度的实用策略,包括特征工程进阶方法和随机森林模型调优实战,帮助开发者避免常见错误,显著提高分类精度。

weixin_30568591的博客 252

别再手动画样本点了!用GEE+随机森林5分钟搞定北京土地利用分类(附完整代码)

本文介绍如何利用Google Earth Engine(GEE)和随机森林算法快速实现北京土地利用分类,5分钟内完成从数据准备到结果导出的全流程自动化。通过GEE的云端计算能力和随机森林的抗过拟合特性,大幅提升分类效率和精度,适用于城市规划与生态保护。

weixin_30565327的博客 251

Google Earth Engine监督分类全流程:从数据预处理到随机森林实战

遥感影像分类是获取地表覆盖信息的关键技术,其中监督分类凭借类别可控、精度更高等优势,成为土地利用分类的主流方法。传统桌面软件处理大区域影像时存在流程繁琐、效率低下等问题,而Google Earth Engine(GEE)将PB级卫星数据与云端计算能力结合,大幅简化了数据预处理与分类流程。本文从监督分类的基本原理出发,介绍GEE在遥感数据获取、云掩膜、中值合成、特征构建(如NDVI、NDWI)及样本采集等方面的工程实践,并重点解析随机森林分类器的参数选择与精度验证方法。无论学术研究还是项目报告,读者都能据此快

weixin_29103191的博客 141

GEE土地利用分类与Landcover Cleanup全流程实战解析

遥感影像分类是土地利用监测与地理国情分析的基础环节,其目标是将地表覆盖转化为可量化、可制图的离散类别。然而,逐像元独立判断导致高频噪声与零碎图斑,直接影响成果的实用价值。Google Earth Engine(GEE)作为云端遥感计算平台,支持中位合成、光谱特征构建及随机森林监督分类,能够高效完成地物识别。但真正决定成果可用性的,往往在于分类后处理(Landcover Cleanup)——通过众数滤波、连通性分析与面积阈值剔除、类别重编码等手段,抑制椒盐噪声、合并零碎图斑、平滑地物边界,使分类影像从“算法输

weixin_33836874的博客 405

你的土地利用分类结果靠谱吗?手把手教你用GEE验证随机森林模型精度(含混淆矩阵解读)

本文详细介绍了如何在Google Earth Engine(GEE)中验证随机森林模型进行土地利用分类的精度,包括混淆矩阵的生成与解读、样本划分的最佳实践以及精度提升策略。通过科学的验证流程和GEE提供的工具链,帮助用户系统评估分类结果的可信度,避免常见陷阱如过度自信和样本不平衡问题。

weixin_30279671的博客 546

地球引擎高级教程:基于高级监督分类技术的应用

在这篇教程中,我们将重点介绍GEE中的高级监督分类技术的应用。监督分类是一种常用的机器学习方法,用于将遥感图像中的像素分配到不同的类别中,例如土地利用类型、植被覆盖等。在监督分类中,我们需要从遥感图像中提取有意义的特征,以用于训练分类器。在监督分类中,我们需要从遥感图像中提取有意义的特征,以用于训练分类器。训练完成后,我们可以使用训练好的分类器对测试样本进行分类预测,并评估分类结果的准确性。训练完成后,我们可以使用训练好的分类器对测试样本进行分类预测,并评估分类结果的准确性。

TpjtRuby的博客 579

gee-Landsat影像 随机森林分类代码

gee-Landsat影像 随机森林分类代码

别再为授权费头疼了!手把手教你免授权搞定西门子、马扎克等12种主流数控机床的数据采集

本文提供了一套免授权采集西门子、马扎克等12种主流数控机床数据的实战指南,帮助中小型机加工车间节省80%以上的采集成本。通过TCP/UDP协议逆向工程和跨平台数据整合,实现经济、灵活且可持续的数据采集方案,涵盖设备兼容性处理、数据频率优化等关键问题。

weixin_26873711的博客 712

Proxmox VE安装卡顿深度解析:显卡驱动与BIOS设置的黄金法则

本文深度解析Proxmox VE安装卡顿的根本原因,指出显卡驱动与BIOS设置是两大关键因素。文章详细阐述了如何通过添加`nomodeset`内核参数解决显卡兼容性问题,并提供了针对不同主板品牌的BIOS显卡优先级设置黄金法则。同时,还分享了从预处理到高级调试的完整实战排查流程,帮助用户从源头杜绝安装卡顿,确保PVE系统顺利部署。

weixin_29278805的博客 478

手把手教你用MATLAB/Simulink模拟微电网潮流方向(附代码下载)

本文提供了一份详细的MATLAB/Simulink微电网潮流仿真实战指南。通过手把手教学,指导读者从零搭建包含光伏、储能和负荷的微电网模型,并模拟并网、孤岛等多种运行场景下的潮流方向变化。文章核心在于利用Simulink实现微电网的动态潮流分析与可视化,帮助工程师深入理解分布式能源系统中的功率平衡与控制策略。

weixin_28314575的博客 110

Win11网络卡顿?用Wireshark抓包5分钟定位问题(保姆级实战)

本文详细介绍了如何使用Wireshark在Win11系统中快速定位网络卡顿问题。通过5分钟抓包分析,作者成功发现TCP重传率高达37%的罪魁祸首,并提供了从准备工作到实战分析的保姆级教程,帮助用户解决游戏卡顿、视频会议延迟等常见网络问题。

weixin_28839629的博客 312

【GD32F407】i2c主机发送,从机中断接收

前言 现在手里负责的一个项目需要用i2c和主芯片进行通信主动发送,中断接收,这就需要支持i2c主机模式和从机模式,先查看原理图 这里我们用到了两条i2c总线进行数据的交替传输,避免在使用一条总线是发送数据和接收数据冲突 初始化i2c控制器 s32_k i2cDevInit(u8 byBusId, TI2cBus *pTI2cBus) { //PCLK = 36000000 BOOL retFlg = FALSE; int I2xSCL = pTI2cBus->byFastMode ?

Enosji的博客 6253

别再手动算LLC了!用Mathcad 15分钟搞定谐振参数与增益曲线(附已验证产品案例)

本文详细介绍了如何利用Mathcad在15分钟内高效完成LLC谐振变换器的参数计算与增益曲线绘制。通过对比传统工具,突出Mathcad在自然数学表达、实时单位换算和动态参数关联方面的独特优势,帮助电源工程师大幅提升设计效率。文章还提供了已验证的产品案例和实用模板,助力工程师快速掌握谐振参数优化技巧。

weixin_42548888的博客 551

2023年第二十届五一数学建模竞赛C题:“双碳”目标下低碳建筑研究-思路详解与代码答案

2023年第二十届五一数学建模竞赛C题:“双碳”目标下低碳建筑研究-思路详解与代码答案

lichensun的博客 1万+

7、农业市场价格预测与K-Means聚类算法的综合研究

本文综合研究了农业市场价格预测与K-Means聚类算法的原理、应用及拓展。在农业领域,基于历史数据和供应信息的价格预测模型可为农民、政府和金融机构提供决策支持;在数据处理领域,K-Means算法通过合理选择初始质心和距离度量方法,实现高效聚类分析。文章还探讨了两种技术面临的挑战与解决方案,并展望了其在大数据、人工智能融合背景下的未来发展趋势,展示了跨领域技术协同的应用潜力。

ujm56789012的博客 70

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

上一篇: GEE地物类型分类,提取某一地物
下一篇: 文本挖掘之情感分析在网络视频弹幕的应用 ——以《都挺好》弹幕数据为例
月球上看星星
博客等级 码龄9年 128粉丝 11原创
评论 11
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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

月球上看星星

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
⌂ 换网址