Google Earth Engine(GEE)——机器学习(监督分类)多边形为训练样本!
2023-09-11 14:15:11 时间
如果训练数据是代表同质区域的多边形,则每个多边形中的每个像素都是一个训练点。您可以使用多边形进行训练,如下例所示:
函数:classify()
classify(classifier, outputName)
对图像进行分类。
Classifies an image.
Arguments:
图像(图像):
要分类的图像。波段是按名称从该图像中提取的,它必须包含分类器模式中命名的所有波段。
分类器(Classifier):
要使用的分类器。
输出名称(字符串,默认值:“分类”):
要添加的乐队的名称。如果分类器产生 1 个以上的输出,则忽略此名称
this:image (Image):
The image to classify. Bands are extracted from this image by name, and it must contain all the bands named in the classifier's schema.
classifier (Classifier):
The classifier to use.
outputName (String, default: "classification"):
The name of the band to be added. If the classifier produces more th
相关文章
- Google Earth Engine(GEE)——建立一个图表(ui.Chart.array.values)chart散点图
- Google Earth Engine(GEE)——如何创建一个属性给feature Collection使其图形加载过程中可以出现名称
- Google Earth Engine——GEE中有哪些图表库?含附加图标库
- 地球引擎保姆级教程——Google earth engine客户端和服务端的差异(add的使用和ee.xxx())
- Google Earth Engine(GEE)——Landsat 7条带色差修补
- Google Earth Engine(GEE)——Label objects标签对象唯一值确定
- Google Earth Engine(GEE)——分类和机器学习的简介
- Google Earth Engine(GEE)——机器学习(监督分类)的精度评定——混淆矩阵!
- Google Earth Engine —— 利用sentinel-1/2数据集进行土地分类59个参数案例
- Google Earth Engine(GEE)——用for双循环进行逐月数据下载以北京市为例
- Google Earth Engine(GEE)——当我们前后影像来弥补插值效果得时候,没有效果怎么办?
- Google Earth Engine(GEE)——美国西部的植被干燥度5天的时间分辨率和250米的空间分辨率
- Google Earth Engine——基于2000-2017年时间序列的长期MODIS LST昼夜温差标准偏差,在1公里分辨率。
- Google Earth Engine——AVHRR探路者5.3版海面温度数据集(PFV53)是由NOAA国家海洋学数据中心和迈阿密大学罗森斯蒂尔海洋与大气科学学院合作制作的全球每日两次的4公里数据
- Google Earth Engine ——美国LANDIFRE植被数据集包括。生物物理设置(BPS)环境场地潜力(ESP)现有植被冠层(EVC)现有植被高度(EVH)现有植被类型(EVT)数据集
- Google Earth Engine ——2017-2018年伊朗土地覆盖/土地利用数据集KNTU/LiDARLab/IranLandCover/V1
- Google Earth Engine ——全球人类住区层(GHSL)数据集
- Google earth engine——清单上传!
- 【历史上的今天】4 月 2 日:微软的第一个硬件产品;Google+ 服务关闭;超传输技术诞生