代码编织梦想

土地分类——基于sentinel-爱代码爱编程

简介 无监督分类是一种基于统计学方法的图像分类技术,不需要先验知识和训练样本,直接对图像进行分类。基于Sentinel-2多源遥感数据进行无监督分类可以实现对土地类型的划分。本教程主要的目的是通过多源遥感影像进行土地分类,这里主要的数据是哨兵2号数据,波段+纹理特征,灰度波段用的NDVI指数。 步骤如下: 1. 数据预处理:对Sentinel-2数据

gee土地分类——基于svm方法的土地分类出现的问题和正常分类-爱代码爱编程

简介 土地分类是一种将土地根据其特征属性划分为不同类别的过程。基于SVM方法的土地分类主要包括以下详细流程: 1. 数据收集和准备:收集土地相关的数据,如地形、土质、植被、气候等,确保数据完整性和准确性。 2. 特征选择和提取:根据收集到的土地数据,对每个土地样本进行特征选择和提取。常见的特征包括土壤pH值、植被指数、坡度、高程等。 3. 数据预处

gee 土地分类——如何利用随机森林方法进行土地分类_随机森林土地覆盖分类-爱代码爱编程

土地分类简介 土地分类是指根据土地的不同用途和功能特点对土地进行划分和分类的过程。根据不同的目的和需要,土地可以根据其用途、地理位置、资源等特点进行分类。相较于以往的土地分类不同,我们可以将我们的训练好的模型存储到assets中,然后直接调用其分类训练好的分类器。这里用到的数据是利用MODIS进行提取并且进行分类。 常见的土地分类包括: 1. 农用地:

gee土地分类——如何利用多年的esri_global-爱代码爱编程

简介 本教程主要的目的是利用自己上传的多年土地分类应先过来实现指定区域的土地分类,而且只提取 ESRI_Global-LULC_10m ESRI_Global-LULC_10m数据集是由ESRI(环境系统研究研究所)开发的一个全球级别的土地利用/土地覆盖数据集。该数据集使用10米的空间分辨率,并提供了详细的土地利用/土地覆盖分类信息。 该数据集基于

gee土地分类:土地分类精度评定和分类后影像进行(kmeans,gmeans,snic (simple non-爱代码爱编程

本教程将通过指定区域的土地分类结果,进行聚类处理和滤波处理,聚类主要使用三种方法。而滤波则使用focal通过调参来进行分析。从而实现土地分类后的后处理。 简介 使用聚类分析和滤波分析来进一步处理土地分类后的影像数据。 聚类分析可以帮助您识别影像中的相似区域。您可以使用聚类算法,如K均值聚类或层次聚类,将像素分组到具有相似像素值的群集中。这可以帮助您更

gee土地分类——基于遥感影像数据的不同作物的分类-爱代码爱编程

简介 这里我们首先要更改原始代码的中的影像和研究区矢量的问题,这个为了防止我们计算的过程超限,建议先将我们的研究区影像和样本点先存在自己的assets中,然后导入到新的脚本中。然周本文就是对其进行影像进行归一化处理,然后进行样本点值提取至点,然后训练样本点,进行训练,然后对样本点随机化,然后计算相应的精度即可 分类属性 函数 ee.Cl

google earth engine(gee)——基于两期sentinel2遥感影像使用随机森林方法进行土地分类中各地类面积的统计结果分析_哨兵卫星根据像元计算的面积为什么是实际的2倍-爱代码爱编程

上一回分析了以下求如何进行获取地类面积转换的影像结果,这次我们进行地类转换后面积的统计计算,面积统计计算主要是两个,第一个首先要统计各地类影像面积,第二个就是要统计地类中的面积。期间会用到一些函数,如下: 上一篇文章的链接地址: https://mp.csdn.net/mp_blog/creation/editor/131506639 函数: ee

gee土地分类——分类有影像出现空洞我们应该如何填充?(两种方法,集群填充和像素连接方法)_geelandsat8插值空值填补-爱代码爱编程

简介: 我想知道是否存在一种简单的方法来填充二进制分类图像(例如森林)中的空洞像素?被森林像素包围的空洞像素很可能是由分类错误产生的。使用focalMedian可以填补这个洞,但森林斑块的边界被扩大了很多。 这是一个演示

gee——sentinel-爱代码爱编程

简介: GEE今天的峰会上提出了一个非常好的去云的影像,这个数据集已经再gee中进行了公开,并且只需要通过一行代码即可运行获取没有云的高清影像,相较于QA去云的操作,整体山给效果更加,特别是对于很多地区常年被云雾覆盖,很难获取无云影像,本教程通过一个简单的案例来展示如何做到高清无云影像的获取,从而提高后续土地分类的精度或者其它后续影像操作。 Cloud

gee——google dynamic world中在影像导出过程中无法完全导出较大面积影像的解决方案(投影的转换)epsg:32630和epsg:4326的区别_epsg:32646-爱代码爱编程

简介: 我正在尝试导出 2020 动态世界中值图像和相应的验证 "label "波段。 我曾尝试将图像重新投影到一个共同的投影上,但没有成功。如果有任何建议,我将非常感激,谢谢。 解决方案: EPSG:32630(您使用的投影)只在地球的一小部分区域有效: WGS84 边界范围: -78.0 0.0 -72.0 84.0 如果您想导出一个大

1970年代末期(1980年)、1980年代末期(1990年)、1995年、2000年、2005年、2010年、2015年、2018年、2020年数据中国多时相土地利用现状数据库_中国多时期土地利用遥感监测数据集(cnlucc)-爱代码爱编程

简介 中国土地利用遥感监测数据来源于中国多时相土地利用现状数据库,经过多年的积累而建立的覆盖全国陆地区域的数据库。 该数据集包括1970年代末期(1980年)、1980年代末期(1990年)、1995年、2000年、2005年、2010年、2015年、2018年、2020年数据,空间分辨率为1000米,数据生产制作是以各期Landsat TM/ETM遥感

google earth engine(gee)——如何获取土地分类影像中各地类的面积(按矢量集合中逐个矢量提取)_gee建筑物提取-爱代码爱编程

很多时候我们会在已经公开的土地分类影像中按照矢量集合中的元素进行逐个矢量的面积提取,这里主要的问题是我们如何进行遍历每一个矢量,而这里有两个关键函数就显得非常重要,一个是遍历每一个矢量求出每一个矢量的范围,另外就是将其求出的面积放入到指定的集合中,并以字典的形式返回,这样就可以求出矢量集合中的每一个矢量范围内的土地分类面积。 数据: GlobCover

gee案例:利用两期高分辨率土地分类数据进行建成区对比_gee中存在的高分辨率影像-爱代码爱编程

简介 建成区是指城市和乡村居民点聚集区域建设用地。利用高分辨率土地分类数据进行建成区对比,可以了解不同时间段内建成区的变化情况。 具体步骤如下: 1. 收集两期高分辨率土地分类数据,如Landsat遥感影像数据。 2. 将两期数据进行几何校正和辐射校正,保证数据的精度。 3. 利用遥感图像处理软件,如ENVI、ArcGIS等,进行影像配准,将两期

google earth engine(gee)——提取1985-爱代码爱编程

影像值提取至点的具体操作流程一般如下: 打开遥感影像。 选择点数据集,打开或添加需要提取像素值的点图层。如果没有点数据集,可以手动创建一个点图层。 确认点数据集和影像的投影坐标系、数据范围等信息是否相同,如果不同需要进行投影转换。 选择提取像素值的方法,常用的有点采样、领域平均、反比例加权等。 根据选择的方法,设置提取像素值

google earth engine(gee)——10种不同机器学习方法下的土地分类分析_gee卷积神经网络土地类型分类-爱代码爱编程

机器学习是一种人工智能方法,它可以让计算机自动地从数据中学习和改善自身的性能。机器学习方法主要包括以下几种: 监督学习:从已知的数据中学习并预测新的数据。主要的方法包括回归和分类。 无监督学习:从未知的数据中学习并提取有用的信息。主要的方法包括聚类和降维。 半监督学习:结合监督和无监督方法的学习方法,适用于有限的标记数据和大量未标记数据

gee土地分类——我们在导出土地分类结果的时候需要花费好长时间的原因?_gee导出数据慢-爱代码爱编程

问题: 我尝试将我的 llc 分类图像导出到GOOGLE云盘中。但导出运行时间需要很长时间才能完成。有什么帮助吗?链接到代码。 https://code.earthengine.google.com/ad66737cbad17f3c489a1ebb438aa738 原始代码: var L8 = ee.ImageCollection

gee土地分类——土地分类后影像(集群处理、滤波处理)处理和单点像素分类影像结果融合(用周围的值替换孤立的像素)_gee土地利用分类滤波-爱代码爱编程

很多时候我们都会发现,在进行土地分类后的结果往往不能让我们结果看起来很好,这里主要的原因是分类后结果的破碎度的问题,所以我们需要进行相应的集群处理和用单点周围像素条带单点的像素值两种方法进行处理。 分类结果的后处理 有监督分类结果通常包含由错误分类像素引起的椒盐噪声。通常最好采用一些后处理技术来去除这些噪声。下面的脚本包含两种常用的分类结果后处理技术的代

gee:将sentinel-爱代码爱编程

简介 哨兵1号和2号是欧空局发射的一系列卫星,主要用于地球观测。它们各自搭载了多种传感器和仪器,可以获取不同波段、不同分辨率和不同时间的遥感数据。这些数据可以用于地球科学研究、环境监测、资源调查等领域。 多源遥感数据融合是将来自不同传感器和不同卫星的遥感数据进行整合和处理,得到更加全面、准确和详细的地球信息。常用的融合方法有数据融合、特征融合和决策融合

gee土地分类——landsat tm/etm/oil影像相互转化,土地分类样本点检查。进行遥感影像校正后的逐年影像下载(采用最大值合成和核函数填补空缺)_oli 影像-爱代码爱编程

简介 Landsat TM、ETM和OLI影像可以进行相互转化。以下是具体步骤: 1. 将TM和ETM影像转化为OLI影像:可以使用ENVI/ImageJ等软件,在选择影像时选择TM/ETM影像,然后进行转化。转化后的OLI影像会包含8个波段(1-7和9),其中波段4、5和7与TM/ETM影像相同,波段1、2和3与OLI影像原生波段相同,波段9是新添加

google earth engine(gee)——机器学习土地分类中出现错误no valid training data were found.-爱代码爱编程

我想使用 svm 算法对甘蔗进行分类。但是训练数据是错误的。https://code.earthengine.google.com/5114e5fff3fd0d0294f6a3aef9c4037a Test Accuracy: Number (Error) No valid training data were found. 函数: ee.Cla