代码编织梦想

这里有一个函数需要重新回顾一下:这个函数只适用于TOA影像

ee.Algorithms.Landsat.simpleComposite(collection, percentilecloudScoreRangemaxDepthasFloat)

从陆地卫星原始场景的集合中计算出陆地卫星TOA合成。它应用标准的TOA校准,然后使用SimpleLandsatCloudScore算法给每个像素分配一个云分。它在每个点上选择可能的最低云分范围,然后从被接受的像素中计算出每个波段的百分位值。该算法还使用LandsatPathRowLimit算法,在有超过maxDepth输入场景的区域,只选择云量最少的场景。

Arguments:

collection (ImageCollection):

The raw Landsat ImageCollection to composite.

percentile (Integer, default: 50):

The percentile value to use when compositing each band.

cloudScoreRange (Integer, default: 10):

The size of the range of cloud scores to accept per pixel.

maxDepth (Integer,

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/qq_31988139/article/details/123199339

基于GoogleEarth等高分辨率影像的地物景观提取精度评价-爱代码爱编程

       本文是最近一段时间遇到的问题,查找了解决方案,但可能较为局限,也不是特别严谨,非常欢迎其他博主能够批评指正,给出好的建议。        一、 精度评价意义                  当使用指数(或其他方法)进行对地物如水体,植被,不透水面等等地物景观进行提取后,需要进行精度验证以证明提取结果的可靠性,为后续研究奠定坚实的基础。

Google Earth Engine———土地类型分类-爱代码爱编程

利用GEE对遥感影像进行分类后,如何对地物类型进行统计。 我们采用MODIS官方的地物分类产品(MCD12Q1.006)官网:https://lpdaac.usgs.gov/products/mcd12q1v006/, 空间分辨率为500m,时间分辨率为一年,MODIS产品中含有多个地物分类的产品。 我们选用其中一种产品,波段为LC_Type1,

Google Earth Engine(GEE)——机器学习(监督分类)的精度评定——混淆矩阵!-爱代码爱编程

要评估分类器的准确性,请使用ConfusionMatrix ( Stehman 1997 )。以下示例用于sample()从 MODIS 参考图像生成训练和验证数据,并比较表示训练和验证准确度的混淆矩阵: 函数: confusionMatrix() 根据其训练数据(即:重新代入误差)计算分类器的 2D 混淆矩阵。矩阵的轴 0 对应于输入类,轴 1 对

Google Earth Engine——全球地表覆盖分类(城市、植被、水体)案例分析(超500行代码!)-爱代码爱编程

本演示使用手工定位的点来训练分类器。 每个训练点都有一个叫做 "土地覆盖 "的字段,包含了该位置的分类标签。下面的块包含了这些点的构造代码。 将鼠标悬停在 "城市 "变量上,点击对话框中的 "转换"。   var urban = /* color: #ff0000 */ee.FeatureCollection( [ee.Featu

Google Earth Engine ——土地分类/覆盖制图(随机森林方法2)-爱代码爱编程

分类 研究中使用随机森林监督分类方法。监督分类是最常用于遥感影像数据定量化学分析的技术。监督分类支持这样一种想法,即用户可以选择图片中代表特定类别的样本像素,因此指示图像处理软件使用这些训练站点作为图像中所有其他像素分类的参考。有关分类的更多详细信息,请访问链接   // 获取之前的波段 var bands = image.bandNames() p

GEE:快速下载中国2015年到2019年土地利用/覆盖数据(100米分辨率)-爱代码爱编程

数据集: Copernicus Global Land Cover Layers: CGLS-LC100 Collection 3数据集介绍: 哥白尼全球陆地服务(CGLS)提供了100 m 分辨率的动态土地覆盖图 (CGLS-LC100) ,这是 CGLS 产品组合中的新产品。除了这些离散类别之外,该产品还包括所有基本土地覆盖类别的连续字段图层,为土地覆

Google Earth Engine(GEE)——iterate迭代运算求面积综合-爱代码爱编程

    iterate(algorithm, first) Applies a user-supplied function to each element of a collection. The user-supplied function is given two arguments: the current element, an

Google Earth Engine(GEE)——土地覆盖分类的方法环境遥感之图像分类(1)-爱代码爱编程

本实验室的目标是了解影像分类过程,并探索将遥感影像转化为土地覆盖图的方法。 加载图像 第一步是获得一个可以使用的无云图像。通过导入 USGS Landsat 8 Surface Reflectance Tier 1 图像、空间过滤到感兴趣区域 (filterBounds)、时间过滤到您所需的日期范围 (filterDate),最后按云量排序 ('CLO

GEE:计算土地利用覆盖数据中的各个地类的面积/占比-爱代码爱编程

计算2015年土地利用数据各个地类的面积 方法一:面积被打印到了字典中。discrete_classification是土地利用类型的标签,sum是土地利用数据各个地类的面积(m^2)。怎么制作成时间序列的折线图,后续会补充。 var roi = table var dataset = ee.Image("COPERNICUS/Landcover/1

GEE提取土地利用类型并进行精度评定代码分享-爱代码爱编程

// 筛选位置 var roi = table.filter(ee.Filter.eq('NAME','xx市')).geometry() // 计算研究区面积 print(roi.area().divide(1000000),'roiArea') Map.centerObject(roi,10) // 筛选数据 var L5_roi = L5

Google Earth Engine(GEE)——利用JRC全球水体数据求湖泊面积以2000—2020年青海湖为例-爱代码爱编程

问题: 之前写了一篇关于JRC水体面积分析和下载的文章,但是前两天有同学问到,如何进行青海湖面积水体的分析,逐月还是逐年的我记不清楚了,但其实都一样,只是在时间筛选的过程中有所不同而已。上次的链接: (111条消息) Google Earth Engine(GEE)——JRC全球水体数据下载(以河南省为例)_此星光明的博客-CSDN博客 实验目的:

GEE计算面积-爱代码爱编程

1.矢量数据计算面积(main function) var stateArea = somewhere.geometry().area() var stateAreaSqKm = ee.Number(stateArea).divide(1e6).round() print(stateAreaSqKm) 2.栅格影像计算面积(main function

Google Earth Engine(GEE)——ee.Reducer.percentile筛选影像百分比案例分析-爱代码爱编程

函数: ee.Reducer.percentile(percentiles, outputNames, maxBuckets, minBucketWidth, maxRaw) Create a reducer that will compute the specified percentiles, e.g. given [0, 50, 100] w