Google Earth Engine(GEE)——监督分类案例分析

监督分类主要流程是选择样本点来分析,通过指定的分类器完成监督分类。监督分类又称训练场地法、训练分类法,是以建立统计识别函数为理论基础、依据典型样本训练方法进行分类的技术,即根据已知训练区提供的样本,通过选择特征参数,求出特征参数作为决策规则,建立判别函数以对各待分类影像进行的图像分类,是模式识别的一种方法。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求,则此准则成立;反之,需重新建立分类的决策规则,直至满足分类精度要求为止。

sampleRegions(集合、属性、比例、投影、tileScale、几何)

主要目的是根据所提供的影像获取各点的属性和特征,从而为不懂地类的下一步分欸做准备
将与一个或多个区域相交的图像(在给定比例下)的每个像素转换为特征,并将它们作为特征集合返回。每个输出特征将具有输入图像的每个波段的一个属性,以及从输入特征复制的任何指定属性。

请注意,几何图形将捕捉到像素中心。

参数:
这个:图像(图像):
要采样的图像。

集合(FeatureCollection):
要采样的区域。

属性(列表,默认值:null):
要从每个输入要素复制的属性列表。默认为所有非系统属性。

规模(浮动,默认值:空):
要采样的投影的标称比例(

你可能感兴趣的:(GEE案例分析,深度学习,人工智能,gee,监督分类,sentinel)