Google Earth Engine(GEE)——非监督分类案例分析(森林非森林核其它)

本教程的主要目的是实现指定区域的森林非森林的分类,而样本点的选取都是随机选取的,我们加入的变量则按照DEM中的阴影和坡度作为参与分类的变量进行分析,最周通过kmeans聚类实现影像的分类.

reduceNeighborhood(reducer,内核,inputWeight,skipMasked,优化)
将给定的reducer应用于每个像素周围的邻域,由给定的内核确定。如果reducer只有一个输入,它将分别应用于集合的每个band;否则它必须具有与输入图像具有波段相同数量的输入。

reducer 输出名称决定输出 band 的名称:具有多个输入的 reducer 将直接使用输出名称,而具有单个输入的 reducer 将在输出名称前加上输入 band 名称(例如'10_mean','20_mean'等) .).

具有加权输入的减速器可以具有基于输入掩码、内核值或这两者中较小者的输入权重。

参数:
这个:图像(图像):
输入图像。

减速机(Reducer):
应用于邻域内像素的缩减器。

内核(内核):
定义邻域的内核。

inputWeight(字符串,默认值:“kernel”):
“掩码”、“内核”或“分钟”之一。

skipMasked(布尔值,默认值:true):
如果相应的输入像素被屏蔽

你可能感兴趣的:(GEE案例分析,聚类,人工智能,gee,kmeans)