【PIE-Engine Studio学习笔记09】图像分类—监督分类之样本绘制

 目录

前言

操作步骤

导入研究区域和影像

样本点绘制

SVM分类

结束语

---

前言

之前跟大家介绍过，通过其他软件绘制样本，然后导入到PIE-Engine studio平台上作为监督分类的训练样本，这次跟大家分享，直接在平台上进行样本的绘制。

操作步骤

导入研究区域和影像

代码如下（示例）：

//1、获取采样区域范围
var geometry = pie.FeatureCollection("NGCC/CHINA_CITY_BOUNDARY")
    .filter(pie.Filter.eq("name", "邯郸市"))
    .first()
    .geometry();

Map.centerObject(geometry, 6);
Map.addLayer(geometry, { color: 'FF0000', fillColor: '00000000', width: 1 }, "邯郸");


//2.调用哨兵-2 TOA数据集，设定筛选条件：日期、区域、云量
var img = pie.ImageCollection("S2/L2A")
        .filterBounds(geometry)
        .filterDate("2020-05-01", "2020-10-01")
        .filter(pie.Filter.lte("cloudyPixelPercentage", 0.5))
        .select(["B2", "B3", "B4","B5", "B6", "B7", "B8"])
        .max()
        .clip(geometry);;

//设置影像参数与波段组合并加载
Map.addLayer(img, { min: 0, max: 3000, bands: ["B4", "B3", "B2"] }, "img", true);
print(img)

如下图所示：

当然你也可以直接用平台自带的底图影像进行绘制

放大后也比较清晰

样本点绘制

设置样本点的类别，按照：水体- 30 绿地-40 建筑物-50依次进行设置。

生成代码并导入的编辑器中。

//==========分类样本文件手动绘制===========

var geometry0 = pie.FeatureCollection([pie.Feature(pie.Geometry.Point([
    113.88455664035098,
    36.85198010528727
], null),{
    "class": "30"
}),pie.Feature(pie.Geometry.Point([
    113.91687615181024,
    36.850909664234905
], null),{
    "