输入样本点进行GEE 监督分类

GEE (Google Earth Engine) 是一个强大的云端平台，提供了丰富的遥感数据和分析工具。在 GEE 中进行监督分类需要以下步骤：

1. 数据准备：将遥感影像数据上传到 GEE 中，并将训练样本点导入到 GEE 中。

2. 样本点分类：使用 GEE 中的分类工具（如 Random Forest）对样本点进行分类，并将分类结果导出。

3. 模型评价：使用分类结果和真实分类结果进行混淆矩阵计算等模型评价。

下面是一个基本的 GEE 监督分类示例代码：

// 导入影像数据
var image = ee.Image('LANDSAT/LC08/C01/T1_TOA/LC08_044034_20140318');

// 导入样本点
var points = ee.FeatureCollection('users/yourusername/points');

// 将样本点分为训练集和验证集
var split = 0.7; // 70% 用于训练，30% 用于验证
var training = points.filter(ee.Filter.lt('random', split));
var validation = points.filter(ee.Filter.gte('random', split));

// 提取分类变量
var bands = ['B2', 'B3', 'B4', 'B5', 'B6', 'B7'];

// 训练分类器
var classifier = ee.Classifier.randomForest(10).train(training, 'class', bands);

// 对影像进行分类
var classified = image.select(bands).classify(classifier);

// 将分类结果导出
Export.image.toDrive({
  image: classified,
  description: 'classified_image',
  scale: 30,
  region: image.geometry().bounds()
});

// 计算混淆矩阵
var confusionMatrix = ee.ConfusionMatrix(validation
  .classify(classifier)
  .errorMatrix({
    actual: 'class',
    predicted: 'classification'
  }));

// 输出混淆矩阵
print('Confusion Matrix', confusionMatrix);

注意，以上示例仅为基本的监督分类代码框架，具体的数据准备、分类器选择、特征选择等操作需要根据实际情况进行调整和优化。