// 添加土地覆被作为反射图像的波段，并从感兴趣区域内的每个土地覆被类别中以10米的比例采样100个像素。 var roi = ee.Geometry.Rectangle(-122.347, 37.743, -122.024, 37.838); var sample = imgCollection.addBands(lc).stratifiedSample({ numPoints: 100, classBand: label, region: roi, scale: 10, geometries: true });报错Line 17: imgCollection.addBands is not a function

这个错误提示是因为在你的代码中，imgCollection 并不是一个 ImageCollection 类型的对象，因此无法调用 addBands() 方法。请检查一下你的代码，确保 imgCollection 是一个 ImageCollection 对象。如果 imgCollection 是一个 Image 对象，你可以使用 ee.ImageCollection([imgCollection]) 将其转换为一个 ImageCollection 对象。例如：

var imgCollection = ee.ImageCollection([img1, img2, img3]);
var sample = imgCollection.addBands(lc).stratifiedSample({
  numPoints: 100,
  classBand: label,
  region: roi,
  scale: 10,
  geometries: true
});

相关问题

// ESA WorldCover土地覆盖图，用作分类器训练中的标签源。 var lc = ee.Image('ESA/WorldCover/v100/2020'); // 将土地覆被类别值重新映射到基于0的连续序列。 var classValues = [10, 20, 30, 40, 50, 60, 70, 80, 90, 95, 100]; var remapValues = ee.List.sequence(0, 10); var label = 'lc'; lc = lc.remap(classValues, remapValues).rename(label).toByte(); // 添加土地覆被作为反射图像的波段，并从感兴趣区域内的每个土地覆被类别中以10米的比例采样100个像素。 var roi = ee.Geometry.Rectangle(-122.347, 37.743, -122.024, 37.838); var sample = imgCollection.addBands(lc).stratifiedSample({ numPoints: 100, classBand: label, region: roi, scale: 10, geometries: true });报错Line 17: imgCollection.addBands is not a function

这个错误提示是因为在你的代码中，imgCollection 变量没有被定义。请确保你已经定义了这个变量，并且它是一个 ImageCollection 类型的对象。例如：

var imgCollection = ee.ImageCollection('COPERNICUS/S2_SR')
  .filterDate('2021-01-01', '2021-12-31')
  .select('B.*');

var lc = ee.Image('ESA/WorldCover/v100/2020');
var classValues = [10, 20, 30, 40, 50, 60, 70, 80, 90, 95, 100];
var remapValues = ee.List.sequence(0, 10);
var label = 'lc';
lc = lc.remap(classValues, remapValues).rename(label).toByte();

var roi = ee.Geometry.Rectangle(-122.347, 37.743, -122.024, 37.838);
var sample = imgCollection.addBands(lc).stratifiedSample({
  numPoints: 100,
  classBand: label,
  region: roi,
  scale: 10,
  geometries: true
});

请注意，lc 图像的类别值在此代码中被重新映射到基于0的连续序列，以便在分类器的训练中使用。如果你需要使用原始的类别值，请将这部分代码删除或修改为适合你的需求。

土地利用分类(10m)和分省逐年土地覆被数据(30m)(1985-2021)

土地利用分类是将土地根据不同的利用方式进行分类和划分，以便更好地了解和管理土地资源。根据国家的土地分类标准，土地利用可以分为以下几大类：耕地、园地、林地、草地、水域、城镇及工矿用地、交通运输用地、风景名胜及特殊用地等。

耕地是指用于农业生产的土地，包括种植粮食作物、蔬菜、果树等；园地是指用于种植花卉、果树等的土地；林地是指用于植被覆盖率较高的土地，包括森林、林草、林果等；草地是指以草本植物为主的草地；水域是指河流、湖泊、水库等水域区域；城镇及工矿用地是指城市建设和工业生产用地；交通运输用地是指用于交通运输设施建设的土地，包括公路、铁路等；风景名胜及特殊用地是指用于旅游景区、自然保护区等特殊用途的土地。

分省逐年土地覆被数据是指按省份逐年记录土地利用分类的数据，可用于分析和了解各省份土地利用的变化趋势。这些数据以30米分辨率进行记录，可以观察到不同年份土地利用类型的变化，例如城市扩张导致城镇及工矿用地增加，农业用地减少等情况。

1985年至2021年的这段时间内，中国的土地利用发生了重大变化。城市化进程加快，城镇及工矿用地大幅增加，而农业用地则逐渐减少。同时，由于森林保护和生态建设的重视，林地和草地的面积也有所增加。总体上，中国的土地利用一直在不断调整中，以适应经济发展和环境保护的需要。