GEE 中输入样本点做监督分类的代码
时间: 2024-02-03 18:13:18 浏览: 28
在 Google Earth Engine 中进行监督分类,需要准备好用于训练和测试的样本数据。样本数据可以是矢量数据,也可以是栅格数据,其中包含了不同类别的特征和标签信息。一般情况下,我们需要将样本数据分为训练集和测试集,然后使用训练集来训练分类器,最后使用测试集来评估分类器的性能。
以下是一个简单的示例代码,演示如何在 GEE 中进行监督分类:
```javascript
// 导入样本数据
var samples = ee.FeatureCollection("users/sample_data");
// 将样本数据分为训练集和测试集
var split = 0.7; // 训练集所占比例
var training = samples.filter(ee.Filter.lt('random', split));
var testing = samples.filter(ee.Filter.gte('random', split));
// 选择用于分类的特征
var bands = ['B1', 'B2', 'B3', 'B4', 'B5', 'B6', 'B7'];
// 训练分类器
var classifier = ee.Classifier.randomForest(10).train({
features: training,
classProperty: 'landcover',
inputProperties: bands
});
// 对测试集进行分类
var classified = testing.classify(classifier);
// 计算分类精度
var accuracy = classified.errorMatrix('landcover', 'classification');
// 输出分类精度
print('Accuracy:', accuracy);
```
在这个示例代码中,我们首先导入样本数据,并将其分为训练集和测试集。然后选择用于分类的特征,这里选择了 Landsat 影像的 7 个波段。接下来,我们使用训练集来训练随机森林分类器,并使用测试集来评估分类器的性能。最后,我们计算分类精度,并将其输出到控制台。