GEE导出自己训练好的模型

本文介绍了如何在GoogleEarthEngine(EE)中训练好的随机森林模型导出至资产,以便在其他脚本中进行调用的过程。作者分享了导出和导入模型的关键代码片段。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

        当我训练好自己的随机森林模型以后,我不知道该如何将我这个模型运用在其他地方,经过一番求教,我发现原来训练好的模型需要导出,然后再其他地方调用

直接上代码:

// 导出模型
Export.table.toAsset({
  collection: ee.FeatureCollection([classifier]),
  description: 'classifier_export',
  assetId: 'users/yourUsername/classifier_export'
 });

// 在将来的脚本中调用导出的模型
var importedClassifier = ee.Classifier.fromAsset('users/yourUsername/classifier_export');

### 如何在 Google Earth Engine (GEE) 中创建自定义数据集 为了在 Google Earth Engine (GEE) 中创建自定义数据集,可以遵循以下方法和技术细节: #### 数据准备阶段 在构建训练样本之前,需要获取多光谱图像作为输入数据。这可以通过公开的数据集实现,例如 Kaggle 上的 38-cloud 数据集[^1]。如果这些现成资源不满足需求,则可利用 GEE 平台本身的功能来生成新的训练补丁。 具体而言,在故事《Creating training patches for Deep Learning Image Segmentation of Satellite (Sentinel 2) Imagery using the Google Earth Engine (GEE)》中提到的方法展示了如何从 Sentinel-2 卫星影像提取训练片段并将其转换为 NumPy 数组用于进一步处理。 #### 导入外部遥感数据源 除了 Sentinel 系列卫星外,还可以考虑引入其他类型的地球观测资料。比如 MODIS 数据产品能够被轻松加载到用户的 GEE 工作空间当中以便后续分析操作[^2]。 #### 输出配置设置 当完成所有必要的预处理之后,最后一步就是决定导出文件的形式。按照指导说明中的描述,“界面的第一步是通过点击步骤 1(a) 下方的下拉箭头来选择所需的导出格式。” 这里提供了两种主要选项——CSV 文件适用于存储离散点位置的信息;而 GeoTIFF 则更适合保存带有地理位置参照属性的连续表面覆盖情况记录。对于本案例来说,推荐采用后者即栅格网格(GeoTIFF)模式来进行成果展示[^3]。 以下是 Python 脚本的一个简单示例,它演示了如何使用 geemap 库连接至 GEE API 来下载指定区域内的 Landsat 图像集合,并将其裁剪为适合机器学习模型使用的尺寸大小: ```python import ee from geemap import geojson_to_ee, ee_export_image # 初始化 EE 客户端库实例化对象 ee.Initialize() # 加载研究范围边界矢量要素层 aoi = geojson_to_ee('path/to/your/study_area.geojson') # 获取目标时间段内符合条件的历史存档条目列表 landsat_collection = ( ee.ImageCollection("LANDSAT/LC08/C01/T1_SR") .filterBounds(aoi) .filterDate('2020-01-01', '2020-12-31') ) # 计算云掩膜后的合成底图画面效果 composite = landsat_collection.median().clip(aoi) # 将结果另存为本地磁盘上的 TIFF 文档副本 output_filename = './exported_landsat_composite.tif' ee_export_image(composite, output_filename=output_filename, scale=30) ```
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值