使用Google Earth Engine和Sentinel数据集进行土地分类的案例

最新推荐文章于 2025-07-10 14:00:00 发布

UdlvScheme

最新推荐文章于 2025-07-10 14:00:00 发布

阅读量732

点赞数

CC 4.0 BY-SA版权

文章标签： sentinel

本文链接：https://blog.youkuaiyun.com/UdlvScheme/article/details/133096874

GEE 专栏收录该内容

18 篇文章 ¥59.90 ¥99.00

订阅专栏

本文详细阐述了如何利用Google Earth Engine（GEE）平台和Sentinel-2影像数据进行土地分类。首先，介绍了如何在GEE中导入和裁剪2019年的Sentinel数据。接着，选用随机森林算法作为分类器，结合训练数据进行土地分类。最后，展示了如何将分类结果进行可视化，以便理解与监测地表覆盖类型的变化。

土地分类是一项重要的地理信息任务，可以帮助我们理解和监测地表覆盖类型的变化。Google Earth Engine（GEE）是一个功能强大的云平台，提供了许多遥感数据集和分析工具，可以用于土地分类。本文将介绍如何使用GEE和Sentinel数据集进行土地分类，并提供相应的源代码。

数据准备
首先，我们需要导入必要的数据集。在GEE中，我们可以使用Sentinel影像数据作为土地分类的输入。以下是导入Sentinel-2影像数据的代码：

// 导入Sentinel-2影像数据
var dataset = ee.ImageCollection('COPERNICUS/S2')
  .filterDate(

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

UdlvScheme

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

订阅专栏

Google Earth Engine （GEE）——如何用Sentinel-1和Sentinel-2影像融合为多波段影像做分类

此星光明博客

10-17

5152

这里有一点大家需要知道，我们使用filter一般筛选的是影像的属性信息，所以我们这里看到，在进行sentinel-1筛选的时候我们需要进行相应的属性筛选，我们这里先列出s1中包含的属性信息，大家可以通过属性去筛选所需要的信息。本教程的理念就是通过分别加载S2和S1影像，并且根据要求筛选出我们所需要的影像时间、位置以及波段及属性，我们就可以完成对整个影像的的添加，而这个影像的添加一般是通过波段的形式让其中一个影像集合添加到另外一个影像集合之上。如果省略名称，srcImg中的所有条带都将被复制过来。

使用Google Earth Engine分析Sentinel数据进行农作物提取

XtAbap的博客

09-20

1397

以上代码中，我们首先导入了Sentinel-2数据集，然后使用云掩膜处理函数进行预处理，去除图像中的云影响。最后，我们将分类结果添加到地图上进行可视化。通过适当的数据预处理和图像分类算法，我们可以从卫星影像中提取出有关农作物的有用信息。在本文中，我们将探讨如何使用GEE来提取农作物信息，特别是利用Sentinel数据。注意：在实际应用中，需要根据具体的需求和数据特点进行参数调整和优化，以获得更准确的农作物提取结果。在上述代码中，我们将分类结果图像添加到地图上，并指定了一个颜色调色板来显示不同类别的农作物。

1 条评论您还未登录，请先登录后发表或查看评论

1 条评论

优快云-Ada助手 2023.09.22
非常棒的博客！恭喜您写了第19篇博客，并且标题看起来很吸引人。使用Google Earth Engine和Sentinel数据集进行土地分类的案例听起来非常有趣和实用。我真的很喜欢您分享的这种实用的技术和工具的方式。在下一步的创作中，我希望您能够更深入地探索这个主题。例如，可以详细介绍Google Earth Engine和Sentinel数据集的优势和限制，以及在实际应用中可能遇到的挑战和解决方案。此外，您可以考虑探索其他相关的应用案例，或者将土地分类与其他环境问题或决策支持系统相结合，以展示更全面的视角。再次恭喜您的连续创作，并期待您未来更多精彩的博客！

基于3D CNN的深度学习卫星图像土地覆盖分类

deephub

03-12

1万+

本文帮助读者更好地理解使用3D-CNN对卫星数据进行土地覆盖分类的不同深度学习方法。遥感概论土地覆盖分类的深度学习 Sundarbans 国家公园卫星图像 CNN在土地覆盖分类中的实现结论参考文献遥感概论遥感是探测和监测一个地区的物理特征的过程，方法是测量该地区在一定距离(通常是从卫星或飞机)反射和发射的辐射。特殊摄像机收集远程遥感图像，这有助于研究人员“感知”地球上的事物。由带电粒子振动产生的电磁能量，以波的形式在大气和真空空间中传播。这些波有不同的波长和频率，波长越短，频率就越高。有些

GEE土地分类：利用 Sentinel-2 数据对明斯特地区进行了土地覆盖分类与分析

此星光明博客

07-10

141

本文介绍了利用Google Earth Engine和Sentinel-2数据对德国明斯特地区进行土地覆盖分类与分析的方法。主要内容包括：1) 导入Sentinel-2影像和行政边界数据；2) 计算NDVI和NDBI指数分析植被和建筑变化；3) 建立2016-2023年时间序列分析生态变化趋势；4) 通过训练点和随机森林分类器实现土地分类，并评估结果准确性。该方法为区域生态监测和城市发展评估提供了有效技术手段。

Google Earth Engine 土地覆盖分类的环境遥感图像分类方法

XtAbap的博客

09-20

797

土地覆盖分类是环境遥感中的重要任务，它可以帮助我们了解地表的不同类型和特征，从而支持自然资源管理、土地利用规划和环境监测等应用。Google Earth Engine（GEE）是一个功能强大的云平台，提供了丰富的遥感数据和分析工具，使得土地覆盖分类变得更加高效和便捷。然后，我们选择了需要的波段，并将影像集合转换为单个影像，以便进行分类。最后，我们对整个影像进行分类，并可视化分类结果。通过选择适合的遥感数据集、使用合适的分类算法和特征，我们可以利用GEE进行土地覆盖分类，并从中获取有价值的信息。

Google Earth Engine —— 利用sentinel-1/2数据集进行土地分类59个参数案例

此星光明博客

10-26

1730

本案例是一个分类教程，考虑了土地分类的59各波段信息，这里不做过多的介绍的了，直接参考文中代码注释。

【遥感与地理信息系统】基于Google Earth Engine的巴厘岛Sentinel-2影像分析：土地覆盖分类及红树林提取

07-09

内容概要：本文档详细介绍了使用Google Earth Engine (GEE) 进行Sentinel-2卫星影像分析的过程，重点是巴厘岛地区的遥感数据分析。首先定义了研究区域（AOI），并设置了影像分析的时间范围和云量限制。接着，通过...

【遥感影像处理】基于Google Earth Engine的Sentinel-2影像云去除与植被指数计算：广东省年度EVI分析及数据导出

06-18

内容概要：本文档提供了一套完整的Google Earth Engine (GEE) 脚本，用于处理和分析广东省（或其他指定区域）的Sentinel-2卫星图像数据。首先，定义了研究区域并设置地图中心。接着，通过一系列函数对图像集合进行...

【地理信息系统】基于Google Earth Engine的流域Sentinel-2影像处理与土地覆盖分析：不丹地区案例研究

最新发布

07-24

内容概要：本文档详细介绍了如何使用Google Earth Engine (GEE) 平台进行地理空间数据分析。首先加载了WWF提供的六级流域边界数据集，并将流域边界添加到地图。接着，在特定研究区域内定义了一个兴趣点(POI)，并通过...

GEE土地分类——土地分类后影像（集群处理、滤波处理）处理和单点像素分类影像结果融合（用周围的值替换孤立的像素）

此星光明博客

08-08

1436

很多时候我们都会发现，在进行土地分类后的结果往往不能让我们结果看起来很好，这里主要的原因是分类后结果的破碎度的问题，所以我们需要进行相应的集群处理和用单点周围像素条带单点的像素值两种方法进行处理。分类结果的后处理有监督分类结果通常包含由错误分类像素引起的椒盐噪声。通常最好采用一些后处理技术来去除这些噪声。下面的脚本包含两种常用的分类结果后处理技术的代码。使用无监督聚类，用每个聚类中的多数值替换分类值。使用多数过滤器将孤立的像素替换为周围的值。

Google Earth Engine（GEE）使用土地利用数据（modis）上采样Landsat数据提取农田范围

bless的博客

03-16

1万+

本研究主要使用MCD12Q1土地利用数据的500m分辨率影像，上采样到Landsat7的30分辨率影像中，进行农田属性的提取，提高农作物分类的精度。

Google Earth Engine 教程——栅格矢量数据转化和导出

此星光明博客

11-11

2059

通过减少同质区域将图像转换为特征集合。给定一个图像，包含一个带标记的片段和0个或更多的附加带，在每个片段的像素上运行一个还原器，每个片段产生一个特征。减速器的输入必须比图像的段数少一个，或者它必须有一个输入，并对每个段数进行重复。参数。this:image（图像）。输入的图像。第一个波段预计是一个整数类型；如果相邻的像素在这个波段有相同的值，它们将在同一个区段。reducer (Reducer，默认：null)。要应用的还原器。它的输入将从图像的波段中取出，然后去掉第一个波段。

Google Earth Engine Sentinel算法数据简介

XtAbap的博客

09-22

291

其中，Sentinel数据是GEE中的一个重要数据源，Sentinel卫星系列由欧空局（European Space Agency）开发和维护，提供了高质量的遥感影像数据，可用于各种地理空间分析任务。函数生成了NDVI时间序列图，通过不好意思，由于技术限制，我无法提供代码的详细解释和格式化的代码块。在上述代码中，我们首先对获取的Sentinel-2影像集合应用了一个函数，该函数计算了每个影像的NDVI，并将NDVI作为一个新的波段添加到影像中。对于获取的影像集合，你可以应用各种地理空间算法和操作。

GEE土地分类——分类后样本点值提取至点过程中，导出的csv数据表中不存在geometry的位置信息

此星光明博客

03-27

632

值提取至点导出的csv数据表中不存在geometry的位置信息。

Google Earth Engine（GEE）中常见问题

m0_51301348的博客

04-16

2170

学习Google Earth Engine 中遇到的一些问题，持续更新中......

GEE土地分类：如何将监督非监督分类的多类属性进行单一土地分类属性的指定阈值的显示

此星光明博客

07-23

1407

如果要将监督和非监督分类的多类属性转化为单一土地分类属性，可以使用以下步骤：1. 数据收集：收集包含多类属性的土地数据集。2. 监督分类：使用监督分类算法（如决策树、支持向量机等）对土地数据进行分类，将其划分为不同的类别。此步骤需要有标记的训练数据集，即土地属性已经被人工标记为不同的类别。3. 非监督分类：使用非监督分类算法（如聚类算法）对土地数据进行分类。这种方法不需要预先标记的数据集，算法会自动将土地数据分成不同的簇。每个簇可以视为一个类别。

Google Earth Engine（GEE）——土地分类精度分析randomColumn产生伪随机数然后进行混淆矩阵计算

此星光明博客

01-08

1587

我们在进行土地分类时，需要进行精度验证，但是之前我们要进行样本点的随机分类，也就是分出一部分作为训练样本另外一部分作为，这是我们要想产生随机种子赋值给我们所选定的训练样本，这样我们就可以随机将样本进行分成训练样本和验证样本，而我们使用的函数randomColumn函数后就可以给所有的训练样本添加一个随机数的种子。输出是双精度浮点数。除了常用的混淆矩阵之外，就是我们的两个分别的精度评定和kappa系数的总结和分析。换句话说，给定一个起始值（即种子），randomColumn 将始终提供相同的伪随机数序列。

Google Earth Engine(GEE)实例代码学习六——土地利用分类（Landcover Cleanup）