lwbCUMT的博客

本教程介绍如何利用Python和随机森林算法进行遥感影像地物分类与参数反演（回归）。主要内容包括：1）Python开发环境配置（Anaconda、PyCharm）及第三方库安装；2）Landsat8数据获取与预处理；3）分类任务（以水体提取为例）和回归任务（以NDWI反演为例）的实现流程，涵盖数据读取、模型训练、精度评估和结果预测等步骤；4）使用ArcGIS/ENVI进行数据处理和可视化。教程适用于SVM、XGBoost等算法，为遥感地学分析提供完整的机器学习解决方案。

在自己写代码处理遥感数据进行波段计算，或者基于遥感等空间数据进行机器学习、深度学习时，一般都需要各图层行列数一致。在QGIS中有“对齐栅格”工具可以完成该任务，但是QGIS中没有提供批量操作的接口，在数据比较多时，需要手动重复操作。

在论文写作中，我们经常需要绘制研究区和研究数据分布图（如图1所示），那这样的数据分布框（图1 中蓝色框或图2中黄色框）怎么获取呐？作者在制作研究数据分布图时，通过搜索发现大部分的教程都是生成TIF的外接矩形框（图2中红色框）而不是数据范围框（图1 中蓝色框或图2中黄色框）。接下来看一看如何获取数据的范围边框。

//研究区var roi = ee.FeatureCollection(".......").geometry();//重投影函数var re=function (image) {return image.reproject('EPSG:4326',null, 500);}//批量下载函数function exportImage(image, region, fileName) {Export.image.toDrive({image: image,descripti