专栏首页疯狂学习GIS基于Google Earth Engine Explorer实现不用代码的遥感影像地物监督分类

基于Google Earth Engine Explorer实现不用代码的遥感影像地物监督分类

  本文主要对GEE的网页界面式应用程序接口Google Earth Engine Explorer加以详细介绍与地物监督分类这一具体应用。本文是谷歌地球引擎(Google Earth Engine,GEE)系列教学文章的第一篇,更多GEE文章请参考专栏:GEE学习与应用[1](https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html)。

Google Earth Engine Explorer,简单来说就是将Google Earth Engine接口封装起来的一个交互式界面,借助其我们可以实现不用代码进行数据导入、分析与导出等部分GEE常见操作,对于使用GEE频率不高或是不习惯用代码的朋友来说可谓非常友好。

  点击链接[2]:https://explorer.earthengine.google.com/#workspace即可进入Google Earth Engine Explorer

  我们知道,Google Earth Engine界面如下所示:

  而Google Earth Engine Explorer界面则不太一样,如下所示:

  可以看到Google Earth Engine Explorer较之GEE初始的界面简单了很多。

  在使用前,建议大家首先在界面右上角的“Sign in”按钮处登录,否则会影响后续操作。

  登陆完毕即可看到自己的帐号。而在账号的下方,有“Data Catalog”与“Workspace”两个按钮,其分别为数据界面与工作区(也就是我们一进来网页看到地图的这个界面)。

  我们就点击“Data Catalog”,进行数据的导入。

  在打开的界面中,我们可以通过上方搜索或通过选择“Tags”的方式进行数据的检索。本文中,我们选择“32-day”这个标签。

  找到Landsat 7卫星的大气表观反射率TOA Reflectance产品。

  点击数据名称,即可看到其介绍、时间范围等内容。选择“Open in workspace”。

  可以通过手动输入或拖动选择条的方式对数据的时间加以选择。

  接下来对图层显示的可视化选项加以配置。

  完成配置后,选择“Apply”可以应用结果,选择“Save”则可以保存图层显示结果。在这里需要注意,如果出现如下所示的提示,我们只需要将图层放大所提示的级别个数即可。

  完成后即可显示图层。

  查看图层结果没有问题后,选择“Save”。

  此时,若点击图层列表下方的“Add computation”,则可以实现对图层的各类计算操作。

  在这里我们进行地物分类。因此需要在“Analysis”中选择。

  接下来可以配置分类方法与结果分辨率。

  接下来,我们需要添加并手动画出用以训练的地物类别矢量图层图斑。按照如下方式选择:

  此时可以看到左侧出现了“Classes”一栏。

  我们可以添加类别,并分别重命名、改变类别颜色。在这里我们以水体、城市与林地为例进行划分。

  接下来,依据遥感影像与底图,进行不同类别地物的矢量图层图斑圈画。如下图粉色区域内,就是水体。

  在左上角选择手动圈画矢量图层图斑。

  鼠标点击选择并圈画图斑。

  一个图斑圈画完毕后即可画第二个。

  每一个类别都可以圈画多个矢量图层图斑。

  同时,对每一个类别都用上述同样方式进行矢量图层图斑的圈画。

  每一种地物类别至少应该有10个以上的矢量图层图斑个数,本文因为是主要讲解过程,因此图斑就画的比较少。完成后,选择“Train classifier and display results”。

  即可看到图层列表中出现了正在绘制中的结果图层。如果结果图层出现如下所示的感叹号报错:

  证明我们的数据计算范围过大或空间分辨率过高导致计算数据量太大,需要进行相应的修改才可以继续进行计算。

  同时,我们可以定期选择上方的“Save now”对当前工作区域图层加以保存,否则若有时需要界面刷新,将会清空工作区域。

  分类结果得出后,还可以看到分类结果的对应验证精度情况:

  可以看到,本文的分类结果对于水体的辨识度很高,但是对于其它两种地物则不太准确(因为矢量图层图斑圈画的数量太少,因此大家实际应用时要注意图斑个数的合理设置)。

  在上图红色圈内部分,可以进行结果图层的下载。具体下载有很多配置信息,如下所示:

  同时,我们还可以通过“Share workspace”,以网页链接的形式进行工作区域的分享。

References

[1] GEE学习与应用: https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html [2] 链接: https://explorer.earthengine.google.com/#workspace

本文分享自微信公众号 - 疯狂学习GIS(gh_c5ddfeeae7b4),作者:疯狂学习GIS

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2021-05-25

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Google Earth Engine谷歌地球引擎ee.Image格式栅格数据基本处理

      本文主要对GEE中的ee.Image格式数据图层基本处理操作加以介绍。本文是谷歌地球引擎(Google Earth Engine,GEE)系列教学文章的第十...

    疯狂学习GIS
  • Google Earth Engine谷歌地球引擎外部数据导入管理及数据与代码共享

      本文主要对GEE中的各类外部数据导入、下载与管理以及数据与代码分享等操作加以介绍。本文是谷歌地球引擎(Google Earth Engine,GEE)系列教...

    疯狂学习GIS
  • 遥感资源大放送(上):用开源代码,训练土地分类模型

    内容概要:土地分类是遥感影像的重要应用场景之一,本文介绍了土地分类的几个常用方法,并利用开源语义分割代码,打造了一个土地分类模型。

    HyperAI超神经
  • Google Earth Engine谷歌地球引擎数据导入与筛选显示

      本文主要对GEE自带各类遥感、高程等数据加以导入,并进行时间范围筛选、求取平均与可视化显示。本文是谷歌地球引擎(Google Earth Engine,GE...

    疯狂学习GIS
  • Google Earth Engine的介绍与入门

    Google Earth Engine是Google提供的对大量全球尺度地球科学资料(尤其是卫星数据)进行在线可视化计算和分析处理的云平台。该平台能够存取卫星图...

    郭好奇同学
  • 基于Google Earth Engine的Landsat单窗算法地表温度(LST)反演

      基于遥感数据的地表温度(LST)反演目前得到了广泛的应用,尤其是面向大尺度、长时间范围的温度数据需求,遥感方法更是可以凸显其优势。目前,基于各类遥感数据源的...

    疯狂学习GIS
  • 谷歌地球引擎(Google Earth Engine)之数据初探(栅格和矢量)

    谷歌地球引擎的厉害之处,在于它是一个云平台,集合了目前许多的遥感数据。我们可以不用再去各种平台搜集遥感数据,直接利用GEE就可以处理我们想要的数据。除了大量的卫...

    一个有趣的灵魂W
  • Google Earth Engine谷歌地球引擎直方图与时间序列图绘制

      本文主要对GEE中的依据栅格图像绘制直方图与时间序列图并调整图像可视化参数操作加以介绍。本文是谷歌地球引擎(Google Earth Engine,GEE)...

    疯狂学习GIS
  • Google Earth Engine谷歌地球引擎JavaScript代码基础规则与语句

      本文主要对GEE中的JavaScript代码基础规则与语句、函数等加以介绍。本文是谷歌地球引擎(Google Earth Engine,GEE)系列教学文章...

    疯狂学习GIS
  • 武汉大学 RSIDEA 团队开源LoveDA:可同时推进语义分割和迁移学习

    本文分享论文『LoveDA: A Remote Sensing Land-Cover Dataset for Domain Adaptive Semantic ...

    CV君
  • GEE-新一代地球科学数据分析平台

    Google Earth Engine(GEE)是由Google开发的新一代基于云的地球科学数据和分析应用行星尺度平台,主要应用于地球科学数据,尤其是遥感影像,...

    bugsuse
  • Google Earth Engine(GEE)-谷歌地球引擎的大致Python入门

    谷歌地球引擎,在RSE(Remote Sensing of Environment)的热门版上有一篇文章有大致的介绍。

    一个有趣的灵魂W
  • 利用TROPOMI看看疫情期间NO2排放的变化

    TROPOspheric Monitoring Instrument(TROPOMI)是搭载在Copernicus Sentinel-5 Precursor(S...

    bugsuse
  • 遥感数据、气象数据、土地土壤数据、农业数据、行政区数据...GIS数据获取网站整理

      本文对GIS行业相关的综合数据获取网站加以整理,包括但不限于遥感数据、气候数据、土地数据、土壤数据、农业数据、行政区数据、社会数据、经济数据等。数据较多,大...

    郭好奇同学
  • 基于GEE和S1自动提取水稻种植区

    这项研究提出了一种经济有效的方法,可用于近实时地绘制和监测大面积水稻的生长程度和种植方式。这种新颖的方法可以生成水稻种植区的高分辨率月度地图(10 m分辨率)以...

    农险专家
  • 遥感原理与应用复习重点整理

    1、遥感的概念:在不直接接触的情况下,在地面,高空和外层空间的各种平台上,运用各种传感器获取各种数据,通过传输,变换和处理,提取有用的信息,实现研究地物空间形状...

    陈南GISer
  • 基于ENVI与ERDAS的Hyperion高光谱经验比值、一阶微分法叶绿素及地表参数反演

      前面几篇博客介绍了基于Landsat这一多光谱遥感图像数据的多种地表温度(LST)反演方法,大家可以参考博客1[1]、博客2[2]、博客3[3];那么接下来...

    疯狂学习GIS
  • 气象数据下载网站整理

      今天我们继续GIS数据的整理,本文为第二个部分——气象数据。气象数据确实是个比较麻烦的内容,一是其种类繁多,不像遥感影像,一说MODIS、Sentinel大...

    疯狂学习GIS
  • 实验三:遥感影像目视解译与非监督分类

    选择存放文件夹,右击选择NEW,新建一个shapefile类型的面文件。接下来设置坐标系,坐标系选择导入遥感影像相同的坐标系

    陈南GISer

扫码关注云+社区

领取腾讯云代金券