GEE教程训练 - 程序员宅基地

GEE入门学习，遥感云大数据分析、管理与可视化以及在林业应用丨灾害、水体与湿地领域应用丨GPT模型应用

标签： GPT模型 GEE 遥感云大数据

近年来遥感技术得到了突飞猛进的发展，航天、航空、临近空间等多遥感平台不断增加，数据的空间、时间、光谱分辨率不断提高，数据量猛增，遥感数据已经越来越具有大数据特征。遥感大数据的出现为相关研究提供了...

GEE—关于RSEI生态遥感指数中出现的问题 Layer error: Image.rename: The number of names (1) must match ...

标签：服务器前端 javascript

这里首先需要解决的问题就是一步步使用print去查看到底是哪一步出现了问题，然后根据控制台出现的问题，我们可以将其一步步进行检查，然后最后现在会提示你你所答应出的影像的结果，并不是所有的年份都有5个波段，...

GEE（CCDC-2）——根据以获取的研究区CCDC系数进行土地覆被分类分析

标签：分类算法数据挖掘

根据研究区CCDC的土地分类影像和已选择的训练样本点，然后进行CCDC分割影像的获取和加载，这里相当于是进行CCDC的第二...本教程详细解释了第二部分应该注意的事项和如何添加自己的训练样本点，以及CCDCapp的详细教程。

Google Earth Engine（GEE）——连续变化检测和分类（CCDC）

标签：分类数据挖掘人工智能

连续变化检测和分类（CCDC）是一种土地变化监测算法，旨在对卫星数据的时间序列进行操作，特别是陆地卫星数据。本章的重点是变化检测部分（CCD）；你将学习如何运行该算法，解释其输出，以及可视化系数和变化信息。...

GEE：作物分类和面积统计

标签：分类人工智能数据挖掘

在这篇博客中，我们将介绍如何使用Google Earth Engine进行作物分类和面积估计。我们将以玉米为例进行讲解。

Google Earth Engine（GEE）——加拿大的高分辨率树种信息数据集

标签：人工智能机器学习数据集

领先树种图的距离-秒级（D2SC）值，作为领先树种图的归属可信度指标，该图由空间详尽、30米空间分辨率、代表2019年情况的Landsat图像合成的表面反射值产生。区域分类模型是根据加拿大的国家森林目录，使用150x150...

Google Earth Engine（GEE）——非监督分类案例分析（森林非森林核其它）

标签：聚类人工智能 gee

本教程的主要目的是实现指定区域的森林非森林的分类，而样本点的选取都是随机选取的，我们加入的变量则按照DEM中的阴影和坡度作为参与分类的变量进行分析，最周通过kmeans聚类实现影像的分类。将给定的reducer应用于...

GEE——利用多源遥感数据和SVM方法进行不同时期（多时相）遥感影像的分类

标签：前端 servlet 土地分类

本教程主要的目的是实现多起遥感影像的分类，这里使用两景应先给，融合了多波段影像，其次还包含去除水域和根据NDSI指数去除雪的部分。我们分别利用不同时期的影像进行分析分别分类，这里利用的是提取样本点，然后...

GEE：随机森林分类的结果一致性困扰：OA和Kappa值为何每次都相同？

标签： GEE javascript 云计算

本文将介绍如何在GEE中增加随机森林分类器的变异性，使得每次运行的结果都不同，从而更好地理解和优化土地利用分类的结果。

Google Earth Engine（GEE） ——在谷歌地球引擎中使用随机森林分类进行生境适宜性建模（加入气温和其它...

标签：算法 gee javascript

本教程将使用的技术是一种被称为随机森林的监督分类形式，该模型通过物种观察进行训练，以生成潜在物种存在的输出地图。随机决策森林是分类树分析（CTA）的延伸，它最常被应用于遥感数据，对土地覆盖进行分类。在一...

在 Google Earth Engine (GEE) 上使用随机森林对 2 米气温进行空间降尺度

标签：随机森林 android 算法

在 2 米气温的背景下，它涉及使用其他相关数据，例如来自 ...最后，我们使用训练数据集训练模型。通过这些步骤，我们使用训练有素的随机森林模型以两种不同的分辨率预测 2 米气温，从而提供对温度变化的详细空间了解。

GEE python —— Landsat 8图像的分类实例

标签： python 分类开发语言

在Google Earth Engine（GEE）中，在使用Landsat影像进行土地分类时，进行土地分类可以利用其强大的遥感数据处理和分析能力。以上是基本的土地分类步骤，具体的操作流程需要根据数据和研究目的进行适当的调整和修改...

Google Earth Engine（GEE）——用sentinel-2影像去云去雪分析然后导出KMEANS聚类分析后的影像

标签： javascript java sentinel

本文的主要目的，是利用sentinel-2影像去云去雪分析然后导出KMEANS聚类分析后的影像，这次使用的分类是15个分类，大家可以自行选择分类数量。函数：initcanopiesminDensityt1t2fastseed。

Google Earth Engine（GEE）——机器学习分类后进行accuracy精度评定以及RMSE和R2的计算

标签：人工智能深度学习机器学习

这里影像波段：type:Imagebands:unitsnormalizemagnitudeGenerates a square-shaped boolean kernel.产生一个方形内核。

Google Earth Engine（GEE）——可视化洪水区时间序列工具，可导出视频

标签： javascript 可视化视频

一个可视化淹没区域和总结区域变化的时间序列的工具。所有可用的哨兵1号图像的视频可以导出到谷歌硬盘。这是为了调查地表水的面积变化2018 年缅甸洪水。它显示了洪水淹没面积的变化来自哨兵 1。...

遥感影像处理（ENVI+ChatGPT+python+ GEE）处理高光谱及多光谱遥感数据

标签： chatgpt python 数据分析

ChatGPT、卫星遥感、遥感技术、遥感数据、遥感图像处理、遥感影像、遥感、农作物遥感、作物模型、农业、高光谱遥感、人工智能、卫星影像、ENVI、python、GEE、深度学习、多光谱、机器学习

Google Earth Engine （GEE） ——全球海岸线数全球海岸线数据集30米分辨率

标签：人工智能

图像的半自动分类是通过手动选择代表整个全球海岸线上的水和非水类别的训练点来完成的。绘制了三种规模的岛屿：大陆主岛（5），大于1平方公里的岛屿（21,818），以及小于1平方公里的岛屿（318,868）。本文介绍了GSV...

GEE：随机森林分类特征重要性的排序（散点图、柱状图）

标签：随机森林分类机器学习

在Google Earth Engine (GEE)中使用随机森林分类器（Random Forest Classifier）来获取特征重要性的排序，可以通过以下步骤实现：导入需要分类的数据，这可以是一些遥感影像或其他地理数据。定义一个包含分类标签的...

随机森林分类教程：使用Google Earth Engine进行分类

标签：随机森林分类算法

通过这个教程，你可以学会如何使用GEE平台进行遥感影像分类，并利用随机森林算法对影像进行分类。在本教程中，我们将使用Google Earth Engine（GEE）平台来实现随机森林分类，并演示如何使用相应的源代码进行操作。...

GEE python——基于多源遥感影像和随机森林分类器进行洪水概率预测

标签：数据库 python 分类

目标是训练分类器根据土地覆盖变化（以及最终的降水）预测洪水。这是该过程的基本版本；一旦运行起来，我将添加更多层，并将根据其他洪水事件添加更多训练数据。随机森林是一种机器学习算法，可以用于洪水预测问题。...

GPT模型支持下的Python-GEE遥感云大数据分析、管理与可视化技术及多领域案例应用

标签： gpt Earth Engine GEE遥感

帮助科研工作者掌握Earth Engine的实际应用能力，将以Python编程语言为基础，结合案例从平台搭建、影像数据分析、本地和云端数据管理，以及云端数据论文出版级可视化等方面进行讲解和进阶训练。

GEE：基于GEDI-4A 级（L4A）数据和机器学习方法预测地上生物量密度（AGBD；单位为 Mg/ha）