首页 > 其他分享 >谷歌地球引擎浏览器Google Earth Engine Explorer对栅格图像加以监督分类

谷歌地球引擎浏览器Google Earth Engine Explorer对栅格图像加以监督分类

时间:2023-12-09 16:03:51浏览次数:31  
标签:Engine Google 界面 矢量图 栅格 Earth 图层

  本文对谷歌地球引擎(Google Earth Engine,GEE)的网页界面式应用程序接口Google Earth Engine Explorer加以详细介绍,并基于其进行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。

  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账号。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。

标签:Engine,Google,界面,矢量图,栅格,Earth,图层
From: https://blog.51cto.com/fkxxgis/8749854

相关文章

  • google chrome remote debbuging vulnerability
    FormofexpressionThefirstislinpeas.shintheprocessofdetectionfoundthatthereisaremotedebuggingofgooglechrome.thephenotypeandanalysisareasfollows:let'sscrutinize./bin/bash/usr/bin/google-chrome--allow-pre-commit-input-......
  • 解决Docker启动Starting the Docker Engine的问题:
    问题如上图,试图启动Docker时一直转圈圈,已经确认了打开Hyper-V功能依然无法解决.通过在网上查资料,了解到因为在电脑上安装过了雷电模拟器等APK模拟器后,此时再去使用Docker就会出现奇奇怪怪的问题.因为系统只能虚拟化一个,无法都兼顾.解决方法1:重新启动Dokcer尝试重新......
  • 解决谷歌浏览器 Google Chrome不能拖拽安装离线插件的办法
    我使用的谷歌浏览器版本是119.0.6045.160(正式版本)(64位)  之前多台电脑都可以通过拖拽安装crx格式的扩展程序,最近公司配好了新的笔记本,但今天下载好crx文件发现拖动之后并不可以安装,并且已经打开了开发者模式,还是会显示禁用的小图标。解决方式首先打开下面地址:chrome://fla......
  • sql-2.4+2.5数据库表的类型---engine
    CREATETABLE`student`(`id`intNOTNULLAUTO_INCREMENTCOMMENT'学号',`pwd`varchar(32)NOTNULLDEFAULT'123456'COMMENT'密码',`name`varchar(32)NOTNULLCOMMENT'名字',`address`varchar(60)NOTNULLCOMMENT......
  • 关于企业级 Web 应用搜索引擎优化(Search Engine Optimization)的一些工作经验分享
    笔者之前的社区文章,分享了自己在日常工作中从事企业级Web应用开发的一些工作体会:企业级Web应用里使用CSS调整应用外观的一些例子谈谈企业级Angular应用的二次开发-基于AngularComponent替换的Extensibility支持案例介绍所谓企业级前端应用,是指为大型企业或组......
  • 拓数派受邀参加由Google举办的“深度探索 LLM / Generative AI的生态与应用”主题活动
    大语言模型(LLM)可谓是当下国内科创界最热门的话题。近日,拓数派创始人兼CEO冯雷(RayVon)受邀参加由Google举办的“深度探索LLM/GenerativeAI的生态与应用”主题活动,与现场嘉宾共话科技行业发展新趋势。图为:活动现场照片在圆桌讨论环节中,冯雷与主持人及几位创业公司高管,进行了一场......
  • SRE Google运维解密 第一章
    译者序SRE是一群天生的怀疑论者,我们怀疑一切宣传起来"高大上"的技术,以及任何"神奇"的产品一一我们只想看具体的设计架构、实现细节,以及真实的监控图表。SRE在保障系统可靠性方面并没有什么万能药,有的只是这种极强的务实态度(pragmatic)。这种务实的态度决定了SRE会认真对......
  • Google Colab 现已支持直接使用 transformers 库
    GoogleColab,全称Colaboratory,是GoogleResearch团队开发的一款产品。在Colab中,任何人都可以通过浏览器编写和执行任意Python代码。它尤其适合机器学习、数据分析和教育目的。从技术上来说,Colab是一种托管式Jupyter笔记本服务。用户无需设置,就可以直接使用,同时还能获得......
  • Google Play 结算系统
    技术GooglePlay。供用户下载应用及其他数字商品的在线商店。GooglePlay管理中心。提供界面,供您将应用发布到GooglePlay的平台。GooglePlay管理中心还会显示您的应用详情,包括您通过GooglePlay销售的任何商品或内容。GoogleCloud控制台。用于管理后端API(例如Google......
  • Google Play 允许区块链游戏和 NFT 应用进入平台
    为GameFi用户在地域分布与手机机型分布方面与GooglePlay 有众多契合之处:地域分布:东南亚地区用户占比最大,2022年上半年东南亚用户占比达到41%其次是北美和西欧地区用户,2022年上半年占比分别为16%和15%发展中国家用户占比也在快速增长,如菲律宾、越南、印度等机......