本文主要是介绍GEE土地分类预处理:NAIP和NLCD影像的数据进行随机样本点提取采样作为土地分类的标签数据(R\G\B和landcover),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
目录
简介
数据集
NAIP National Agriculture Imagery Program
NLCD 2021: USGS National Land Cover Database
函数
neighborhoodToArray(kernel, defaultValue)
Arguments:
Returns: Image
Export.table.toCloudStorage(collection, description, bucket, fileNamePrefix, fileFormat, selectors, maxVertices, priority)
Arguments:
代码
结果
简介
这里我们可以在土地分类前按照随机采样的方式来进行样本点的选取,这里我们以伊利诺伊州和美国高清的土地分类数据进行分析,并保存到云端,方便colab中进行后续深度学习的调用分析。
数据集
NAIP National Agriculture Imagery Program
国家农业图像计划(NAIP)在美国大陆的农业生长季节获取航空图像 NAIP项目每年根据可用资金和图像获取周期签订合同。从2003年开始,NAIP以5年为周期被收购。2008年是过渡之年,三年周期从2009年开始。 NAIP图像以一米地面样本距离(GSD)获取,水平精度与图像检查期间使用的可拍照识别地面控制点的六米内匹配。 较旧的图像使用3个频段(红、绿和蓝:RB)收集,但较新的图像通常使用额外的近红外频段(RGBN)收集。RB资产id以“n_”开头,NRG资产id以“c_”开头,RGBN资产id以“m_”开头。 一些旧图像的GSD为2米。
这篇关于GEE土地分类预处理:NAIP和NLCD影像的数据进行随机样本点提取采样作为土地分类的标签数据(R\G\B和landcover)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!