第7节 数字化训练样本进行土地利用分类的个人经验

1 自己总结的技巧

1. 如果有同学在kaggle上或其它平台有过机器学习比赛的经历就会比较清楚，很多比赛都是需要自己利用数据做数据特征，然后运用各种模型进行分类，如果特征做的好，那最后的准确性应该也不低

2. 这个方法运用到影像分类有时也很适用，假如你在某个研究区内有很多景影像，需要对不同的地物进行分类，其实也是找各种影像特征，然后运用不同的模型进行分类

3. 废话说了这么多，举个例子吧，假如你现在有某个研究区域一年内多景影像，需要对这个区域进行土地利用分类：

（1）首先去除每景影像的噪声：去除云，云的阴影……

（2）计算每景影像的各种植被指数：NDVI，EVI，NDWI，LSWI，NDBI……

（3）甚至可以对所有影像进行拟合：得到拟合后的系数

（4） 然后取每景影像的平均值，中位数，最大值，最小值，不同的百分位值，方差，拟合的系数值……融合成一景图像

（5）通过以上步骤，你得到影像的特征（波段）可以达到上百甚至上千，然后进行分类

（6） 最后评估每个波段在模型中的重要性，适当的进行修改和调整

以上纯粹是我自己的开发经验，如有不对，还望大家多多指教

2 补充

1. 自己之前是用notebook写markdown笔记，现在改用JupyterLab,感觉太棒了，谁用谁知道

2. 顺便自己配置了以下github和gitbook,方便初学者直接在github上clone所有的数据，也可以在gitbook上阅读

3. gitbook地址：https://comingboy.gitbook.io/gee/

4. githup地址：https://github.com/comingboy0701/GEE-learning.git

5. 话说学习GEE的同学浏览外网肯定是没问题的，如果真的上不了外网，想要更好的阅读体验（主要是知乎的图片排版不好弄），可以关注我的微信公众号，公众号的名字就留给小伙伴们自己搜索吧(公众号有其它地理资源福利，谁关注谁知道)。

激励自己，尽可能每周更新1-2篇，2020加油！！！

需要交流或者有项目合作可以加微信好友 (备注GEE)

微信号：comingboy0701