作者:CSDN @ _养乐多_
本文将介绍在Google Earth Engine (GEE)平台上进行kNN(k-最近邻)分类的方法和代码,其中包括制作样本点教程(本地、在线和本地在线混合制作样本点,合并样本点等),加入特征变量(各种指数、纹理特征、时间序列特征、物候特征等),运行kNN(k-最近邻)分类器教程,并可将分类器模型应用于像素尺度或者超像素(对象/斑块)尺度数据,计算kNN(k-最近邻)分类结果的精度(精度参数以csv格式下载到本地),kNN(k-最近邻)分类算法最优参数分析(绘制最优参数分布图),统计每一类地类的面积等步骤的方法和代码。
本教程可以应用于多种分类场景,包括土地利用/覆盖分类、种植区提取(大蒜、小麦、玉米等)、局部气候区分类、植被分类、森林/草原分类、疾病/虫害分类、洪水预测等多种场景。
kNN(k-最近邻)分类过程和分类结果如下图所示
————————————————————————————————————————————————