目录

简介

数据

函数

filterMetadata(name, operator, value)

Arguments:

Returns: Collection

aggregate_array(property)

Arguments:

Returns: List

ee.Number.parse(input, radix)

Arguments:

Returns: Number

clipToCollection(collection)

Arguments:

Returns: Image

代码

结果

---

简介

该存储库提供了用于估计 Google Earth Engine 上地图准确性和面积的工具和指导。该存储库中提供的工具应被视为非详尽的，并尽可能依赖现有工具（如 TimeSync 或 Collect Earth）。这是一个正在进行的项目，欢迎社区参与。

遥感分析最常见的结果之一是对地表的各种现象进行量化，如森林砍伐、农田扩张、城市化、土地利用模式等。 遥感技术的优点是能以极低的成本或免费提供对相关区域的全方位覆盖，但其结果从来都不是完美的！ 在试图将反射的太阳光或后向散射的长波辐射转化为复杂的地表过程信息时，分类误差是不可避免的。 误差的存在可能会给基于遥感的地图带来很大的偏差1。 为了使遥感科学对政策和决策产生影响，造福地球及其居民，基于卫星图像的分析必须产生有效的科学推论--缺乏对相关参数的推论评估的地图对科学推论几乎没有用处；"从本质上讲，它们可能只是漂亮的图片 "2。 随着免费数据和强大计算平台的出现，地图绘制变得前所未有的简单，这使得 "漂亮图片 "的说法比以往任何时候都更加真实。 幸运的是，从基于设计的推断角度来看，典型的遥感分析是很有吸引力的3。 在基于设计的推断框架中，人口单位（即本例中的像素）的样本被选取，以代表更大的人口（即地图中的所有像素）&#x