中科星图GVE（AI案例）——ai采样区域内的林地提取

此星光明

发布于 2024-10-14 08:25:42

10100

代码可运行

文章被收录于专栏：GEE数据专栏，GEE学习专栏，GEE错误集等专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏

运行总次数：0

代码可运行

简介

要提取AI采样区域内的林地，可以使用遥感影像和图像处理技术来完成。以下是一种可能的方法：

获取高分辨率遥感影像：使用卫星或无人机获取高分辨率的遥感影像，确保影像能够清晰地显示采样区域内的地表特征。
影像预处理：对获取的遥感影像进行预处理，包括辐射校正、大气校正和几何校正等。这些处理步骤可以提高影像的质量，并消除遥感数据中的一些噪声和偏差。
影像分割：将预处理后的遥感影像进行分割，将图像分成具有相似特征的区域。这可以通过一些图像分割算法来完成，如基于区域的分割算法或基于像素的分割算法。
特征提取：从分割后的影像中提取与林地相关的特征。这些特征可能包括颜色、纹理、形状和空间关系等。可以使用基于统计学或机器学习的方法来提取这些特征。
林地辨识：根据提取的特征，使用分类算法来辨识林地。常用的分类算法包括支持向量机（SVM）、随机森林（Random Forest）和深度学习算法等。
结果验证：对辨识结果进行验证，比较提取的林地与实际情况的吻合程度。可以使用地面调查数据或其他可靠数据源来验证结果的准确性。

以上是一种对AI采样区域内的林地进行提取的一般步骤。具体的方法和步骤可能会根据数据和需求的不同而有所调整。

函数

gve.Services.AI.WoodsExtraction(image)

林地提取

方法参数

- image( Image )

image实例

返回值: FeatureCollection

代码

/**
 * @File    :   AI_Woods_Extraction
 * @Time    :   2024/06/19
 * @Author  :   GEOVIS Earth Brain
 * @Version :   0.1.0
 * @Contact :   中国(安徽)自由贸易试验区合肥市高新区望江西路900号中安创谷科技园一期A1楼36层
 * @License :   (C)Copyright 中科星图数字地球合肥有限公司 版权所有
 * @Desc    :   采样区域内的林地提取
 * @Name    :   林地提取
 */
/** */

var geometry = gve.Geometry.Polygon([
    [
        [
            102.6315621199368451,
            25.0828687944010902
        ],
        [
            102.6414693630620718,
            25.0828687944010902
        ],
        [
            102.6414693630620718,
            25.0781311737787043
        ],
        [
            102.6315621199368451,
            25.0781311737787043
        ],
        [
            102.6315621199368451,
            25.0828687944010902
        ]
    ]
]);


// 数据来源
var source = "Base_Image_V2024_1";

// 指定分辨率，外扩等
//@Ignore
var option = {};

// 获取指定区域tif数据 
var image = gve.Image.fromGeometry(geometry, source, option);

// 获取森林FeatureCollection
var forestFeatureCol = gve.Services.AI.WoodsExtraction(image)

var style = { color: '#417505', polygonFillColor: "#417505", polygonFillOpacity: 1, width: 3 };

Map.centerObject(forestFeatureCol)
Map.addLayer(forestFeatureCol, { style: style });