GOOGLE|google earth engine(GEE)进行非监督分类 ENGINE|EARTH

在GEE非监督分类中，需要考虑的步骤：
1.筛选数据； 2.数据预处理（去云，镶嵌，裁剪等）； 3.选择方法进行非监督分类； 4.结果导出； 5.使用arcgis进行分类结果的合并与重分类。我先提供一个完整的代码，大家都可先看看效果：
gee 非监督分类共享链接：https://code.earthengine.google.com/c644c08bf6611a00d5123bccaf5ee871
下面是每一步具体的代码：
1.筛选数据；
选择landsat8作为数据源，并且制定研究区（我上传的是江苏某市的行政图），筛选研究时间，影像云量：

var startDate = ee.Date('2018-04-01'); var endDate = ee.Date('2018-9-30'); var collection = l8 .filterDate(startDate, endDate)//时间过滤 .filterBounds(roi)//位置过滤 .filter(ee.Filter.lte('CLOUD_COVER',10))//云量过滤 ;

2.数据预处理（去云，镶嵌，裁剪等）；
首先，使用一个去云函数，读取该像素在影像集合的云量，如果超过阈值，则直接去掉该像素值。去云函数要封装好，需要的时候直接调用，这可以保证你在任意的项目中都可以使用：

//去云函数 var remove_cloud=function(collection) //************select purified pixes************/ { // 计算每个像元的云分量，定义函数fun_calCloudScore var fun_calCloudScore = function(image) { return ee.Algorithms.Landsat.simpleCloudScore(ee.Image(image)); //simpleCloudScore计算TOA数据每一个像元的云指数 }; //确定要进行函数运算的数据集以及函数 var calCloudScore = ee.ImageCollection(collection) .map(fun_calCloudScore) ; //屏蔽阈值超过10的像素 var fun_maskCloud = function(image) { // Create a mask from the cloud score and combine it with the image mask. var mask = image.select(['cloud']).lte(10); //TOA数据经simpleCloudScore计算产生“cloud”属性，“cloud”小于10的像元保留 // Apply the mask to the image and display the result.显示云显示云掩膜 return image.updateMask(mask); //更新 }; //确定要进行函数运算的数据集以及函数 var maskCloud = ee.ImageCollection(calCloudScore) .map(fun_maskCloud) ; var maskCloud2=maskCloud.mean() print('maskCloud2',maskCloud2 ) Map.addLayer(maskCloud,visualParam, 'maskCloud', false); //显示干净像元筛选过的maskCloud Map.addLayer(maskCloud2,visualParam, 'maskCloud2', false); //显示干净像元筛选过的maskCloud return maskCloud; }

之后直接对研究区进行去云、镶嵌与裁剪，这个一句话就行了：

var image=remove_cloud(collection).mosaic().clip(roi);

3.选择方法进行非监督分类：
目前gee提供非常多的非监督分类方法，可以根据自己的需求来，在这里我推荐大家使用：非监督分类方法wekaCobweb，wekaKMeans，wekaLVQ。需要注意的是每个方法，设置的必要参数是不一样的，这个一定要在使用前看看gee关于方法的说明，弄清楚哪些是必填项。clusters就是非监督分类结果。

//分类区域边界线 Map.addLayer(ee.Image().paint(roi, 0, 2), {}, 'roi'); //分类区域的选择 var training = image.sample({ region: roi, scale: 30, numPixels: 5000 }); //非监督分类方法选择wekaCobweb，wekaKMeans，wekaLVQ var clusterer = ee.Clusterer.wekaCobweb( { cutoff:0.004} ).train(training); var result = image.cluster(clusterer); //加载影像 Map.addLayer(result.randomVisualizer(), {}, 'clusters');

非监督分类结果：

文章图片

4.结果导出；
导出到google drive里面，再进行下载，进行本地化处理。

//导出 Export.image.toDrive({ image:result ,//分类结果 description: 'unsupervised_kmeans',//文件名 folder: 'unsupervised_kmeans', scale: 30,//分辨率 region: roi,//区域 maxPixels:34e10//此处值设置大一些，防止溢出 });

5.使用arcgis进行分类结果的合并与重分类。
由于我使用的是wekaCobweb分类方法，最后导出了大概100个类别，但是我只需要4个类别，这个时候就对分类结果进行重分类。如果你想减少工作量，可以使用KMeans方法，只导出10类左右。