GEE(CCDC-3)——根据CCDC segment分割后的影像进行地类变化统计和绘制土地覆被变化地图

简介: GEE(CCDC-3)——根据CCDC segment分割后的影像进行地类变化统计和绘制土地覆被变化地图

简介

这一部分是最后一部分,因为这里我们已经根据前两个部分获取了分割后的影像,这里就可以选择指定的时间范围来查看其指定时间段的土地分类结果,同时可以导出研究区发生变化的时间结果。

之前两个部分请查看以下两篇博客

GEE(ccdc-1)——利用Landsat系列影像获取研究区范围的多波段影像(包含ccdc中已经定义的多波段)-CSDN博客 GEE(CCDC-2)——根据以获取的研究区CCDC系数进行土地覆被分类分析-CSDN博客

绘制土地覆被和土地覆被变化地图APP

https://code.earthengine.google.com/?scriptPath=users%2Fparevalo_bu%2Fgee-ccdc-tools%3AAPPS%2Flandcover_app

输入分割影像

这里是根据已经加载后的影像输入路径,然后点击load就可以进行后续参数的设定

分类制图

这里我们首先可以选择我们需要进行查看土地分类指定时间节点的影像,这个时间节点取决于你影像的时间范围,也就是CCDC-1教程中获取的时间影像的时间范围。如果你获取的仅仅是2000年的之后的影像,那么就无法获取1990年之间的影像。这里按照标准格式进行添加,可以选择添加多个时间段的影像,然后查看不同时间段的土地分类结果。

第二个选项我们可以查看在某个时间段内地类发生变化的影像,而分类选项我们根据我们分类对应的数字查看从某一类到某一类地类的转化过程,同时也支持多选,也就是你剋同时查看草地,林地转化成建筑物的结果,最后结果按照红色的栅格所展示。

不同时间段的土地分类结果

地类发生转变的部分

添加地类后的地图

所有代码

/**
 * @license
 * Copyright 2019 Boston University
 *
 * Licensed under the Apache License, Version 2.0 (the "License");
 * you may not use this file except in compliance with the License.
 * You may obtain a copy of the License at
 *
 *    https://www.apache.org/licenses/LICENSE-2.0
 *
 * Unless required by applicable law or agreed to in writing, software
 * distributed under the License is distributed on an "AS IS" BASIS,
 * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
 * See the License for the specific language governing permissions and
 * limitations under the License.
 *
 * @fileoverview User interface more making land cover maps with CCDC.
 * @author Eric L. Bullock, PhD
 */
//............. UTILITIES ................//
var utils = require('users/parevalo_bu/gee-ccdc-tools:ccdcUtilities/api')
var uiUtils = require('users/parevalo_bu/gee-ccdc-tools:ccdcUtilities/ui') 
 
//............. VARIABLES ................//
var properties = function() {
  this.coefs = [
    "INTP", "SLP", 
    "COS", "SIN", 
    "COS2", "SIN2",
    "COS3", "SIN3", 
    "RMSE"]
    
  this.segs = ["S1", "S2", "S3","S4", "S5", "S6"]
 
  /**
   * 可视化参数
   */ 
  this.visLabels = {
    fontWeight: 'bold', 
    fontSize: '14px', 
    padding: '4px 4px 4px 4px',
    border: '1px solid black',
    color: 'white',
    backgroundColor: 'black',
    textAlign: 'center',
    stretch: 'horizontal'
  }
  this.visLabelsSub = {
    fontWeight: 'bold', 
    fontSize: '14px', 
    padding: '4px 4px 4px 4px',
    color: 'black',
    backgroundColor: 'white',
    textAlign: 'center',
    stretch: 'horizontal'
  }
}
var horizontalStyle = {
  stretch: 'horizontal', 
  width: '100%'
}
var PROPS
var HELPER
var WIDGS = {}
var ccdParams = {}
var runParams = {}
var vizParams = {}
var globGeom = []
var INDICES = ['NDVI', 'NBR', 'EVI', 'EVI2', 'NDFI', 'GREENNESS', 'BRIGHTNESS', 'WETNESS']
var BANDS = ['BLUE','GREEN','RED', 'NIR', 'SWIR1', 'SWIR2'] 
var FULLBANDS = BANDS.concat(INDICES)
var BPBANDS = ['GREEN', 'RED', 'NIR', 'SWIR1',
相关文章
|
前端开发
Google Earth Engine(GEE)——显示和下载影像出现的问题
Google Earth Engine(GEE)——显示和下载影像出现的问题
519 0
GEE——利用Landsat系列数据集进行1984-2023EVI指数趋势分析
GEE——利用Landsat系列数据集进行1984-2023EVI指数趋势分析
1087 0
Google Earth Engine(GEE)——利用归一化建筑指数NDBI(不透水层)提取建筑物
Google Earth Engine(GEE)——利用归一化建筑指数NDBI(不透水层)提取建筑物
3710 0
Google Earth Engine(GEE)——利用归一化建筑指数NDBI(不透水层)提取建筑物
|
数据采集 ice Sentinel
Google Earth Engine(GEE)——sentinel2数据介绍
Google Earth Engine(GEE)——sentinel2数据介绍
1688 0
Google Earth Engine(GEE)——sentinel2数据介绍
|
编解码 数据可视化
Google Earth Engine——gee文件导出到drive:影像等大文件导出100000000超限解决办法
Google Earth Engine——gee文件导出到drive:影像等大文件导出100000000超限解决办法
3234 0
Google Earth Engine——gee文件导出到drive:影像等大文件导出100000000超限解决办法
|
10月前
|
传感器 编解码 数据可视化
GEE数据集:2017-2024年全球多源遥感数据融合的全新10米数据集(无量纲)Satellite Embedding V1
Google Satellite Embedding 数据集提供全球10米分辨率的64维嵌入向量,编码地表条件的时间轨迹,适用于变化检测与地理分析。
784 0
|
机器学习/深度学习
 GHSL: 全球1975 年到 2030 年以 5 年间隔建成面积的分布情况(100m)
全球人类住区图层(GHSL)项目提供了1975年至2030年建成面积的分布数据,以每100米网格单元为单位,涵盖建筑总面积及非住宅用途面积。该数据集由欧盟委员会联合研究中心(EC JRC)提供,时间间隔为5年,支持时空分析与预测。详情参见[GHSL 数据包 2023](https://ghsl.jrc.ec.europa.eu/documents/GHSL_Data_Package_2023.pdf?t=1683540422)。
689 7
|
机器学习/深度学习 定位技术
GEE(CCDC-2)——根据以获取的研究区CCDC系数进行土地覆被分类分析
GEE(CCDC-2)——根据以获取的研究区CCDC系数进行土地覆被分类分析
563 0
|
存储 编解码 数据可视化
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
【2月更文挑战第14天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,按照给定的地表分类数据,对每一种不同的地物类型,分别加以全球范围内随机抽样点自动批量选取的方法~
1442 1
Google Earth Engine获取随机抽样点并均匀分布在栅格的不同数值区中
|
算法
基于Google Earth Engine的Landsat单窗算法地表温度(LST)反演
基于Google Earth Engine的Landsat单窗算法地表温度(LST)反演
960 2

热门文章

最新文章