google earth engine(GEE)进行非监督分类

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_calCloudScorevar 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maskCloudMap.addLayer(maskCloud2,visualParam, 'maskCloud2', false);//显示干净像元筛选过的maskCloudreturn 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：

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。

最后经过重分类，得到我需要的4类结果：

到此，利用GEE进行非监督分类就结束了。需要注意两个问题：1.非监督分类的方法与参数选择，可改变输出数量；

2.得到的结果，最好就行导出，在本地进行后续处理。

希望同行多多交流，谢谢

VX:kitmyfaceplease2；欢迎关注公众号：锐多宝的地理空间；