做遥感的人早晚都要过监督分类这一关。Google Earth EngineGEE把这扇门开得比别人都大——官方示例里三四十行代码就能出一张分类图看起来相当唬人。但真正上手你就会发现同样一套流程换一个区域、换一景影像、换一套样本精度可能直接从80%跌到60%然后你就开始怀疑是不是分类器选错了或者某个参数没调好。其实大多数问题都出在更前面对监督分类到底在算什么这件事没理解透样本准备和特征工程做得太糙。这篇我就把GEE里的监督分类Classification从头到尾拆开讲影像数据怎么准备、训练样本怎么采、特征怎么构建、三类主流分类器怎么用、精度怎么验最后把我实际跑过的坑一并交代清楚。适合刚接触GEE的初学者也适合那些已经抄过示例、但精度始终提不上去的朋友。1. 先把监督分类的底层逻辑理清楚GEE里的分类到底在算什么1.1 监督分类的数学本质从样本到决策边界一句话版本监督分类就是拿已知答案的样本去训练一个模型然后用这个模型去预测未知答案的像素。每个像素在算法眼里只是一串特征值——比如Sentinel-2的12个波段就是一个12维向量。你提供的训练样本就是一堆带标签的向量。分类器要做的是在这个多维特征空间里切出几块区域让每一块尽量只包含同一个类别的样本。打个比方你想教小孩分辨苹果和橙子不用给他描述苹果皮是红的、橙子皮是橙的这种规则只需要给他一堆切好的水果、挨个告诉他哪个是苹果、哪个是橙子。孩子自己会总结出颜色、大小、纹理的规律。分类器也一样给它足够多、足够准的带标签样本它自己学出一套规则。这套规则写出来可能很抽象比如当波段B4大于0.3且B11小于0.1且……但这不重要重要的是它能正确分类新像素。理解这一点你就能明白一个常被忽略的道理分类器本身不是精度的决定因素样本才是。样本里的错误和偏差算法再怎么调参也救不回来。这就是典型的Garbage in, garbage out。我见过太多人在GEE里跑分类一上来就盯着RandomForest的决策树数量、SVM的核函数调参却不肯花时间好好整理样本方向从一开始就跑偏了。1.2 GEE分类的完整数据流水线GEE里做一次监督分类代码结构极其固定几乎可以当成流水线模板// 1. 影像数据 var image ...; // 2. 样本数据带类别标签的FeatureCollection var samples ...; // 3. 在样本点位上提取影像特征 var training image.sampleRegions({ collection: samples, properties: [class], scale: 10 }); // 4. 训练分类器 var classifier ee.Classifier.smileRandomForest(100).train({ features: training, classProperty: class, inputProperties: image.bandNames() }); // 5. 预测全图 var classified image.classify(classifier); // 6. 精度验证 var accuracy training.classificationAccuracy();后面所有花样都是在替换或丰富这六个环节中的某几个影像怎么选、样本怎么采、特征加不加、分类器用哪个、验证怎么做。把这行模板刻进脑子里学GEE分类就不乱了。需要提醒的是上面的training.classificationAccuracy()是拿训练集自己验证自己属于开卷考试精度通常会虚高。正规做法是留出一部分样本不参与训练专门用来验证。这块我放到第5节详细讲算是很多人忽略的核心细节。2. 训练样本的质量决定精度上限样本采集与FeatureCollection构建2.1 样本数量、纯度和均衡性三条铁律我自己的经验是样本至少要满足三条够多、够纯、够均衡。够多是指每一类最少要有几十个独立样本。别小看这个数字GEE官方示例里经常用30个点这种演示数据那是为了跑通流程不是给你当精度标准的。我自己做一般每类100到300个样本起步。另外独立样本很关键——相邻像素高度相关你要是把一个大的水体面分割成几十个点这些点的信息量其实就相当于几个点训练和验证的时候都会造成精度虚高看起来很美实际一塌糊涂。够纯是说标注的像素必须纯粹。比如你要分水体就找完全被水覆盖的像素别找半水半岸的过渡带像素。分类器训练的是像素级特征你给它一个五成水、五成岸的混合信号它就只能学到一条模糊的决策边界分类结果自然是一带糊一片。这个道理放之四海皆准纯样本训练出来的分类器边界清晰混合样本训练出来的分类器处处和稀泥。够均衡是指各类别样本量不要悬殊太大。做过二分类的人都有体会负样本是正样本十倍模型会本能地倾向把所有东西都判成负类。遥感分类一模一样水体样本300个、建筑样本只有30个最后建筑类别很可能被水体吃掉一截。这时候要么补建筑样本要么做样本加权要么分层抽样控制比例总之不能让类别数量差距过于夸张。2.2 从矢量到FeatureCollection样本数据的准备细节GEE里的训练样本本质是ee.FeatureCollection每个Feature的属性里至少要有一个字段表示类别比如class。值用整数0、1、2……还是字符串water、forest都行但整数跑起来更省心也更容易处理混淆矩阵的输出。构建方式无非三种直接在GEE的Code Editor里用画图工具画点或画多边形再把geometry转成FeatureCollection从本地上传Shapefile或GeoJSON到Assets然后加载用已有的公开分类产品当参照通过规则筛选和随机撒点生成样本。第三种方式在实操中用得最多。比如我要在某个区域做高精度土地利用分类会先加载一个公开的粗略分类产品按类别随机撒点再人工抽查一部分点位确认无误后保留作为训练样本。这比纯手工画点效率高得多尤其适合大范围制图。从geometry转FeatureCollection的写法// 假设你已经用画图工具画了两个多边形水体采样区、植被采样区 var water ee.FeatureCollection([waterPolygon]); var forest ee.FeatureCollection([forestPolygon]); // 给每个Feature打上类别标签 water water.map(function(f) { return f.set(class, 1); }); forest forest.map(function(f) { return f.set(class, 2); }); var samples water.merge(forest); Map.addLayer(samples, {color: blue}, samples);上传Shapefile的话记得在导出时选WGS84坐标系并带一个整型的类别字段。这个环节的坑很隐蔽有人上传后忘记检查属性表字段名带了个看不见的空格训练时GEE直接报Property does not exist查了半天才发现是字段名编码问题。所以样本一加载进来先print(samples.limit(5))看一眼属性表这是最低成本的排错方式。2.3 训练集/验证集划分的正确姿势样本集建好以后第一件事不是拿去做训练而是先切成训练集和验证集。切的方式要随机最好还能兼顾空间分布——别让验证点和训练点挤在同一个图斑里否则验证等于开卷考试。实操中大多数人用randomColumn()随机分简单够用// 加一列随机数用固定种子保证结果可复现 samples samples.randomColumn(random, 7); var trainingSet samples.filter(ee.Filter.lte(random, 0.7)); var validationSet samples.filter(ee.Filter.gt(random, 0.7)); print(训练样本数, trainingSet.size()); print(验证样本数, validationSet.size());randomColumn的第二个参数是随机种子固定它才能让每次运行的结果一致否则你每次调参看到的精度波动都来自随机性根本没法判断是参数变好了还是运气变好了。三七开、二八开都可以关键是验证集从训练开始到精度评估结束都不能露面。3. 特征工程选波段、加指数、防过拟合3.1 波段选择不是越多越好很多新手拿到Sentinel-2恨不得把二十多个波段全部塞进分类器。这么做不但精度未必提升训练时间还翻了好几倍甚至出现过拟合——分类器把训练样本里的噪声都背下来了换一景影像就崩。选波段的核心逻辑是这些波段对你关心的类别有没有区分度。水体、植被、建筑、裸地这几个大类用可见光加近红外基本就分得开了。水体在近红外波段吸收极强植被在红边和近红外波段有典型高反射建筑和裸地在短波红外上比较接近需要靠指数或纹理辅助区分。我的习惯是先做一个波段敏感性测试每次只用一个波段训练一个快速分类器看单波段精度把精度明显偏低的波段踢掉。这比盲目堆波段科学得多特别是在样本量不够大的时候宁少勿多。3.2 常用指数特征NDVI、NDWI、NDBI把波段组合成指数本质上是对特征做了一次非线性变换能放大类别之间的差异。水体和植被在原始波段上可能差别不算大但NDWI归一化水体指数一算水体的值显著高于其他地物分类器一下子就有了杀手锏。// 假设image是多光谱影像B4红光、B8近红外、B3绿光、B11短波红外 var ndvi image.normalizedDifference([B8, B4]).rename(NDVI); var ndwi image.normalizedDifference([B3, B8]).rename(NDWI); var ndbi image.normalizedDifference([B11, B8]).rename(NDBI); image image.addBands([ndvi, ndwi, ndbi]);加上这三兄弟之后用sampleRegions提取特征时分类器能用的特征就多了三个。这是GEE分类里性价比最高的特征增强方案几乎零成本收益却很实在。3.3 特征太多反而翻车维度灾难与相关性特征越多越好这个直觉在机器学习里经常不成立。假设你有30个特征每个特征都带一点噪声样本量又不够大分类器在高维空间里很容易找到一条恰好分开训练样本的复杂边界但这条边界对未知数据毫无泛化能力——这就是维度灾难。简单说特征多了以后模型学会了背答案而不是懂规律。实操经验先用print(image.bandNames())看看当前影像里到底有哪些波段再把强相关的波段酌情去掉一个比如Sentinel-2的B8和B8A高度相关留一个就行。PCA做主成分降维是更高级的做法但对初学者我建议先别急着上把指数加上、剔除强相关波段、跑通整个流程等精度瓶颈卡住了再回头考虑PCA。下面这个片段演示了如何把原始波段和指数一起定义成特征列表后续分类和验证都用它保证特征一致var bands [B2, B3, B4, B8, B11, NDVI, NDWI, NDBI]; // 提取训练特征时指定波段而不是用image.bandNames()全选 var training image.select(bands).sampleRegions({ collection: trainingSet, properties: [class], scale: 10 });这里有个关键细节sampleRegions时用的scale要跟影像分辨率匹配Sentinel-2用10米Landsat用30米。有人图省事不写scaleGEE会用影像默认分辨率问题不大但如果影像做了重采样这里就必须显式指定否则特征值的空间范围是错位的。4. 分类器实战RandomForest、SVM、CART的代码实现与调参4.1 RandomForest随机森林上手就能打的默认王者RandomForest是我在GEE里用得最多的分类器没有之一。它抗过拟合能力强对特征尺度不敏感不需要归一化默认参数就能跑出不错的精度特别适合遥感这种特征杂、样本分布不完美的场景。var classifier ee.Classifier.smileRandomForest({ numberOfTrees: 100, variablesPerSplit: null, // 默认取特征数的平方根 minLeafPopulation: 1, // 每个叶子节点最少样本数 bagFraction: 0.5, // 每棵树用多少比例的样本 outOfBagMode: true // 开启袋外误差估计 }).train({ features: training, classProperty: class, inputProperties: bands }); var classified image.select(bands).classify(classifier, classification); Map.addLayer(classified, classPalette, RandomForest 分类结果);参数说明就两句numberOfTrees从100加到500精度提升通常很有限训练时间却线性增长默认100到250之间就够用了minLeafPopulation如果结果图碎得像芝麻粒可以调到5到10让每个叶子节点多几个样本兜底图面会干净不少。别迷信参数越多越好随机森林真正吃功夫的地方在样本和特征。4.2 SVM支持向量机小样本高维特征的利器但小心尺度SVM在GEE里对应ee.Classifier.libsvm擅长处理小样本、高维特征的问题。但它有一个遥感新手经常踩的大坑SVM对特征尺度极其敏感。如果你的一个波段值域是0到1另一个波段值域是0到10000SVM会默认后者更重要前者的信息基本被忽略。// 先对特征波段做归一化到0~1 var min image.select(bands).reduceRegion({ reducer: ee.Reducer.min(), geometry: roi, scale: 10, maxPixels: 1e9 }); var max image.select(bands).reduceRegion({ reducer: ee.Reducer.max(), geometry: roi, scale: 10, maxPixels: 1e9 }); var imageNorm image.select(bands).unitScale(min, max); var svm ee.Classifier.libsvm({ kernelType: RBF, gamma: 0.5, // RBF核的宽度参数 cost: 10 // 惩罚系数 }).train({ features: training, classProperty: class, inputProperties: bands }); var svmClassified imageNorm.select(bands).classify(svm, classification);gamma和cost都要靠实验调。gamma太小决策边界过于平滑gamma太大又会过拟合。cost是错分惩罚越大越严格。说实话SVM调参比随机森林麻烦我不会一上来就推荐它只有当样本量小、特征维度高、随机森林精度又不理想的时候才换SVM试。4.3 CART决策树快是快但裸树容易过拟合CART即分类与回归树GEE里对应ee.Classifier.smileCart。它训练速度极快结果可解释性最好你能直接看到每层按哪个波段、哪个阈值切分。但裸决策树很容易过拟合实际项目里很少单独用。var cart ee.Classifier.smileCart({ maxNodes: null, // 不限制节点数 minLeafPopulation: 5 // 叶子最小样本数适当调大防止过拟合 }).train({ features: training, classProperty: class, inputProperties: bands });minLeafPopulation调大是防止过拟合最直接的手段。不过说实话在GEE里用CART更多是为了理解数据和做快速试验生产级别的分类图我还是建议随机森林或者SVM。CART真正的价值是告诉你哪个波段最重要——GEE里可以打印变量重要性这个后面讲。4.4 三类分类器对比与选型建议我整理了一张实测对比表同一组Sentinel-2样本四分类验证集独立评估方便你直观选型对比维度RandomForestSVMCART训练速度中等较慢大数据集更明显最快对样本量要求中等偏高小样本也能打中等对特征尺度敏感度不敏感敏感需归一化不敏感泛化能力强强但依赖调参较弱易过拟合变量重要性分析支持不支持支持适合场景大多数遥感分类任务小样本高维特征快速试验、规则理解我的默认建议先用RandomForest跑通全流程拿到一个基准精度如果样本少、特征多再试SVMCART用来做探索性分析。这个策略省时间也不容易踩坑。变量重要性在GEE里可以这样看var importance ee.Dictionary(classifier.explain()); print(变量重要性, importance.get(importance));classifier.explain()输出的是一个字典里面的importance字段就是各个特征的重要性排序。用这个结果反过来做特征筛选比拍脑袋选波段靠谱得多。5. 精度验证与分类后处理别把初分类图直接拿去用5.1 混淆矩阵的正确读法分类图出来以后第一件事不是看它好不好看而是用事先留出的验证集做精度评估。核心工具是混淆矩阵GEE里用errorMatrix计算。// 在验证样本点位提取预测类别 var valPred classified.sampleRegions({ collection: validationSet, scale: 10 }); // 计算混淆矩阵 var cm valPred.errorMatrix({ actual: class, predicted: classification }); print(混淆矩阵, cm); print(整体精度, cm.accuracy()); print(Kappa系数, cm.kappa());混淆矩阵的行是真实类别列是预测类别对角线是正确分类的个数。它透露的信息比一个整体精度数字多得多。举个例子矩阵里真实水体那一行如果有很多样本被分到了建筑列说明水体和建筑的光谱特征混叠严重光调分类器没用你得回去加特征或者补样本。两个逐类别的指标必须会看生产者精度Producers Accuracy对应漏分误差衡量真实是A类的像素有多少被判对了用户精度Consumers Accuracy对应错分误差衡量被分成A类的像素里有多少真的是A类。一个类别的生产者精度低说明漏分多用户精度低说明错分多。两者要放在一起看单看哪一个都会被带偏。5.2 分类后处理众数滤波、小图斑剔除与面积统计初分类图通常是椒盐状的单个像素这里冒一个、那里冒一个这在制图上是不能接受的。最轻量的降噪手段是focalMode也就是众数滤波用周围邻域里出现次数最多的类别替代中心像素var filtered classified.focalMode({ radius: 2, kernelType: circle, iterations: 1 }); Map.addLayer(filtered, classPalette, 滤波后分类结果);radius是滤波半径单位是像素。半径太大细小地物比如窄河沟、小路会被抹掉半径太小又压不住噪声。我一般从2开始试结合你的研究区地物尺度调整。滤波前后对比一下你会发现图面干净很多精度通常也会有小幅提升。面积统计是分类后最常见的应用配合ee.Image.pixelArea()按类别汇总var areaImage ee.Image.pixelArea().addBands(filtered); var areaStats areaImage.reduceRegion({ reducer: ee.Reducer.sum().group({ groupField: 1, groupName: class }), geometry: roi, scale: 10, maxPixels: 1e9 }); print(各类别面积, areaStats);pixelArea()会生成一个表示每个像素实际面积平方米的波段按类别分组求和就得到了各类面积。注意scale必须跟分类影像一致否则面积数值会偏差。结果除以10000就是公顷除以1e6就是平方公里。5.3 结果导出与可视化分类结果存到你自己的Google Drive用Export.image.toDrive记得设置影像类型和坐标系Map.addLayer(filtered, classPalette, 最终分类); Export.image.toDrive({ image: filtered.int16(), // 转成整型省空间 description: landcover_result, scale: 10, region: roi, maxPixels: 1e9, crs: EPSG:32650, // 替换成你研究区所在的UTM分带 fileFormat: GeoTIFF });classPalette是一个颜色列表每个类别对应一种颜色。可视化调色板至少要以一区分比如水体蓝色、植被绿色、建筑红色、裸地黄色方便直观检查。6. 踩过的坑与调优经验这几个细节决定成败6.1 样本不均衡少数类被吃掉我第一次做五分类的时候就吃过这个亏。当时建筑样本只标了不到30个其他四类都上百跑出来的结果显示建筑类别大面积缺失绿地和水体向外扩张。看混淆矩阵才发现真实建筑那一行的生产者精度只有45%大部分被分到了裸地。后来我补标了80个建筑样本重新训练建筑的生产者精度立刻跳到82%。教训就一句话先看混淆矩阵再归因九成精度问题出自样本而非算法。6.2 过拟合的典型症状与应对如果你的训练精度高达98%验证精度却只有65%大概率过拟合了。这时候别急着换分类器先做三件事检查样本纯度把跨类别边界上的模糊点删掉减少冗余特征用变量重要性挑出前五六个特征重新跑把随机森林的minLeafPopulation调大限制树的生长。我实测过这三步组合拳通常能把验证精度拉回七八个点。6.3 多时相合成的坑做分类之前大部分人都会用median()合成一段时间的影像比如夏季三个月的Sentinel-2中值合成。这个做法本身没问题但农作物和落叶林在季节变化下光谱差异巨大——同一个农田像素六月份是绿色作物九月份已经收割变成裸土中值合成可能得到一个既不像作物也不像裸土的光谱。这种像素不管分类器怎么调都很难分对。我的建议是分类之前先明确你的分类时相是什么。如果是夏季土地利用就用夏季一景或较短窗口的合成如果关心的是年内稳定地物水体、不透水面用全年合成反而更稳。时间窗口选得越贴合地物实际状态分类精度越容易上去。6.4 我给监督分类工作流的最终建议如果你只记住一条工作流我希望是这套小区域快试、看混淆矩阵、补样本调特征、全图预测、滤波后处理、导出。先用一个几平方公里的子区域跑通全流程精度达标了再扩大到整个研究区这能省掉大量反复 Export 的时间。我个人还有一个习惯每跑一组实验就在代码里固定随机种子、记录下样本数、特征列表和精度指标形成一个简单的实验日志。别小看这个动作调参最怕的不是参数不对而是你不知道上一次的好结果是怎么跑出来的。最后再分享一个小技巧验证样本的采集尽量采用随机分层抽样保证每类都有足够验证点分类完成后把被错分的样本地块单独导出来快速看一眼影像对比你能直观看到是哪几类在打架——这个可视化检查往往比任何精度数字都更能告诉你下一步该往哪使劲。
做遥感的人早晚都要过监督分类这一关。Google Earth EngineGEE把这扇门开得比别人都大——官方示例里三四十行代码就能出一张分类图看起来相当唬人。但真正上手你就会发现同样一套流程换一个区域、换一景影像、换一套样本精度可能直接从80%跌到60%然后你就开始怀疑是不是分类器选错了或者某个参数没调好。其实大多数问题都出在更前面对监督分类到底在算什么这件事没理解透样本准备和特征工程做得太糙。这篇我就把GEE里的监督分类Classification从头到尾拆开讲影像数据怎么准备、训练样本怎么采、特征怎么构建、三类主流分类器怎么用、精度怎么验最后把我实际跑过的坑一并交代清楚。适合刚接触GEE的初学者也适合那些已经抄过示例、但精度始终提不上去的朋友。1. 先把监督分类的底层逻辑理清楚GEE里的分类到底在算什么1.1 监督分类的数学本质从样本到决策边界一句话版本监督分类就是拿已知答案的样本去训练一个模型然后用这个模型去预测未知答案的像素。每个像素在算法眼里只是一串特征值——比如Sentinel-2的12个波段就是一个12维向量。你提供的训练样本就是一堆带标签的向量。分类器要做的是在这个多维特征空间里切出几块区域让每一块尽量只包含同一个类别的样本。打个比方你想教小孩分辨苹果和橙子不用给他描述苹果皮是红的、橙子皮是橙的这种规则只需要给他一堆切好的水果、挨个告诉他哪个是苹果、哪个是橙子。孩子自己会总结出颜色、大小、纹理的规律。分类器也一样给它足够多、足够准的带标签样本它自己学出一套规则。这套规则写出来可能很抽象比如当波段B4大于0.3且B11小于0.1且……但这不重要重要的是它能正确分类新像素。理解这一点你就能明白一个常被忽略的道理分类器本身不是精度的决定因素样本才是。样本里的错误和偏差算法再怎么调参也救不回来。这就是典型的Garbage in, garbage out。我见过太多人在GEE里跑分类一上来就盯着RandomForest的决策树数量、SVM的核函数调参却不肯花时间好好整理样本方向从一开始就跑偏了。1.2 GEE分类的完整数据流水线GEE里做一次监督分类代码结构极其固定几乎可以当成流水线模板// 1. 影像数据 var image ...; // 2. 样本数据带类别标签的FeatureCollection var samples ...; // 3. 在样本点位上提取影像特征 var training image.sampleRegions({ collection: samples, properties: [class], scale: 10 }); // 4. 训练分类器 var classifier ee.Classifier.smileRandomForest(100).train({ features: training, classProperty: class, inputProperties: image.bandNames() }); // 5. 预测全图 var classified image.classify(classifier); // 6. 精度验证 var accuracy training.classificationAccuracy();后面所有花样都是在替换或丰富这六个环节中的某几个影像怎么选、样本怎么采、特征加不加、分类器用哪个、验证怎么做。把这行模板刻进脑子里学GEE分类就不乱了。需要提醒的是上面的training.classificationAccuracy()是拿训练集自己验证自己属于开卷考试精度通常会虚高。正规做法是留出一部分样本不参与训练专门用来验证。这块我放到第5节详细讲算是很多人忽略的核心细节。2. 训练样本的质量决定精度上限样本采集与FeatureCollection构建2.1 样本数量、纯度和均衡性三条铁律我自己的经验是样本至少要满足三条够多、够纯、够均衡。够多是指每一类最少要有几十个独立样本。别小看这个数字GEE官方示例里经常用30个点这种演示数据那是为了跑通流程不是给你当精度标准的。我自己做一般每类100到300个样本起步。另外独立样本很关键——相邻像素高度相关你要是把一个大的水体面分割成几十个点这些点的信息量其实就相当于几个点训练和验证的时候都会造成精度虚高看起来很美实际一塌糊涂。够纯是说标注的像素必须纯粹。比如你要分水体就找完全被水覆盖的像素别找半水半岸的过渡带像素。分类器训练的是像素级特征你给它一个五成水、五成岸的混合信号它就只能学到一条模糊的决策边界分类结果自然是一带糊一片。这个道理放之四海皆准纯样本训练出来的分类器边界清晰混合样本训练出来的分类器处处和稀泥。够均衡是指各类别样本量不要悬殊太大。做过二分类的人都有体会负样本是正样本十倍模型会本能地倾向把所有东西都判成负类。遥感分类一模一样水体样本300个、建筑样本只有30个最后建筑类别很可能被水体吃掉一截。这时候要么补建筑样本要么做样本加权要么分层抽样控制比例总之不能让类别数量差距过于夸张。2.2 从矢量到FeatureCollection样本数据的准备细节GEE里的训练样本本质是ee.FeatureCollection每个Feature的属性里至少要有一个字段表示类别比如class。值用整数0、1、2……还是字符串water、forest都行但整数跑起来更省心也更容易处理混淆矩阵的输出。构建方式无非三种直接在GEE的Code Editor里用画图工具画点或画多边形再把geometry转成FeatureCollection从本地上传Shapefile或GeoJSON到Assets然后加载用已有的公开分类产品当参照通过规则筛选和随机撒点生成样本。第三种方式在实操中用得最多。比如我要在某个区域做高精度土地利用分类会先加载一个公开的粗略分类产品按类别随机撒点再人工抽查一部分点位确认无误后保留作为训练样本。这比纯手工画点效率高得多尤其适合大范围制图。从geometry转FeatureCollection的写法// 假设你已经用画图工具画了两个多边形水体采样区、植被采样区 var water ee.FeatureCollection([waterPolygon]); var forest ee.FeatureCollection([forestPolygon]); // 给每个Feature打上类别标签 water water.map(function(f) { return f.set(class, 1); }); forest forest.map(function(f) { return f.set(class, 2); }); var samples water.merge(forest); Map.addLayer(samples, {color: blue}, samples);上传Shapefile的话记得在导出时选WGS84坐标系并带一个整型的类别字段。这个环节的坑很隐蔽有人上传后忘记检查属性表字段名带了个看不见的空格训练时GEE直接报Property does not exist查了半天才发现是字段名编码问题。所以样本一加载进来先print(samples.limit(5))看一眼属性表这是最低成本的排错方式。2.3 训练集/验证集划分的正确姿势样本集建好以后第一件事不是拿去做训练而是先切成训练集和验证集。切的方式要随机最好还能兼顾空间分布——别让验证点和训练点挤在同一个图斑里否则验证等于开卷考试。实操中大多数人用randomColumn()随机分简单够用// 加一列随机数用固定种子保证结果可复现 samples samples.randomColumn(random, 7); var trainingSet samples.filter(ee.Filter.lte(random, 0.7)); var validationSet samples.filter(ee.Filter.gt(random, 0.7)); print(训练样本数, trainingSet.size()); print(验证样本数, validationSet.size());randomColumn的第二个参数是随机种子固定它才能让每次运行的结果一致否则你每次调参看到的精度波动都来自随机性根本没法判断是参数变好了还是运气变好了。三七开、二八开都可以关键是验证集从训练开始到精度评估结束都不能露面。3. 特征工程选波段、加指数、防过拟合3.1 波段选择不是越多越好很多新手拿到Sentinel-2恨不得把二十多个波段全部塞进分类器。这么做不但精度未必提升训练时间还翻了好几倍甚至出现过拟合——分类器把训练样本里的噪声都背下来了换一景影像就崩。选波段的核心逻辑是这些波段对你关心的类别有没有区分度。水体、植被、建筑、裸地这几个大类用可见光加近红外基本就分得开了。水体在近红外波段吸收极强植被在红边和近红外波段有典型高反射建筑和裸地在短波红外上比较接近需要靠指数或纹理辅助区分。我的习惯是先做一个波段敏感性测试每次只用一个波段训练一个快速分类器看单波段精度把精度明显偏低的波段踢掉。这比盲目堆波段科学得多特别是在样本量不够大的时候宁少勿多。3.2 常用指数特征NDVI、NDWI、NDBI把波段组合成指数本质上是对特征做了一次非线性变换能放大类别之间的差异。水体和植被在原始波段上可能差别不算大但NDWI归一化水体指数一算水体的值显著高于其他地物分类器一下子就有了杀手锏。// 假设image是多光谱影像B4红光、B8近红外、B3绿光、B11短波红外 var ndvi image.normalizedDifference([B8, B4]).rename(NDVI); var ndwi image.normalizedDifference([B3, B8]).rename(NDWI); var ndbi image.normalizedDifference([B11, B8]).rename(NDBI); image image.addBands([ndvi, ndwi, ndbi]);加上这三兄弟之后用sampleRegions提取特征时分类器能用的特征就多了三个。这是GEE分类里性价比最高的特征增强方案几乎零成本收益却很实在。3.3 特征太多反而翻车维度灾难与相关性特征越多越好这个直觉在机器学习里经常不成立。假设你有30个特征每个特征都带一点噪声样本量又不够大分类器在高维空间里很容易找到一条恰好分开训练样本的复杂边界但这条边界对未知数据毫无泛化能力——这就是维度灾难。简单说特征多了以后模型学会了背答案而不是懂规律。实操经验先用print(image.bandNames())看看当前影像里到底有哪些波段再把强相关的波段酌情去掉一个比如Sentinel-2的B8和B8A高度相关留一个就行。PCA做主成分降维是更高级的做法但对初学者我建议先别急着上把指数加上、剔除强相关波段、跑通整个流程等精度瓶颈卡住了再回头考虑PCA。下面这个片段演示了如何把原始波段和指数一起定义成特征列表后续分类和验证都用它保证特征一致var bands [B2, B3, B4, B8, B11, NDVI, NDWI, NDBI]; // 提取训练特征时指定波段而不是用image.bandNames()全选 var training image.select(bands).sampleRegions({ collection: trainingSet, properties: [class], scale: 10 });这里有个关键细节sampleRegions时用的scale要跟影像分辨率匹配Sentinel-2用10米Landsat用30米。有人图省事不写scaleGEE会用影像默认分辨率问题不大但如果影像做了重采样这里就必须显式指定否则特征值的空间范围是错位的。4. 分类器实战RandomForest、SVM、CART的代码实现与调参4.1 RandomForest随机森林上手就能打的默认王者RandomForest是我在GEE里用得最多的分类器没有之一。它抗过拟合能力强对特征尺度不敏感不需要归一化默认参数就能跑出不错的精度特别适合遥感这种特征杂、样本分布不完美的场景。var classifier ee.Classifier.smileRandomForest({ numberOfTrees: 100, variablesPerSplit: null, // 默认取特征数的平方根 minLeafPopulation: 1, // 每个叶子节点最少样本数 bagFraction: 0.5, // 每棵树用多少比例的样本 outOfBagMode: true // 开启袋外误差估计 }).train({ features: training, classProperty: class, inputProperties: bands }); var classified image.select(bands).classify(classifier, classification); Map.addLayer(classified, classPalette, RandomForest 分类结果);参数说明就两句numberOfTrees从100加到500精度提升通常很有限训练时间却线性增长默认100到250之间就够用了minLeafPopulation如果结果图碎得像芝麻粒可以调到5到10让每个叶子节点多几个样本兜底图面会干净不少。别迷信参数越多越好随机森林真正吃功夫的地方在样本和特征。4.2 SVM支持向量机小样本高维特征的利器但小心尺度SVM在GEE里对应ee.Classifier.libsvm擅长处理小样本、高维特征的问题。但它有一个遥感新手经常踩的大坑SVM对特征尺度极其敏感。如果你的一个波段值域是0到1另一个波段值域是0到10000SVM会默认后者更重要前者的信息基本被忽略。// 先对特征波段做归一化到0~1 var min image.select(bands).reduceRegion({ reducer: ee.Reducer.min(), geometry: roi, scale: 10, maxPixels: 1e9 }); var max image.select(bands).reduceRegion({ reducer: ee.Reducer.max(), geometry: roi, scale: 10, maxPixels: 1e9 }); var imageNorm image.select(bands).unitScale(min, max); var svm ee.Classifier.libsvm({ kernelType: RBF, gamma: 0.5, // RBF核的宽度参数 cost: 10 // 惩罚系数 }).train({ features: training, classProperty: class, inputProperties: bands }); var svmClassified imageNorm.select(bands).classify(svm, classification);gamma和cost都要靠实验调。gamma太小决策边界过于平滑gamma太大又会过拟合。cost是错分惩罚越大越严格。说实话SVM调参比随机森林麻烦我不会一上来就推荐它只有当样本量小、特征维度高、随机森林精度又不理想的时候才换SVM试。4.3 CART决策树快是快但裸树容易过拟合CART即分类与回归树GEE里对应ee.Classifier.smileCart。它训练速度极快结果可解释性最好你能直接看到每层按哪个波段、哪个阈值切分。但裸决策树很容易过拟合实际项目里很少单独用。var cart ee.Classifier.smileCart({ maxNodes: null, // 不限制节点数 minLeafPopulation: 5 // 叶子最小样本数适当调大防止过拟合 }).train({ features: training, classProperty: class, inputProperties: bands });minLeafPopulation调大是防止过拟合最直接的手段。不过说实话在GEE里用CART更多是为了理解数据和做快速试验生产级别的分类图我还是建议随机森林或者SVM。CART真正的价值是告诉你哪个波段最重要——GEE里可以打印变量重要性这个后面讲。4.4 三类分类器对比与选型建议我整理了一张实测对比表同一组Sentinel-2样本四分类验证集独立评估方便你直观选型对比维度RandomForestSVMCART训练速度中等较慢大数据集更明显最快对样本量要求中等偏高小样本也能打中等对特征尺度敏感度不敏感敏感需归一化不敏感泛化能力强强但依赖调参较弱易过拟合变量重要性分析支持不支持支持适合场景大多数遥感分类任务小样本高维特征快速试验、规则理解我的默认建议先用RandomForest跑通全流程拿到一个基准精度如果样本少、特征多再试SVMCART用来做探索性分析。这个策略省时间也不容易踩坑。变量重要性在GEE里可以这样看var importance ee.Dictionary(classifier.explain()); print(变量重要性, importance.get(importance));classifier.explain()输出的是一个字典里面的importance字段就是各个特征的重要性排序。用这个结果反过来做特征筛选比拍脑袋选波段靠谱得多。5. 精度验证与分类后处理别把初分类图直接拿去用5.1 混淆矩阵的正确读法分类图出来以后第一件事不是看它好不好看而是用事先留出的验证集做精度评估。核心工具是混淆矩阵GEE里用errorMatrix计算。// 在验证样本点位提取预测类别 var valPred classified.sampleRegions({ collection: validationSet, scale: 10 }); // 计算混淆矩阵 var cm valPred.errorMatrix({ actual: class, predicted: classification }); print(混淆矩阵, cm); print(整体精度, cm.accuracy()); print(Kappa系数, cm.kappa());混淆矩阵的行是真实类别列是预测类别对角线是正确分类的个数。它透露的信息比一个整体精度数字多得多。举个例子矩阵里真实水体那一行如果有很多样本被分到了建筑列说明水体和建筑的光谱特征混叠严重光调分类器没用你得回去加特征或者补样本。两个逐类别的指标必须会看生产者精度Producers Accuracy对应漏分误差衡量真实是A类的像素有多少被判对了用户精度Consumers Accuracy对应错分误差衡量被分成A类的像素里有多少真的是A类。一个类别的生产者精度低说明漏分多用户精度低说明错分多。两者要放在一起看单看哪一个都会被带偏。5.2 分类后处理众数滤波、小图斑剔除与面积统计初分类图通常是椒盐状的单个像素这里冒一个、那里冒一个这在制图上是不能接受的。最轻量的降噪手段是focalMode也就是众数滤波用周围邻域里出现次数最多的类别替代中心像素var filtered classified.focalMode({ radius: 2, kernelType: circle, iterations: 1 }); Map.addLayer(filtered, classPalette, 滤波后分类结果);radius是滤波半径单位是像素。半径太大细小地物比如窄河沟、小路会被抹掉半径太小又压不住噪声。我一般从2开始试结合你的研究区地物尺度调整。滤波前后对比一下你会发现图面干净很多精度通常也会有小幅提升。面积统计是分类后最常见的应用配合ee.Image.pixelArea()按类别汇总var areaImage ee.Image.pixelArea().addBands(filtered); var areaStats areaImage.reduceRegion({ reducer: ee.Reducer.sum().group({ groupField: 1, groupName: class }), geometry: roi, scale: 10, maxPixels: 1e9 }); print(各类别面积, areaStats);pixelArea()会生成一个表示每个像素实际面积平方米的波段按类别分组求和就得到了各类面积。注意scale必须跟分类影像一致否则面积数值会偏差。结果除以10000就是公顷除以1e6就是平方公里。5.3 结果导出与可视化分类结果存到你自己的Google Drive用Export.image.toDrive记得设置影像类型和坐标系Map.addLayer(filtered, classPalette, 最终分类); Export.image.toDrive({ image: filtered.int16(), // 转成整型省空间 description: landcover_result, scale: 10, region: roi, maxPixels: 1e9, crs: EPSG:32650, // 替换成你研究区所在的UTM分带 fileFormat: GeoTIFF });classPalette是一个颜色列表每个类别对应一种颜色。可视化调色板至少要以一区分比如水体蓝色、植被绿色、建筑红色、裸地黄色方便直观检查。6. 踩过的坑与调优经验这几个细节决定成败6.1 样本不均衡少数类被吃掉我第一次做五分类的时候就吃过这个亏。当时建筑样本只标了不到30个其他四类都上百跑出来的结果显示建筑类别大面积缺失绿地和水体向外扩张。看混淆矩阵才发现真实建筑那一行的生产者精度只有45%大部分被分到了裸地。后来我补标了80个建筑样本重新训练建筑的生产者精度立刻跳到82%。教训就一句话先看混淆矩阵再归因九成精度问题出自样本而非算法。6.2 过拟合的典型症状与应对如果你的训练精度高达98%验证精度却只有65%大概率过拟合了。这时候别急着换分类器先做三件事检查样本纯度把跨类别边界上的模糊点删掉减少冗余特征用变量重要性挑出前五六个特征重新跑把随机森林的minLeafPopulation调大限制树的生长。我实测过这三步组合拳通常能把验证精度拉回七八个点。6.3 多时相合成的坑做分类之前大部分人都会用median()合成一段时间的影像比如夏季三个月的Sentinel-2中值合成。这个做法本身没问题但农作物和落叶林在季节变化下光谱差异巨大——同一个农田像素六月份是绿色作物九月份已经收割变成裸土中值合成可能得到一个既不像作物也不像裸土的光谱。这种像素不管分类器怎么调都很难分对。我的建议是分类之前先明确你的分类时相是什么。如果是夏季土地利用就用夏季一景或较短窗口的合成如果关心的是年内稳定地物水体、不透水面用全年合成反而更稳。时间窗口选得越贴合地物实际状态分类精度越容易上去。6.4 我给监督分类工作流的最终建议如果你只记住一条工作流我希望是这套小区域快试、看混淆矩阵、补样本调特征、全图预测、滤波后处理、导出。先用一个几平方公里的子区域跑通全流程精度达标了再扩大到整个研究区这能省掉大量反复 Export 的时间。我个人还有一个习惯每跑一组实验就在代码里固定随机种子、记录下样本数、特征列表和精度指标形成一个简单的实验日志。别小看这个动作调参最怕的不是参数不对而是你不知道上一次的好结果是怎么跑出来的。最后再分享一个小技巧验证样本的采集尽量采用随机分层抽样保证每类都有足够验证点分类完成后把被错分的样本地块单独导出来快速看一眼影像对比你能直观看到是哪几类在打架——这个可视化检查往往比任何精度数字都更能告诉你下一步该往哪使劲。
