Google Earth Engine平台中使用深度学习和传统模型进行水产养殖区识别对比研究

文章预览

水产养殖区 是我们国家海洋经济的一个体现，近些年就发生了很大的变化，其中最直接的变化就是水产养殖区域明显变大变多。今天，我们就用gee来进行一下水产养殖区域的识别，本次我们会用到两种模型：一种是传统的分类模型，一种是深度学习模型，都是在Google Earth Engine平台上实现。 首先，我们使用随机森林random forest模型来实现区域的识别，这个相对来说很简单，主体代码如下所示。不难发现，RF算法虽然效果还不错，但是很容易受到椒盐噪声的影响，这个也是gee平台上传统分类模型的通病。       var S2_bands = [ "B2" , "B3" , "B4" , "B8" , "B11" , "B12" ]; // select sentinel-2 images var s2Image = ee.ImageCollection( "COPERNICUS/S2_SR_HARMONIZED" ) //S2_SR .filter(ee.Filter.calendarRange(year,year, 'year' )) .filter(ee.Filter.calendarRange(month_start,month_end, 'month' )) ………………………………