تجهيز البيانات
أولاً، سنحتاج إلى إعداد البيانات وفقًا لتساؤلات البحث الخاص بنا.
في هذا المثال، تم اختيار منطقة الرقة السورية كمنطقة بحث.
بالطبع، كالعادة، يمكن تعديل منطقة البحث بسهولة لأي منطقة أخرى عن طريق اختيار هندسة حدود مختلفة.
للوصول إلى هندسة حدود الرقة، يمكننا ببساطة استخدام طبقات GAUL من المستوى 1 التي نعرفها بالفعل.
الوصول إلى الشكل الهندسي من خلال AOI
الوصول إلى الشرائح الجغرافية لحدود الرقة
var extent_aoi = ee.FeatureCollection("FAO/GAUL/2015/level1")
.filter(ee.Filter.eq('ADM1_NAME', 'Raqqa')); //filter for entry that equals GAUL Level 1 feature named 'Raqqa'
print(extent_aoi, 'Extent AOI');
Map.addLayer(extent_aoi, {},'Extent AOI');
Map.centerObject(extent_aoi, 8);الوصول إلى صور Sentinel-2
بعد ذلك، سنحتاج إلى الوصول إلى الصور المرجعية الخاصة بنا.
نظرًا لأننا نريد الحصول على صورة خالية من الغيوم، فسنقوم بالتصفية للحصول على أقل صورة غائمة لشهر يونيو 2020.
var s2a = ee.ImageCollection('COPERNICUS/S2_SR')
.filterBounds(extent_aoi)
.filterDate('2020-06-01', '2020-06-30')
.select('B1','B2','B3','B4','B5','B6','B7','B8','B8A','B9','B11','B12')
.filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 10));
print(s2a, 'Image Collection Raqqa June 2020');
//Step 3: Create a single Image by reducing by Median and clip it to the extent of the geometry
var s2a_median = s2a.median()
.clip(extent_aoi);
//Print your Image to your console tab to inspect it
print(s2a_median, 'Median reduced Image Raqqa June 2020');
//Add your Image as a map layer
var visParams = {'min': 400,'max': [4000,3000,3000], 'bands':'B8,B3,B2'};
Map.addLayer(s2a_median, visParams, 'S2 Raqqa June 2020 Median');لقد أعددنا الآن صور Sentinel-2 الخالية من الغيوم لمنطقة البحث لدينا، وبالتالي أصبحنا جاهزين لبدء التصنيف.
في الخطوة التالية، سنلقي نظرة على كيفية أخذ عينات من بيانات التدريب اللازمة لتصنيف LULC.