تكوين عينات تدريبية
الآن بعد أن أعددنا الصور المرجعية الخاصة بنا، يمكننا إعداد بيانات التدريب الخاصة بنا.
من أجل هذا التمرين، سنبدأ بجمع بيانات تدريب أساسي للغاية يتكون فقط من سمات النقاط لفئات "المياه" و "الغطاء النباتي" و "الحضري" و "التربة العارية"، مع كل 20 سمة.
لإنشاء هذه الميزات، يمكننا ببساطة استخدام أداة ادوات الرسم الهندسي في الزاوية اليسرى العليا من لوحة الخريطة لوضع اشكال هندسية نقطية تشير إلى فئة غطاء أرضي معينة في موقع المؤشر.
يمكن عرض خصائص الميزة وتغييرها في الزر "استيراد الأشكال الهندسية لخريطة الخريطة".
لتتمكن من استخدام هذه الميزات بشكل صحيح لتصنيفنا، يرجى التأكد من تعيين اسم خاصية متطابق لجميع الفئات وقيمة فريدة لجميع الميزات ضمن نفس الفئات.
في هذا المثال، سنختار الاسم المتطابق "الغطاء الأرضي “لجميع الفئات، حيث نريد تصنيف الأراضي، والقيم العددية المستمرة 0، 1، 2 ، 3 لفئاتنا الفردية.
دمج بيانات التدريب
الآن بعد أن حددنا الفئات المطلوبة، سنحتاج إلى دمجها في مجموعة ميزات واحدة حتى نتمكن من استخدامها كبيانات تدريبية.
var classMerge = water.merge(vegetation).merge(urban).merge(baresoil);
print(classMerge, 'Merged Classes');
// Now, we can finally start collecting training data based on our defined classes.
// To do so, we will use .sampleRegions. Please check the documentation to find out more about how this works!
// Also, keep in mind that .sampleRegions only works for Images, not for ImageCollections!
var training = s2a_median.sampleRegions({
collection: classMerge,
properties: ['landcover'],
scale: 30
});
print(training, 'Training Data');