GEE：梯度提升树（Gradient Boosting Tree）分类教程（样本制作、特征添加、训练、精度、参数优化、贡献度、统计面积）

作者：CSDN @ _养乐多_

本文将介绍在Google Earth Engine （GEE）平台上进行梯度提升树（Gradient Boosting Tree）分类的方法和代码，其中包括制作样本点教程（本地、在线和本地在线混合制作样本点，合并样本点等），加入特征变量(各种指数、纹理特征、时间序列特征、物候特征等)，运行梯度提升树分类器教程，并可将分类器模型应用于像素尺度或者超像素（对象/斑块）尺度数据，计算梯度提升树分类结果的精度（精度参数以csv格式下载到本地），优化梯度提升树分类算法的参数（绘制最优参数分布图），打印各个变量特征的贡献度（排序特征贡献度，并绘制柱状图）、统计每一类地类的面积等步骤的方法和代码。

本教程可以应用于多种分类场景，包括土地利用/覆盖分类、种植区提取（大蒜、小麦、玉米等）、局部气候区分类、植被分类、森林/草原分类、疾病/虫害分类、洪水预测等多种场景。

梯度提升树（Gradient Boosting Tree）分类过程和分类结果如下图所示
————————————————————————————————————————————————