GEE | Sentinel-2影像监督分类、精度评估并导出
1. 选择样本
定义不同土地利用类型的样本（水体、建设用地、植被、道路和荒地），并将其合并形成训练集，从而确保样本的空间代表性和统计平衡。
2. GEE代码
对COPERNICUS/S2_SR进行时间和云量筛选，然后利用中位值合成数据。定义样本区域并提取训练数据，划分为训练集和测试集。通过CART分类器对训练数据进行训练，并对影像进行分类，最后通过混淆矩阵评估分类结果，包括Kappa系数等指标。
1. 选择样本
定义不同土地利用类型的样本（水体、建设用地、植被、道路和荒地），并将其合并形成训练集，从而确保样本的空间代表性和统计平衡。
2. GEE代码
对COPERNICUS/S2_SR进行时间和云量筛选，然后利用中位值合成数据。定义样本区域并提取训练数据，划分为训练集和测试集。通过CART分类器对训练数据进行训练，并对影像进行分类，最后通过混淆矩阵评估分类结果，包括Kappa系数等指标。