本文介绍了如何使用Python和机器学习算法（kmeans）对卫星遥感影像进行分类。通过数据预处理、模型建立、结果获取和保存，详细展示了分类流程。了解这一流程后，可以方便地替换其他机器学习算法进行监督或非监督分类。
之前写过一篇使用R语言对卫星影像进行kmeans聚类的文章，本文来个python版本的。
Python版的没有R语言版本的简单（代码多了一些），但是通过Python版的学习可以清楚了解到对卫星影像进行分类的整个流程。因为Python在机器学习/深度学习方面比较通用，学会了本文之后，就学会了任何基于机器学习对卫星影像进行分类的流程，只需要换下中间的分类算法即可。
公众号《GIS与Climate》，分享R、Python、GIS和Climate的相关技术，求关注。
导入需要的包
因为本文用的是kmeans算法，也没什么高大上的，需要的包也就比较少：
import rasterio as rio
from rasterio.plot import show
from sklearn import cluster
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.colors as mc
读取数据
我们用rasterio包来读取栅格数据（这里以tif格式作为示例）：
最低0.47元/天 解锁文章
扫一扫
7万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
