공지사항 :
2025년 4월 15일 전에 Earth Engine 사용을 위해 등록된 모든 비상업용 프로젝트는 Earth Engine 액세스를 유지하기 위해
비상업용 자격 요건을 인증 해야 합니다.
의견 보내기
ee.Classifier.amnhMaxent
컬렉션을 사용해 정리하기
내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요.
최대 엔트로피 분류기를 만듭니다. Maxent는 알려진 존재 위치와 다수의 '배경' 위치의 환경 데이터를 사용하여 종 분포 확률을 모델링하는 데 사용됩니다. 자세한 내용과 인용은 https://biodiversityinformatics.amnh.org/open_source/maxent/ 및 참고 문헌인 Phillips et al., 2004 A maximum entropy approach to species distribution modeling, Proceedings of the Twenty-First International Conference on Machine Learning. 출력은 모델링된 확률이 포함된 'probability'라는 단일 밴드와 'writeClampGrid' 인수가 true인 경우 'clamp'라는 추가 밴드입니다.
사용 반환 값 ee.Classifier.amnhMaxent(categoricalNames , outputFormat , autoFeature , linear , quadratic , product , threshold , hinge , hingeThreshold , l2lqThreshold , lq2lqptThreshold , addSamplesToBackground , addAllSamplesToBackground , betaMultiplier , betaHinge , betaLqp , betaCategorical , betaThreshold , extrapolate , doClamp , writeClampGrid , randomTestPoints , seed )분류기
인수 유형 세부정보 categoricalNames목록, 기본값: null 범주형 입력의 이름 목록입니다. 이 인수에 나열되지 않은 입력은 연속적인 것으로 간주됩니다. outputFormat문자열, 기본값: 'cloglog' 출력의 확률 표현입니다. autoFeature불리언, 기본값: true 학습 샘플 수를 기반으로 사용할 특징 클래스를 자동으로 선택합니다. linear불리언, 기본값: true 선형 기능을 사용할 수 있도록 허용합니다. autofeature가 true이면 무시됩니다. quadratic불리언, 기본값: true 2차 기능을 사용할 수 있도록 허용합니다. autofeature가 true이면 무시됩니다. product불리언, 기본값: true 제품 기능 사용을 허용합니다. autofeature가 true이면 무시됩니다. threshold불리언, 기본값: false 기준점 기능을 사용할 수 있도록 허용합니다. autofeature가 true이면 무시됩니다. hinge불리언, 기본값: true 힌지 기능 사용을 허용합니다. autofeature가 true이면 무시됩니다. hingeThreshold정수, 기본값: 15 힌지 기능이 사용되기 시작하는 샘플 수입니다. autofeature가 false인 경우 무시됩니다. l2lqThreshold정수, 기본값: 10 이차 특징이 사용되기 시작하는 샘플 수입니다. autofeature가 false인 경우 무시됩니다. lq2lqptThreshold정수, 기본값: 80 제품 및 임계값 기능이 사용되기 시작하는 샘플 수입니다. autofeature가 false인 경우 무시됩니다. addSamplesToBackground불리언, 기본값: true 배경에 아직 없는 환경 값의 조합이 있는 샘플을 배경에 추가합니다. addAllSamplesToBackground불리언, 기본값: false 배경에 이미 있는 환경 값의 조합이 있더라도 모든 샘플을 배경에 추가합니다. betaMultiplier부동 소수점 수, 기본값: 1 정규화 승수입니다. 모든 자동 정규화 매개변수에 이 숫자를 곱합니다. 숫자가 클수록 분포가 더 넓어집니다. betaHinge부동 소수점 수, 기본값: -1 모든 힌지 기능에 적용할 정규화 매개변수입니다. 음수 값을 사용하면 자동 설정이 사용 설정됩니다. betaLqp부동 소수점 수, 기본값: -1 모든 선형, 이차 및 제품 기능에 적용할 정규화 매개변수입니다. 음수 값은 자동 설정을 사용 설정합니다. betaCategorical부동 소수점 수, 기본값: -1 모든 범주형 특성에 적용할 정규화 매개변수입니다. 음수 값을 사용하면 자동 설정이 사용 설정됩니다. betaThreshold부동 소수점 수, 기본값: -1 모든 임계값 기능에 적용할 정규화 매개변수입니다. 음수 값을 사용하면 자동 설정이 사용 설정됩니다. extrapolate불리언, 기본값: true 외삽 학습 중에 발생한 한계를 벗어난 환경 공간 영역을 예측합니다. doClamp불리언, 기본값: true 출력에 클램핑을 적용합니다. writeClampGrid불리언, 기본값: true 클램핑의 공간 분포를 보여주는 밴드를 출력에 추가합니다 ('clamp'). 각 지점에서 값은 클램핑이 적용된 예측 값과 클램핑이 적용되지 않은 예측 값 간의 절대 차이입니다. randomTestPoints정수, 기본값: 0 무작위 테스트 비율입니다. AUX, 누락 등을 계산하는 데 사용되는 테스트 포인트로 따로 보관할 학습 포인트의 비율입니다. seedlong, 기본값: 0 난수를 생성할 때 사용되는 시드입니다.
예
코드 편집기 (JavaScript)
// Create some sample species presence/absence training data.
var trainingData = ee . FeatureCollection ([
// Species present points.
ee . Feature ( ee . Geometry . Point ([ - 122.39567 , 38.02740 ]), { presence : 1 }),
ee . Feature ( ee . Geometry . Point ([ - 122.68560 , 37.83690 ]), { presence : 1 }),
// Species absent points.
ee . Feature ( ee . Geometry . Point ([ - 122.59755 , 37.92402 ]), { presence : 0 }),
ee . Feature ( ee . Geometry . Point ([ - 122.47137 , 37.99291 ]), { presence : 0 }),
ee . Feature ( ee . Geometry . Point ([ - 122.52905 , 37.85642 ]), { presence : 0 }),
ee . Feature ( ee . Geometry . Point ([ - 122.03010 , 37.66660 ]), { presence : 0 })
]);
// Import a Landsat 8 surface reflectance image.
var image = ee . Image ( 'LANDSAT/LC08/C02/T1_L2/LC08_044034_20200606' )
// Select the optical and thermal bands.
. select ([ '.._B.*' ]);
// Sample the image at the location of the points.
var training = image . sampleRegions ({ collection : trainingData , scale : 30 });
// Define and train a Maxent classifier from the image-sampled points.
var classifier = ee . Classifier . amnhMaxent (). train ({
features : training ,
classProperty : 'presence' ,
inputProperties : image . bandNames ()
});
// Classify the image using the Maxent classifier.
var imageClassified = image . classify ( classifier );
// Display the layers on the map.
// Species presence probability [0, 1] grades from black to white.
Map . centerObject ( image , 9 );
Map . addLayer (
image . select ([ 'SR_B4' , 'SR_B3' , 'SR_B2' ]). multiply ( 0.0000275 ). add ( - 0.2 ),
{ min : 0 , max : 0.3 }, 'Image' );
Map . addLayer (
imageClassified , { bands : 'probability' , min : 0 , max : 1 }, 'Probability' );
Map . addLayer (
trainingData . filter ( 'presence == 0' ), { color : 'red' },
'Training data (species absent)' );
Map . addLayer (
trainingData . filter ( 'presence == 1' ), { color : 'blue' },
'Training data (species present)' );
Python 설정
Python API 및 geemap를 사용한 대화형 개발에 관한 자세한 내용은
Python 환경 페이지를 참고하세요.
import ee
import geemap.core as geemap
Colab (Python)
"""Demonstrates the ee.Classifier.amnhMaxent method."""
import ee
# Authenticates to the Earth Engine servers.
ee . Authenticate ()
# Initializes the client library.
ee . Initialize ()
# Create some sample species presence/absence training data.
training_data = ee . FeatureCollection ([
# Species present points.
ee . Feature ( ee . Geometry . Point ([ - 122.39567 , 38.02740 ]), { 'presence' : 1 }),
ee . Feature ( ee . Geometry . Point ([ - 122.68560 , 37.83690 ]), { 'presence' : 1 }),
# Species absent points.
ee . Feature ( ee . Geometry . Point ([ - 122.59755 , 37.92402 ]), { 'presence' : 0 }),
ee . Feature ( ee . Geometry . Point ([ - 122.47137 , 37.99291 ]), { 'presence' : 0 }),
ee . Feature ( ee . Geometry . Point ([ - 122.52905 , 37.85642 ]), { 'presence' : 0 }),
ee . Feature ( ee . Geometry . Point ([ - 122.03010 , 37.66660 ]), { 'presence' : 0 })
])
# Import a Landsat 8 image and select the reflectance bands.
image = ( ee . Image ( 'LANDSAT/LC08/C02/T1_L2/LC08_044034_20200606' )
. select ([ 'SR_B[1-7]' ])
. multiply ( 0.0000275 ) . add ( - 0.2 )) # Apply scaling factors.
# Sample the image at the location of the points.
training = image . sampleRegions ( ** {
'collection' : training_data ,
'scale' : 30
})
# Define and train a Maxent classifier from the image-sampled points.
classifier = ee . Classifier . amnhMaxent () . train ( ** {
'features' : training ,
'classProperty' : 'presence' ,
'inputProperties' : image . bandNames ()
})
# Classify the image using the Maxent classifier.
image_classified = image . classify ( classifier )
의견 보내기
달리 명시되지 않는 한 이 페이지의 콘텐츠에는 Creative Commons Attribution 4.0 라이선스 에 따라 라이선스가 부여되며, 코드 샘플에는 Apache 2.0 라이선스 에 따라 라이선스가 부여됩니다. 자세한 내용은 Google Developers 사이트 정책 을 참조하세요. 자바는 Oracle 및/또는 Oracle 계열사의 등록 상표입니다.
최종 업데이트: 2025-07-26(UTC)
의견을 전달하고 싶나요?
[[["이해하기 쉬움","easyToUnderstand","thumb-up"],["문제가 해결됨","solvedMyProblem","thumb-up"],["기타","otherUp","thumb-up"]],[["필요한 정보가 없음","missingTheInformationINeed","thumb-down"],["너무 복잡함/단계 수가 너무 많음","tooComplicatedTooManySteps","thumb-down"],["오래됨","outOfDate","thumb-down"],["번역 문제","translationIssue","thumb-down"],["샘플/코드 문제","samplesCodeIssue","thumb-down"],["기타","otherDown","thumb-down"]],["최종 업데이트: 2025-07-26(UTC)"],[[["Models species distribution probabilities using environmental data and known presence/absence locations."],["Employs the Maximum Entropy (Maxent) algorithm for modeling."],["Outputs a probability band representing the modeled probability of species presence."],["Optionally includes a \"clamp\" band indicating areas where the prediction was limited."],["Refer to Phillips et al., 2004 for further details and citation."]]],["The core function creates a Maximum Entropy (Maxent) classifier to model species distribution probabilities. This classifier uses environmental data from known species presence locations and background locations. Key actions include training the classifier with presence/absence data, selecting features such as linear, quadratic, product, threshold, and hinge, and defining categorical inputs. The output includes a probability band, and optionally a clamp band showing the clamping difference, which is generated when using the `writeClampGrid` argument. It uses settings for extrapolation, clamping, and regularization.\n"]]
