本文主要是利用准备好的影像和一景准备好的样本点来进行分析，在以下脚本中，我们将探索将像素分类为专题类的技术。 我们将使用只有五个类别（城市、农业、水、沙和湿地）的简化图例。 图像分类的两种主要技术是无监督分类和监督分类。 在第一种情况下，图像的像素根据它们的光谱相似性被分为许多类（数量类最初可能不对应于土地覆盖类）。 相似的像素属于同一类，尽管没有主题信息（即提供土地覆盖类的名称）。 该技术不需要使用训练数据来构建分类模型。 是在后处理步骤中使用，为每个组定义主题类。 关于有限兴趣区域的示例逐渐使用了越来越多的时间序列数据集：仅 S2和 S1，然后是 S1、S2 和地形（高程和坡度）的组合图像。
这里的多源遥感影像就是我们利用SAR和光谱影像以及地形参数以及其它植被指数作为一个多波段影像，多波段单景影像就是我们的多源遥感数据，而其它的就是谁当随机森林和其它监督分类方法，无论是评估土地分类还是其它，方法都一样，变量就是影像波段，所以我们只管添加参数就好了，剩下的就按照监督分类即可。
函数：
sample示例（region、scale、project、factor、numPixels、seed、dropNulls、tileScale、geometry）
对图像的像素进行采样，将它们作为 FeatureCollection 返回。 每个特征在输入图像中的每个