本案例是一个分类教程，考虑了土地分类的59各波段信息，这里不做过多的介绍的了，直接参考文中代码注释。利用sentinel-1/2数据集进行土地分类
函数：
reduceNeighborhood(reducer, kernel, inputWeight, skipMasked, optimization)
将给定的还原器应用于每个像素周围的邻域，这是由给定的内核决定的。如果减速器只有一个输入，它将被分别应用于集合的每个波段；否则，它必须有与输入图像的波段数量相同的输入。
还原器的输出名称决定了输出波段的名称：有多个输入的还原器将直接使用输出名称，而只有一个输入的还原器将在输出名称前加上输入波段的名称（例如，'10_mean'，'20_mean'，等等）。
带有加权输入的还原器可以根据输入掩码、内核值或这两者中的较小者来确定输入权重。
参数。
this:image（图像）。
输入的图像。
reducer (减速器)。
要应用于邻域内像素的还原器。
kernel（内核）。
定义邻域的内核。
inputWeight (String, default: "kernel")。
mask"、"kernel "或 "min "中的一个。
skipMasked（布尔值，默认为true）。
如果对应的输入像素被屏蔽了，则屏蔽输出像素。
optimization（字符串，默认：nullÿ