GEE Python API表格导出失败：出现未预期错误

我帮你分析下这个问题：虽然错误提示提到了“空日期范围”，但根源大概率是GEE Python API和JS API在处理Feature属性类型时的细微差异——直接把混淆矩阵返回的ee.Array作为Feature属性传递给导出任务时，Python端的序列化逻辑和JS不一样，进而触发了无关的内部错误。下面是几个可以尝试的解决方案：

方案1：在服务器端把数组转成列表 #

用GEE内置的arrayToList()方法，把混淆矩阵的数组转换为嵌套列表后再作为属性，这样导出时就能正常处理：

# 先计算混淆矩阵
utterConfusion = validated.errorMatrix('class','classification')

# 关键修改：用arrayToList()转换数组类型
collection = ee.FeatureCollection([
    ee.Feature(None, {
        'array': utterConfusion.array().arrayToList(),
        'accuracy': utterConfusion.accuracy(),
        'kappa': utterConfusion.kappa()
    }),
])

task_config = {
    'description': 'ConfusionMatrix_jupyter',
    'folder': 'Colab Notebooks',
    'fileFormat': 'CSV'
}

task = ee.batch.Export.table.toDrive(collection, **task_config)
task.start()

方案2：拉取数据到本地再构建Feature #

如果你的混淆矩阵规模不大，完全可以先把矩阵数据、精度和kappa值拉取到本地，再用本地值构建Feature——这样彻底避开服务器端的序列化问题：

utterConfusion = validated.errorMatrix('class','classification')

# 把数据拉取到本地（混淆矩阵一般很小，不会有性能问题）
confusion_array = utterConfusion.array().getInfo()
accuracy = utterConfusion.accuracy().getInfo()
kappa = utterConfusion.kappa().getInfo()

# 用本地数据构建FeatureCollection，数组可以转成字符串方便CSV存储
collection = ee.FeatureCollection([
    ee.Feature(None, {
        'array': str(confusion_array),
        'accuracy': accuracy,
        'kappa': kappa
    }),
])

task_config = {
    'description': 'ConfusionMatrix_jupyter',
    'folder': 'Colab Notebooks',
    'fileFormat': 'CSV'
}

task = ee.batch.Export.table.toDrive(collection, **task_config)
task.start()

额外排查点：日期过滤的左闭右开坑 #

虽然你说前置步骤没问题，但还是要提醒你：GEE的filterDate(start, end)是左闭右开的范围。如果你在Python中写的是：

sen2_temporal_filter = sen2_spatial_filter.filterDate('2016-06-05', '2016-06-05')

这个范围实际上是空的（结束日期不包含当天），正确写法应该是把结束日期往后推一天：

sen2_temporal_filter = sen2_spatial_filter.filterDate('2016-06-05', '2016-06-06')

如果JS中用相同日期能拿到影像，可能是JS API有隐性处理差异，这个点可以排查下，避免后续流程出现空集合的隐患。

试试上面的方案，应该能解决导出时的错误问题。

内容的提问来源于stack exchange，提问作者MappaGnosis