ee.Image.reduceRegion

تطبيق أداة تقليل على جميع وحدات البكسل في منطقة معيّنة

يجب أن يحتوي المخفّض على عدد المدخلات نفسه الذي تحتويه صورة الإدخال من النطاقات، أو يجب أن يحتوي على إدخال واحد وسيتم تكراره لكل نطاق.

تعرض هذه السمة قاموسًا لنتائج أداة الاختزال.

الاستخدام	المرتجعات
Image.reduceRegion(reducer, geometry, scale, crs, crsTransform, bestEffort, maxPixels, tileScale)	القاموس

الوسيطة	النوع	التفاصيل
هذا: image	صورة	الصورة المطلوب تصغيرها
reducer	Reducer	الدالة المخفِّضة التي سيتم تطبيقها.
geometry	Geometry, default: null	المنطقة التي سيتم فيها تقليل البيانات يتم ضبط القيمة التلقائية على المساحة التي تغطيها الحزمة الأولى من الصورة.
scale	العدد العائم، القيمة التلقائية: null	مقياس اسمي بالمتر للإسقاط الذي سيتم العمل فيه
crs	التوقّع، القيمة التلقائية: null	تمثّل هذه السمة نظام الإحداثيات الذي سيتم استخدامه. في حال عدم تحديدها، يتم استخدام إسقاط النطاق الأول للصورة. إذا تم تحديدها بالإضافة إلى المقياس، سيتم إعادة قياسها وفقًا للمقياس المحدّد.
crsTransform	قائمة، القيمة التلقائية: فارغة	قائمة بقيم تحويل نظام الإحداثيات المرجعية (CRS). هذا ترتيب رئيسي للصف لمصفوفة التحويل 3x2. هذا الخيار غير متوافق مع الخيار "المقياس"، ويحلّ محلّ أي عملية تحويل تم ضبطها مسبقًا على العرض.
bestEffort	قيمة منطقية، القيمة التلقائية: false	إذا كان المضلّع سيحتوي على عدد كبير جدًا من وحدات البكسل بالمقياس المحدّد، احسب واستخدِم مقياسًا أكبر يسمح بنجاح العملية.
maxPixels	Long، القيمة التلقائية: 10000000	الحد الأقصى لعدد وحدات البكسل التي يمكن تقليلها
tileScale	عدد عائم، القيمة التلقائية: 1	عامل قياس بين 0.1 و16 يُستخدَم لضبط حجم مربّع التجميع. يؤدي ضبط قيمة أكبر لـ tileScale (مثل 2 أو 4) تستخدم مربّعات أصغر حجمًا وقد تتيح إجراء عمليات حسابية لا يمكن إجراؤها باستخدام الإعداد التلقائي بسبب نفاد الذاكرة.

أمثلة

محرّر الرموز البرمجية (JavaScript)

// A Landsat 8 surface reflectance image with SWIR1, NIR, and green bands.
var img = ee.Image('LANDSAT/LC08/C02/T1_L2/LC08_044034_20210508')
              .select(['SR_B6', 'SR_B5', 'SR_B3']);

// Santa Cruz Mountains ecoregion geometry.
var geom = ee.FeatureCollection('EPA/Ecoregions/2013/L4')
               .filter('us_l4name == "Santa Cruz Mountains"').geometry();

// Display layers on the map.
Map.setCenter(-122.08, 37.22, 9);
Map.addLayer(img, {min: 10000, max: 20000}, 'Landsat image');
Map.addLayer(geom, {color: 'white'}, 'Santa Cruz Mountains ecoregion');

// Calculate median band values within Santa Cruz Mountains ecoregion. It is
// good practice to explicitly define "scale" (or "crsTransform") and "crs"
// parameters of the analysis to avoid unexpected results from undesired
// defaults when e.g. reducing a composite image.
var stats = img.reduceRegion({
  reducer: ee.Reducer.median(),
  geometry: geom,
  scale: 30,  // meters
  crs: 'EPSG:3310',  // California Albers projection
});

// A dictionary is returned; keys are band names, values are the statistic.
print('Median band values, Santa Cruz Mountains ecoregion', stats);

// You can combine reducers to calculate e.g. mean and standard deviation
// simultaneously. The output dictionary keys are the concatenation of the band
// names and statistic names, separated by an underscore.
var reducer = ee.Reducer.mean().combine({
  reducer2: ee.Reducer.stdDev(),
  sharedInputs: true
});
var multiStats = img.reduceRegion({
  reducer: reducer,
  geometry: geom,
  scale: 30,
  crs: 'EPSG:3310',
});
print('Mean & SD band values, Santa Cruz Mountains ecoregion', multiStats);

إعداد Python

راجِع صفحة بيئة Python للحصول على معلومات حول واجهة برمجة التطبيقات Python واستخدام geemap للتطوير التفاعلي.

import ee
import geemap.core as geemap

Colab (Python)

# A Landsat 8 surface reflectance image with SWIR1, NIR, and green bands.
img = ee.Image('LANDSAT/LC08/C02/T1_L2/LC08_044034_20210508').select(
    ['SR_B6', 'SR_B5', 'SR_B3']
)

# Santa Cruz Mountains ecoregion geometry.
geom = (
    ee.FeatureCollection('EPA/Ecoregions/2013/L4')
    .filter('us_l4name == "Santa Cruz Mountains"')
    .geometry()
)

# Display layers on the map.
m = geemap.Map()
m.set_center(-122.08, 37.22, 9)
m.add_layer(img, {'min': 10000, 'max': 20000}, 'Landsat image')
m.add_layer(geom, {'color': 'white'}, 'Santa Cruz Mountains ecoregion')
display(m)

# Calculate median band values within Santa Cruz Mountains ecoregion. It is
# good practice to explicitly define "scale" (or "crsTransform") and "crs"
# parameters of the analysis to avoid unexpected results from undesired
# defaults when e.g. reducing a composite image.
stats = img.reduceRegion(
    reducer=ee.Reducer.median(),
    geometry=geom,
    scale=30,  # meters
    crs='EPSG:3310',  # California Albers projection
)

# A dictionary is returned keys are band names, values are the statistic.
display('Median band values, Santa Cruz Mountains ecoregion', stats)

# You can combine reducers to calculate e.g. mean and standard deviation
# simultaneously. The output dictionary keys are the concatenation of the band
# names and statistic names, separated by an underscore.
reducer = ee.Reducer.mean().combine(
    reducer2=ee.Reducer.stdDev(), sharedInputs=True
)
multi_stats = img.reduceRegion(
    reducer=reducer,
    geometry=geom,
    scale=30,
    crs='EPSG:3310',
)
display('Mean & SD band values, Santa Cruz Mountains ecoregion', multi_stats)