ee.Image.reduceRegion

ใช้ตัวลดกับพิกเซลทั้งหมดในภูมิภาคที่เฉพาะเจาะจง

ตัวลดต้องมีอินพุตจำนวนเท่ากับจำนวนแบนด์ของรูปภาพอินพุต หรือต้องมีอินพุตเดียวและจะทำซ้ำสำหรับแต่ละแบนด์

แสดงผลพจนานุกรมของเอาต์พุตของตัวลด

การใช้งาน	การคืนสินค้า
Image.reduceRegion(reducer, geometry, scale, crs, crsTransform, bestEffort, maxPixels, tileScale)	พจนานุกรม

อาร์กิวเมนต์	ประเภท	รายละเอียด
ดังนี้ image	รูปภาพ	รูปภาพที่จะลดขนาด
reducer	ตัวลดตำแหน่ง	ตัวลดที่จะใช้
geometry	เรขาคณิต ค่าเริ่มต้น: null	ภูมิภาคที่จะลดข้อมูล ค่าเริ่มต้นคือรอยเท้าของแถบแรกของรูปภาพ
scale	ลอย ค่าเริ่มต้น: null	มาตราส่วนที่ระบุเป็นเมตรของโปรเจ็กชันที่จะใช้
crs	การฉายภาพ ค่าเริ่มต้น: null	การฉายภาพเพื่อทำงาน หากไม่ได้ระบุ ระบบจะใช้การฉายภาพของแถบแรกของรูปภาพ หากระบุเพิ่มเติมจากสเกล ระบบจะปรับขนาดใหม่เป็นสเกลที่ระบุ
crsTransform	รายการ (ค่าเริ่มต้น: null)	รายการค่าการแปลง CRS นี่คือการจัดลำดับแถวหลักของเมทริกซ์การเปลี่ยนรูปแบบ 3x2 ตัวเลือกนี้ใช้ร่วมกับ "scale" ไม่ได้ และจะแทนที่การเปลี่ยนรูปแบบที่ตั้งค่าไว้แล้วในการฉายภาพ
bestEffort	บูลีน ค่าเริ่มต้น: false	หากรูปหลายเหลี่ยมมีพิกเซลมากเกินไปในระดับที่กำหนด ให้คำนวณและใช้ระดับที่ใหญ่ขึ้นเพื่อให้การดำเนินการสำเร็จ
maxPixels	Long, ค่าเริ่มต้น: 10000000	จำนวนพิกเซลสูงสุดที่จะลด
tileScale	Float, ค่าเริ่มต้น: 1	ปัจจัยการปรับขนาดระหว่าง 0.1 ถึง 16 ที่ใช้เพื่อปรับขนาดไทล์การรวม การตั้งค่า tileScale ที่ใหญ่ขึ้น (เช่น 2 หรือ 4) จะใช้ไทล์ขนาดเล็กกว่าและอาจเปิดใช้การคำนวณที่หน่วยความจำหมดด้วยค่าเริ่มต้น

ตัวอย่าง

โปรแกรมแก้ไขโค้ด (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);

การตั้งค่า Python

ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap เพื่อการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้า สภาพแวดล้อม Python

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)