ee.Image.reduceRegions

طبِّق مُخفِّضًا على مساحة كلّ عنصر في المجموعة المحدّدة.

يجب أن يحتوي المُخفِّض على عدد الإدخالات نفسه الذي تحتوي عليه صورة الإدخال.

تُعيد ميزات الإدخال، وكلّ منها مُعدَّل بمخرجات المُختزل المقابلة.

الاستخدام	المرتجعات
Image.reduceRegions(collection, reducer, scale, crs, crsTransform, tileScale, maxPixelsPerRegion)	FeatureCollection

الوسيطة	النوع	التفاصيل
هذا: image	صورة	الصورة المطلوب تصغيرها.
collection	FeatureCollection	الميزات التي يجب تقليلها
reducer	مُخفِّض	المُخفِّض الذي سيتم تطبيقه.
scale	عدد عائم، القيمة التلقائية: لا شيء	مقياس اسمي بالأمتار للعرض المطلوب العمل به
crs	الإسقاط، القيمة التلقائية: null	الإسقاط المطلوب العمل به في حال عدم تحديدها، يتم استخدام إسقاط النطاق الأول للصورة. إذا تم تحديده بالإضافة إلى المقياس، تتم إعادة تقييمه وفقًا للمقياس المحدّد.
crsTransform	قائمة، القيمة التلقائية: فارغة	قائمة قيم تحويل نظام تحديد المواقع الجغرافية (CRS) هذا هو ترتيب الصفوف الرئيسي لمصفّة التحويل 3×2. هذا الخيار غير متوافق مع "المقياس"، وسيحلّ محلّ أيّ عملية تحويل سبق ضبطها على الإسقاط.
tileScale	عدد عائم، القيمة التلقائية: 1	عامل قياس يُستخدَم لتقليل حجم مربّع التجميع. باستخدام قيمة أكبر لمقياس المربّع (مثل 2 أو 4) قد يؤدي إلى تفعيل العمليات الحسابية التي تنفد منها الذاكرة باستخدام الإعداد التلقائي.
maxPixelsPerRegion	طويلة، القيمة التلقائية: لا شيء	الحد الأقصى لعدد وحدات البكسل التي يمكن تقليلها لكل منطقة

أمثلة

محرِّر الرموز البرمجية (JavaScript)

// A Landsat 8 SR 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 ecoregions feature collection.
var regionCol = ee.FeatureCollection('EPA/Ecoregions/2013/L4')
                    .filter('us_l4name == "Santa Cruz Mountains" || ' +
                            'us_l4name == "San Mateo Coastal Hills" || ' +
                            'us_l4name == "Leeward Hills"');

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

// Calculate median band values within Santa Cruz Mountains ecoregions. 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.reduceRegions({
  collection: regionCol,
  reducer: ee.Reducer.median(),
  scale: 30,  // meters
  crs: 'EPSG:3310',  // California Albers projection
});

// The input feature collection is returned with new properties appended.
// The new properties are the outcome of the region reduction per image band,
// for each feature in the collection. Region reduction property names
// are the same as the input image band names.
print('Median band values, Santa Cruz Mountains ecoregions', stats);

// You can combine reducers to calculate e.g. mean and standard deviation
// simultaneously. The resulting property names 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.reduceRegions({
  collection: regionCol,
  reducer: reducer,
  scale: 30,
  crs: 'EPSG:3310',
});
print('Mean & SD band values, Santa Cruz Mountains ecoregions', multiStats);

إعداد لغة Python

اطّلِع على صفحة بيئة Python للحصول على معلومات عن واجهة برمجة التطبيقات Python API واستخدام IDE geemap لتطوير التطبيقات التفاعلي.

import ee
import geemap.core as geemap

Colab (Python)

# A Landsat 8 SR 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 ecoregions feature collection.
region_col = ee.FeatureCollection('EPA/Ecoregions/2013/L4').filter(
    'us_l4name == "Santa Cruz Mountains" || '
    + 'us_l4name == "San Mateo Coastal Hills" || '
    + 'us_l4name == "Leeward Hills"'
)

# 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(
    region_col, {'color': 'white'}, 'Santa Cruz Mountains ecoregions'
)
display(m)

# Calculate median band values within Santa Cruz Mountains ecoregions. 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.reduceRegions(
    collection=region_col,
    reducer=ee.Reducer.median(),
    scale=30,  # meters
    crs='EPSG:3310',  # California Albers projection
)

# The input feature collection is returned with new properties appended.
# The new properties are the outcome of the region reduction per image band,
# for each feature in the collection. Region reduction property names
# are the same as the input image band names.
display('Median band values, Santa Cruz Mountains ecoregions', stats)

# You can combine reducers to calculate e.g. mean and standard deviation
# simultaneously. The resulting property names 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.reduceRegions(
    collection=region_col,
    reducer=reducer,
    scale=30,
    crs='EPSG:3310',
)
display('Mean & SD band values, Santa Cruz Mountains ecoregions', multi_stats)