ee.Image.reduceRegions

החלת פונקציית הפחתה (reducer) על האזור של כל תכונה בקולקציה הנתונה.

למצמצם צריך להיות אותו מספר מקורות קלט כמו שיש לתמונה של הקלט.

הפונקציה מחזירה את מאפייני הקלט, כאשר כל אחד מהם משופר באמצעות הפלט המתאים של המצמצם.

שימוש	החזרות
Image.reduceRegions(collection, reducer, scale, crs, crsTransform, tileScale, maxPixelsPerRegion)	FeatureCollection

ארגומנט	סוג	פרטים
זה: image	תמונה	התמונה שרוצים להקטין.
collection	FeatureCollection	התכונות שרוצים לצמצם.
reducer	Reducer	הפונקציה להפחתת הערכים.
scale	מספר ממשי (float), ברירת המחדל: null	קנה מידה נומינלי במטרים של התצוגה שרוצים לעבוד בה.
crs	תחזית, ברירת מחדל: null	התצוגה שרוצים לעבוד בה. אם לא צוין, המערכת תשתמש בתצוגה של הפס הראשון בתמונה. אם מצוין בנוסף לסולם, מתבצע שינוי של קנה המידה בהתאם לסולם שצוין.
crsTransform	רשימה, ברירת המחדל: null	רשימת הערכים של טרנספורמציית CRS. זוהי סדרת שורות של מטריצת הטרנספורמציה 3x2. האפשרות הזו לא יכולה להתקיים יחד עם 'scale', והיא תחליף כל טרנספורמציה שכבר מוגדרת בתצוגה.
tileScale	מספר ממשי (float), ברירת המחדל: 1	גורם לקביעת קנה מידה שמשמש להקטנת גודל המשבצת של הצבירה. שימוש ב-tileScale גדול יותר (למשל, 2 או 4) עשויים לאפשר חישובים שמחוסרים להם זיכרון עם ברירת המחדל.
maxPixelsPerRegion	Long, ברירת המחדל: null	מספר הפיקסלים המקסימלי לקיצור בכל אזור.

דוגמאות

Code Editor‏ (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);

הגדרת Python

בדף סביבת Python מפורט מידע על Python API ועל השימוש ב-geemap לפיתוח אינטראקטיבי.

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)