ঘোষণা :
15 এপ্রিল, 2025 এর আগে আর্থ ইঞ্জিন ব্যবহার করার জন্য নিবন্ধিত সমস্ত অবাণিজ্যিক প্রকল্পগুলিকে অবশ্যই আর্থ ইঞ্জিন অ্যাক্সেস বজায় রাখার জন্য
অ-বাণিজ্যিক যোগ্যতা যাচাই করতে হবে।
ee.Image.sample
সেভ করা পৃষ্ঠা গুছিয়ে রাখতে 'সংগ্রহ' ব্যবহার করুন
আপনার পছন্দ অনুযায়ী কন্টেন্ট সেভ করুন ও সঠিক বিভাগে রাখুন।
একটি চিত্রের পিক্সেলের নমুনা দেয়, সেগুলিকে ফিচার কালেকশন হিসেবে ফিরিয়ে দেয়। ইনপুট ইমেজে প্রতিটি বৈশিষ্ট্যে প্রতি ব্যান্ডে 1টি বৈশিষ্ট্য থাকবে। মনে রাখবেন যে ডিফল্ট আচরণ হল এমন বৈশিষ্ট্যগুলি বাদ দেওয়া যা মুখোশযুক্ত পিক্সেলগুলিকে ছেদ করে, যার ফলে নাল-মূল্যের বৈশিষ্ট্য হয় (ড্রপনুলস আর্গুমেন্ট দেখুন)।
| ব্যবহার | রিটার্নস | Image. sample ( region , scale , projection , factor , numPixels , seed , dropNulls , tileScale , geometries ) | ফিচার কালেকশন |
| যুক্তি | টাইপ | বিস্তারিত | এই: image | ছবি | নমুনা ইমেজ. |
region | জ্যামিতি, ডিফল্ট: নাল | যে অঞ্চল থেকে নমুনা নেওয়া হবে। অনির্দিষ্ট থাকলে, ছবির পুরো পদচিহ্ন ব্যবহার করুন। |
scale | ফ্লোট, ডিফল্ট: নাল | নমুনা ইন প্রজেকশনের মিটারে একটি নামমাত্র স্কেল। |
projection | অভিক্ষেপ, ডিফল্ট: নাল | নমুনা যা অভিক্ষেপ. অনির্দিষ্ট হলে, ছবির প্রথম ব্যান্ডের অভিক্ষেপ ব্যবহার করা হয়। স্কেল ছাড়াও নির্দিষ্ট করা হলে, নির্দিষ্ট স্কেলে রিস্কেল করা হয়। |
factor | ফ্লোট, ডিফল্ট: নাল | একটি সাবস্যাম্পলিং ফ্যাক্টর, (0, 1] এর মধ্যে। নির্দিষ্ট করা থাকলে, 'numPixels' অবশ্যই নির্দিষ্ট করা যাবে না। কোনো সাবস্যাম্পলিং না হলে ডিফল্ট। |
numPixels | দীর্ঘ, ডিফল্ট: নাল | নমুনার জন্য পিক্সেলের আনুমানিক সংখ্যা। নির্দিষ্ট করা হলে, 'ফ্যাক্টর' অবশ্যই নির্দিষ্ট করা যাবে না। |
seed | পূর্ণসংখ্যা, ডিফল্ট: 0 | সাবস্যাম্পলিং এর জন্য ব্যবহার করার জন্য একটি এলোমেলোকরণ বীজ। |
dropNulls | বুলিয়ান, ডিফল্ট: সত্য | শূন্য-মূল্যবান বৈশিষ্ট্য রয়েছে এমন বৈশিষ্ট্যগুলি বাদ দিতে ফলাফলটি ফিল্টার পোস্ট করুন। |
tileScale | ফ্লোট, ডিফল্ট: 1 | অ্যাগ্রিগেশন টাইলের আকার কমাতে ব্যবহৃত একটি স্কেলিং ফ্যাক্টর; একটি বৃহত্তর টাইলস্কেল ব্যবহার করে (যেমন, 2 বা 4) ডিফল্ট সহ মেমরি ফুরিয়ে যাওয়া গণনা সক্ষম করতে পারে। |
geometries | বুলিয়ান, ডিফল্ট: মিথ্যা | সত্য হলে, আউটপুট বৈশিষ্ট্যের জ্যামিতি বৈশিষ্ট্য হিসাবে নমুনাযুক্ত পিক্সেলের কেন্দ্র যোগ করে। অন্যথায়, জ্যামিতি বাদ দেওয়া হবে (মেমরি সংরক্ষণ)। |
উদাহরণ
কোড এডিটর (জাভাস্ক্রিপ্ট)
// Demonstrate extracting pixels from an image as features with
// ee.Image.sample(), and show how the features are aligned with the pixels.
// An image with one band of elevation data.
var image = ee.Image('CGIAR/SRTM90_V4');
var VIS_MIN = 1620;
var VIS_MAX = 1650;
Map.addLayer(image, {min: VIS_MIN, max: VIS_MAX}, 'SRTM');
// Region to sample.
var region = ee.Geometry.Polygon(
[[[-110.006, 40.002],
[-110.006, 39.999],
[-109.995, 39.999],
[-109.995, 40.002]]], null, false);
// Show region on the map.
Map.setCenter(-110, 40, 16);
Map.addLayer(ee.FeatureCollection([region]).style({"color": "00FF0022"}));
// Perform sampling; convert image pixels to features.
var samples = image.sample({
region: region,
// Default (false) is no geometries in the output.
// When set to true, each feature has a Point geometry at the center of the
// image pixel.
geometries: true,
// The scale is not specified, so the resolution of the image will be used,
// and there is a feature for every pixel. If we give a scale parameter, the
// image will be resampled and there will be more or fewer features.
//
// scale: 200,
});
// Visualize sample data using ee.FeatureCollection.style().
var styled = samples
.map(function (feature) {
return feature.set('style', {
pointSize: feature.getNumber('elevation').unitScale(VIS_MIN, VIS_MAX)
.multiply(15),
});
})
.style({
color: '000000FF',
fillColor: '00000000',
styleProperty: 'style',
neighborhood: 6, // increase to correctly draw large points
});
Map.addLayer(styled);
// Each sample feature has a point geometry and a property named 'elevation'
// corresponding to the band named 'elevation' of the image. If there are
// multiple bands they will become multiple properties. This will print:
//
// geometry: Point (-110.01, 40.00)
// properties:
// elevation: 1639
print(samples.first()); পাইথন সেটআপ
পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার জন্য পাইথন এনভায়রনমেন্ট পৃষ্ঠাটি দেখুন।
import ee
import geemap.core as geemap
Colab (পাইথন)
# Demonstrate extracting pixels from an image as features with
# ee.Image.sample(), and show how the features are aligned with the pixels.
# An image with one band of elevation data.
image = ee.Image('CGIAR/SRTM90_V4')
vis_min = 1620
vis_max = 1650
m = geemap.Map()
m.add_layer(image, {'min': vis_min, 'max': vis_max}, 'SRTM')
# Region to sample.
region = ee.Geometry.Polygon(
[[
[-110.006, 40.002],
[-110.006, 39.999],
[-109.995, 39.999],
[-109.995, 40.002],
]],
None,
False,
)
# Show region on the map.
m.set_center(-110, 40, 16)
m.add_layer(ee.FeatureCollection([region]).style(color='00FF0022'))
# Perform sampling convert image pixels to features.
samples = image.sample(
region=region,
# Default (False) is no geometries in the output.
# When set to True, each feature has a Point geometry at the center of the
# image pixel.
geometries=True,
# The scale is not specified, so the resolution of the image will be used,
# and there is a feature for every pixel. If we give a scale parameter, the
# image will be resampled and there will be more or fewer features.
#
# scale=200,
)
def scale_point_size(feature):
elevation = feature.getNumber('elevation')
point_size = elevation.unitScale(vis_min, vis_max).multiply(15)
feature.set('style', {'pointSize': point_size})
return feature
# Visualize sample data using ee.FeatureCollection.style().
styled = samples.map(scale_point_size).style(
color='000000FF',
fillColor='00000000',
styleProperty='style',
neighborhood=6, # increase to correctly draw large points
)
m.add_layer(styled)
display(m)
# Each sample feature has a point geometry and a property named 'elevation'
# corresponding to the band named 'elevation' of the image. If there are
# multiple bands they will become multiple properties. This will print:
#
# geometry: Point (-110.01, 40.00)
# properties:
# elevation: 1639
display(samples.first()),একটি চিত্রের পিক্সেলের নমুনা দেয়, সেগুলিকে ফিচার কালেকশন হিসেবে ফিরিয়ে দেয়। ইনপুট ইমেজে প্রতিটি বৈশিষ্ট্যে প্রতি ব্যান্ডে 1টি বৈশিষ্ট্য থাকবে। মনে রাখবেন যে ডিফল্ট আচরণ হল এমন বৈশিষ্ট্যগুলি বাদ দেওয়া যা মুখোশযুক্ত পিক্সেলগুলিকে ছেদ করে, যার ফলে নাল-মূল্যের বৈশিষ্ট্য হয় (ড্রপনুলস আর্গুমেন্ট দেখুন)।
| ব্যবহার | রিটার্নস | Image. sample ( region , scale , projection , factor , numPixels , seed , dropNulls , tileScale , geometries ) | ফিচার কালেকশন |
| যুক্তি | টাইপ | বিস্তারিত | এই: image | ছবি | নমুনা ইমেজ. |
region | জ্যামিতি, ডিফল্ট: নাল | যে অঞ্চল থেকে নমুনা নেওয়া হবে। অনির্দিষ্ট থাকলে, ছবির পুরো পদচিহ্ন ব্যবহার করুন। |
scale | ফ্লোট, ডিফল্ট: নাল | নমুনা ইন প্রজেকশনের মিটারে একটি নামমাত্র স্কেল। |
projection | অভিক্ষেপ, ডিফল্ট: নাল | নমুনা যা অভিক্ষেপ. অনির্দিষ্ট হলে, ছবির প্রথম ব্যান্ডের অভিক্ষেপ ব্যবহার করা হয়। স্কেল ছাড়াও নির্দিষ্ট করা হলে, নির্দিষ্ট স্কেলে রিস্কেল করা হয়। |
factor | ফ্লোট, ডিফল্ট: নাল | একটি সাবস্যাম্পলিং ফ্যাক্টর, (0, 1] এর মধ্যে। নির্দিষ্ট করা থাকলে, 'numPixels' অবশ্যই নির্দিষ্ট করা যাবে না। কোনো সাবস্যাম্পলিং না হলে ডিফল্ট। |
numPixels | দীর্ঘ, ডিফল্ট: নাল | নমুনার জন্য পিক্সেলের আনুমানিক সংখ্যা। নির্দিষ্ট করা হলে, 'ফ্যাক্টর' অবশ্যই নির্দিষ্ট করা যাবে না। |
seed | পূর্ণসংখ্যা, ডিফল্ট: 0 | সাবস্যাম্পলিং এর জন্য ব্যবহার করার জন্য একটি এলোমেলোকরণ বীজ। |
dropNulls | বুলিয়ান, ডিফল্ট: সত্য | শূন্য-মূল্যবান বৈশিষ্ট্য রয়েছে এমন বৈশিষ্ট্যগুলি বাদ দিতে ফলাফলটি ফিল্টার পোস্ট করুন। |
tileScale | ফ্লোট, ডিফল্ট: 1 | অ্যাগ্রিগেশন টাইলের আকার কমাতে ব্যবহৃত একটি স্কেলিং ফ্যাক্টর; একটি বৃহত্তর টাইলস্কেল ব্যবহার করে (যেমন, 2 বা 4) ডিফল্ট সহ মেমরি ফুরিয়ে যাওয়া গণনা সক্ষম করতে পারে। |
geometries | বুলিয়ান, ডিফল্ট: মিথ্যা | সত্য হলে, আউটপুট বৈশিষ্ট্যের জ্যামিতি বৈশিষ্ট্য হিসাবে নমুনাযুক্ত পিক্সেলের কেন্দ্র যোগ করে। অন্যথায়, জ্যামিতি বাদ দেওয়া হবে (মেমরি সংরক্ষণ)। |
উদাহরণ
কোড এডিটর (জাভাস্ক্রিপ্ট)
// Demonstrate extracting pixels from an image as features with
// ee.Image.sample(), and show how the features are aligned with the pixels.
// An image with one band of elevation data.
var image = ee.Image('CGIAR/SRTM90_V4');
var VIS_MIN = 1620;
var VIS_MAX = 1650;
Map.addLayer(image, {min: VIS_MIN, max: VIS_MAX}, 'SRTM');
// Region to sample.
var region = ee.Geometry.Polygon(
[[[-110.006, 40.002],
[-110.006, 39.999],
[-109.995, 39.999],
[-109.995, 40.002]]], null, false);
// Show region on the map.
Map.setCenter(-110, 40, 16);
Map.addLayer(ee.FeatureCollection([region]).style({"color": "00FF0022"}));
// Perform sampling; convert image pixels to features.
var samples = image.sample({
region: region,
// Default (false) is no geometries in the output.
// When set to true, each feature has a Point geometry at the center of the
// image pixel.
geometries: true,
// The scale is not specified, so the resolution of the image will be used,
// and there is a feature for every pixel. If we give a scale parameter, the
// image will be resampled and there will be more or fewer features.
//
// scale: 200,
});
// Visualize sample data using ee.FeatureCollection.style().
var styled = samples
.map(function (feature) {
return feature.set('style', {
pointSize: feature.getNumber('elevation').unitScale(VIS_MIN, VIS_MAX)
.multiply(15),
});
})
.style({
color: '000000FF',
fillColor: '00000000',
styleProperty: 'style',
neighborhood: 6, // increase to correctly draw large points
});
Map.addLayer(styled);
// Each sample feature has a point geometry and a property named 'elevation'
// corresponding to the band named 'elevation' of the image. If there are
// multiple bands they will become multiple properties. This will print:
//
// geometry: Point (-110.01, 40.00)
// properties:
// elevation: 1639
print(samples.first()); পাইথন সেটআপ
পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার জন্য পাইথন এনভায়রনমেন্ট পৃষ্ঠাটি দেখুন।
import ee
import geemap.core as geemap
Colab (পাইথন)
# Demonstrate extracting pixels from an image as features with
# ee.Image.sample(), and show how the features are aligned with the pixels.
# An image with one band of elevation data.
image = ee.Image('CGIAR/SRTM90_V4')
vis_min = 1620
vis_max = 1650
m = geemap.Map()
m.add_layer(image, {'min': vis_min, 'max': vis_max}, 'SRTM')
# Region to sample.
region = ee.Geometry.Polygon(
[[
[-110.006, 40.002],
[-110.006, 39.999],
[-109.995, 39.999],
[-109.995, 40.002],
]],
None,
False,
)
# Show region on the map.
m.set_center(-110, 40, 16)
m.add_layer(ee.FeatureCollection([region]).style(color='00FF0022'))
# Perform sampling convert image pixels to features.
samples = image.sample(
region=region,
# Default (False) is no geometries in the output.
# When set to True, each feature has a Point geometry at the center of the
# image pixel.
geometries=True,
# The scale is not specified, so the resolution of the image will be used,
# and there is a feature for every pixel. If we give a scale parameter, the
# image will be resampled and there will be more or fewer features.
#
# scale=200,
)
def scale_point_size(feature):
elevation = feature.getNumber('elevation')
point_size = elevation.unitScale(vis_min, vis_max).multiply(15)
feature.set('style', {'pointSize': point_size})
return feature
# Visualize sample data using ee.FeatureCollection.style().
styled = samples.map(scale_point_size).style(
color='000000FF',
fillColor='00000000',
styleProperty='style',
neighborhood=6, # increase to correctly draw large points
)
m.add_layer(styled)
display(m)
# Each sample feature has a point geometry and a property named 'elevation'
# corresponding to the band named 'elevation' of the image. If there are
# multiple bands they will become multiple properties. This will print:
#
# geometry: Point (-110.01, 40.00)
# properties:
# elevation: 1639
display(samples.first())
অন্য কিছু উল্লেখ না করা থাকলে, এই পৃষ্ঠার কন্টেন্ট Creative Commons Attribution 4.0 License-এর অধীনে এবং কোডের নমুনাগুলি Apache 2.0 License-এর অধীনে লাইসেন্স প্রাপ্ত। আরও জানতে, Google Developers সাইট নীতি দেখুন। Java হল Oracle এবং/অথবা তার অ্যাফিলিয়েট সংস্থার রেজিস্টার্ড ট্রেডমার্ক।
2025-07-24 UTC-তে শেষবার আপডেট করা হয়েছে।
[null,null,["2025-07-24 UTC-তে শেষবার আপডেট করা হয়েছে।"],[[["\u003cp\u003e\u003ccode\u003eImage.sample()\u003c/code\u003e extracts pixel values from an image and converts them into a FeatureCollection, with each feature representing a pixel and its properties corresponding to the band values.\u003c/p\u003e\n"],["\u003cp\u003eYou can define a region of interest, control the sampling scale and projection, and adjust the number of sampled pixels using arguments like \u003ccode\u003eregion\u003c/code\u003e, \u003ccode\u003escale\u003c/code\u003e, \u003ccode\u003eprojection\u003c/code\u003e, \u003ccode\u003efactor\u003c/code\u003e, and \u003ccode\u003enumPixels\u003c/code\u003e.\u003c/p\u003e\n"],["\u003cp\u003eSampled features can optionally include point geometries representing pixel centers using the \u003ccode\u003egeometries\u003c/code\u003e argument.\u003c/p\u003e\n"],["\u003cp\u003eBy default, features associated with masked pixels (resulting in null-valued properties) are excluded, which can be controlled using the \u003ccode\u003edropNulls\u003c/code\u003e argument.\u003c/p\u003e\n"]]],[],null,["# ee.Image.sample\n\nSamples the pixels of an image, returning them as a FeatureCollection. Each feature will have 1 property per band in the input image. Note that the default behavior is to drop features that intersect masked pixels, which result in null-valued properties (see dropNulls argument).\n\n\u003cbr /\u003e\n\n| Usage | Returns |\n|--------------------------------------------------------------------------------------------------------------------------------------------------|-------------------|\n| Image.sample`(`*region* `, `*scale* `, `*projection* `, `*factor* `, `*numPixels* `, `*seed* `, `*dropNulls* `, `*tileScale* `, `*geometries*`)` | FeatureCollection |\n\n| Argument | Type | Details |\n|---------------|---------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| this: `image` | Image | The image to sample. |\n| `region` | Geometry, default: null | The region to sample from. If unspecified, uses the image's whole footprint. |\n| `scale` | Float, default: null | A nominal scale in meters of the projection to sample in. |\n| `projection` | Projection, default: null | The projection in which to sample. If unspecified, the projection of the image's first band is used. If specified in addition to scale, rescaled to the specified scale. |\n| `factor` | Float, default: null | A subsampling factor, within (0, 1\\]. If specified, 'numPixels' must not be specified. Defaults to no subsampling. |\n| `numPixels` | Long, default: null | The approximate number of pixels to sample. If specified, 'factor' must not be specified. |\n| `seed` | Integer, default: 0 | A randomization seed to use for subsampling. |\n| `dropNulls` | Boolean, default: true | Post filter the result to drop features that have null-valued properties. |\n| `tileScale` | Float, default: 1 | A scaling factor used to reduce aggregation tile size; using a larger tileScale (e.g., 2 or 4) may enable computations that run out of memory with the default. |\n| `geometries` | Boolean, default: false | If true, adds the center of the sampled pixel as the geometry property of the output feature. Otherwise, geometries will be omitted (saving memory). |\n\nExamples\n--------\n\n### Code Editor (JavaScript)\n\n```javascript\n// Demonstrate extracting pixels from an image as features with\n// ee.Image.sample(), and show how the features are aligned with the pixels.\n\n// An image with one band of elevation data.\nvar image = ee.Image('CGIAR/SRTM90_V4');\nvar VIS_MIN = 1620;\nvar VIS_MAX = 1650;\nMap.addLayer(image, {min: VIS_MIN, max: VIS_MAX}, 'SRTM');\n\n// Region to sample.\nvar region = ee.Geometry.Polygon(\n [[[-110.006, 40.002],\n [-110.006, 39.999],\n [-109.995, 39.999],\n [-109.995, 40.002]]], null, false);\n// Show region on the map.\nMap.setCenter(-110, 40, 16);\nMap.addLayer(ee.FeatureCollection([region]).style({\"color\": \"00FF0022\"}));\n\n// Perform sampling; convert image pixels to features.\nvar samples = image.sample({\n region: region,\n\n // Default (false) is no geometries in the output.\n // When set to true, each feature has a Point geometry at the center of the\n // image pixel.\n geometries: true,\n\n // The scale is not specified, so the resolution of the image will be used,\n // and there is a feature for every pixel. If we give a scale parameter, the\n // image will be resampled and there will be more or fewer features.\n //\n // scale: 200,\n});\n\n// Visualize sample data using ee.FeatureCollection.style().\nvar styled = samples\n .map(function (feature) {\n return feature.set('style', {\n pointSize: feature.getNumber('elevation').unitScale(VIS_MIN, VIS_MAX)\n .multiply(15),\n });\n })\n .style({\n color: '000000FF',\n fillColor: '00000000',\n styleProperty: 'style',\n neighborhood: 6, // increase to correctly draw large points\n });\nMap.addLayer(styled);\n\n// Each sample feature has a point geometry and a property named 'elevation'\n// corresponding to the band named 'elevation' of the image. If there are\n// multiple bands they will become multiple properties. This will print:\n//\n// geometry: Point (-110.01, 40.00)\n// properties:\n// elevation: 1639\nprint(samples.first());\n```\nPython setup\n\nSee the [Python Environment](/earth-engine/guides/python_install) page for information on the Python API and using\n`geemap` for interactive development. \n\n```python\nimport ee\nimport geemap.core as geemap\n```\n\n### Colab (Python)\n\n```python\n# Demonstrate extracting pixels from an image as features with\n# ee.Image.sample(), and show how the features are aligned with the pixels.\n\n# An image with one band of elevation data.\nimage = ee.Image('CGIAR/SRTM90_V4')\nvis_min = 1620\nvis_max = 1650\nm = geemap.Map()\nm.add_layer(image, {'min': vis_min, 'max': vis_max}, 'SRTM')\n\n# Region to sample.\nregion = ee.Geometry.Polygon(\n [[\n [-110.006, 40.002],\n [-110.006, 39.999],\n [-109.995, 39.999],\n [-109.995, 40.002],\n ]],\n None,\n False,\n)\n# Show region on the map.\nm.set_center(-110, 40, 16)\n\nm.add_layer(ee.FeatureCollection([region]).style(color='00FF0022'))\n\n# Perform sampling convert image pixels to features.\nsamples = image.sample(\n region=region,\n # Default (False) is no geometries in the output.\n # When set to True, each feature has a Point geometry at the center of the\n # image pixel.\n geometries=True,\n # The scale is not specified, so the resolution of the image will be used,\n # and there is a feature for every pixel. If we give a scale parameter, the\n # image will be resampled and there will be more or fewer features.\n #\n # scale=200,\n)\n\n\ndef scale_point_size(feature):\n elevation = feature.getNumber('elevation')\n point_size = elevation.unitScale(vis_min, vis_max).multiply(15)\n feature.set('style', {'pointSize': point_size})\n return feature\n\n\n# Visualize sample data using ee.FeatureCollection.style().\nstyled = samples.map(scale_point_size).style(\n color='000000FF',\n fillColor='00000000',\n styleProperty='style',\n neighborhood=6, # increase to correctly draw large points\n)\nm.add_layer(styled)\ndisplay(m)\n\n# Each sample feature has a point geometry and a property named 'elevation'\n# corresponding to the band named 'elevation' of the image. If there are\n# multiple bands they will become multiple properties. This will print:\n#\n# geometry: Point (-110.01, 40.00)\n# properties:\n# elevation: 1639\ndisplay(samples.first())\n```"]]
