Ankündigung: Alle nicht kommerziellen Projekte, die vor dem
15. April 2025 für die Nutzung von Earth Engine registriert wurden, müssen
die Berechtigung zur nicht kommerziellen Nutzung bestätigen, um den Zugriff aufrechtzuerhalten. Wenn Sie Ihren Status nicht bis zum 26. September 2025 bestätigen, wird Ihr Zugriff möglicherweise eingeschränkt.
ee.Image.sample
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Entnimmt Pixel aus einem Bild und gibt sie als FeatureCollection zurück. Für jedes Feature gibt es eine Eigenschaft pro Band im Eingabebild. Standardmäßig werden Features, die sich mit maskierten Pixeln überschneiden, entfernt, was zu Attributen mit Nullwerten führt (siehe Argument „dropNulls“).
Nutzung | Ausgabe |
---|
Image.sample(region, scale, projection, factor, numPixels, seed, dropNulls, tileScale, geometries) | FeatureCollection |
Argument | Typ | Details |
---|
So gehts: image | Bild | Das Bild, aus dem die Stichprobe entnommen werden soll. |
region | Geometrie, Standardwert: null | Die Region, aus der die Stichprobe gezogen werden soll. Wenn nichts angegeben ist, wird die gesamte Fläche des Bildes verwendet. |
scale | Gleitkommazahl, Standardwert: null | Eine nominale Skala in Metern der Projektion, in der die Stichprobe erstellt werden soll. |
projection | Projektion, Standardwert: null | Die Projektion, in der die Stichproben genommen werden sollen. Wenn nichts angegeben ist, wird die Projektion des ersten Bands des Bildes verwendet. Wird zusätzlich zur Skalierung angegeben und auf die angegebene Skalierung skaliert. |
factor | Gleitkommazahl, Standardwert: null | Ein Subsampling-Faktor im Bereich (0, 1]. Falls angegeben, darf „numPixels“ nicht angegeben werden. Standardmäßig wird kein Subsampling verwendet. |
numPixels | Lang, Standardwert: null | Die ungefähre Anzahl der Pixel, für die Stichproben erhoben werden sollen. Wenn angegeben, darf „factor“ nicht angegeben werden. |
seed | Ganzzahl, Standardwert: 0 | Ein Randomisierungs-Seed, der für die Teilstichprobenerhebung verwendet werden soll. |
dropNulls | Boolescher Wert, Standard: „true“ | Filtern Sie das Ergebnis nach der Verarbeitung, um Merkmale mit Eigenschaften mit Nullwerten zu entfernen. |
tileScale | Gleitkommazahl, Standardwert: 1 | Ein Skalierungsfaktor, mit dem die Größe von Aggregationskacheln verringert wird. Wenn Sie einen größeren tileScale-Wert verwenden (z. B. 2 oder 4) können Berechnungen ermöglicht werden, die mit dem Standardwert nicht möglich sind, weil der Arbeitsspeicher nicht ausreicht. |
geometries | Boolescher Wert, Standard: „false“ | Wenn „true“, wird der Mittelpunkt des ausgewählten Pixels als Geometrieeigenschaft des Ausgabeelements hinzugefügt. Andernfalls werden Geometrien ausgelassen, um Speicherplatz zu sparen. |
Beispiele
Code-Editor (JavaScript)
// 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());
Python einrichten
Informationen zur Python API und zur Verwendung von geemap
für die interaktive Entwicklung finden Sie auf der Seite
Python-Umgebung.
import ee
import geemap.core as geemap
Colab (Python)
# 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())
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2025-07-26 (UTC).
[null,null,["Zuletzt aktualisiert: 2025-07-26 (UTC)."],[],[]]