ee.Image.sample

이미지의 픽셀을 샘플링하여 FeatureCollection으로 반환합니다. 각 특징에는 입력 이미지의 밴드당 속성이 하나씩 있습니다. 기본 동작은 마스크 처리된 픽셀과 교차하는 기능을 삭제하여 null 값 속성이 생성되는 것입니다 (dropNulls 인수 참고).

사용	반환 값
Image.sample(region, scale, projection, factor, numPixels, seed, dropNulls, tileScale, geometries)	FeatureCollection

인수	유형	세부정보
다음과 같은 경우: image	이미지	샘플링할 이미지입니다.
region	기하학, 기본값: null	샘플링할 리전입니다. 지정하지 않으면 이미지의 전체 설치 공간을 사용합니다.
scale	부동 소수점 수, 기본값: null	샘플링할 투영의 명목상 스케일(미터)입니다.
projection	예상, 기본값: null	샘플링할 투영입니다. 지정하지 않으면 이미지의 첫 번째 밴드의 투영이 사용됩니다. 크기 조정 외에 지정된 경우 지정된 크기로 다시 조정됩니다.
factor	부동 소수점 수, 기본값: null	(0, 1] 범위의 다운샘플링 요소입니다. 지정된 경우 'numPixels'를 지정하면 안 됩니다. 기본값은 서브샘플링 없음입니다.
numPixels	long, 기본값: null	샘플링할 대략적인 픽셀 수입니다. 지정된 경우 'factor'는 지정하면 안 됩니다.
seed	정수, 기본값: 0	하위 샘플링에 사용할 무작위 순서 지정 시드입니다.
dropNulls	불리언, 기본값: true	결과를 필터링하여 null 값 속성이 있는 기능을 삭제합니다.
tileScale	부동 소수점 수, 기본값: 1	집계 타일 크기를 줄이는 데 사용되는 확장 요소입니다. 더 큰 tileScale (예: 2 또는 4)를 사용하면 기본값으로 메모리가 부족한 계산을 실행할 수 있습니다.
geometries	불리언, 기본값: false	true인 경우 샘플링된 픽셀의 중심을 출력 피처의 geometry 속성으로 추가합니다. 그렇지 않으면 지오메트리가 생략되어 메모리가 절약됩니다.

예

코드 편집기 (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 설정

Python API 및 geemap를 사용한 대화형 개발에 관한 자세한 내용은 Python 환경 페이지를 참고하세요.

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())