Wprowadzamy w Earth Engine
poziomy limitów niekomercyjnych, aby chronić współdzielone zasoby obliczeniowe i zapewnić niezawodną wydajność dla wszystkich. We wszystkich projektach niekomercyjnych trzeba będzie wybrać poziom limitu do
27 kwietnia 2026 r.. W przeciwnym razie zostanie im przydzielony poziom Społeczność. Limity poziomu zaczną obowiązywać we wszystkich projektach (niezależnie od daty wyboru poziomu) od
27 kwietnia 2026 r. Więcej informacji
ee.Image.sample
Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
Próbkuje piksele obrazu i zwraca je jako FeatureCollection. Każda cecha będzie miała 1 właściwość na pasmo w obrazie wejściowym. Pamiętaj, że domyślnie cechy, które przecinają zamaskowane piksele, są usuwane, co powoduje, że właściwości mają wartość null (patrz argument dropNulls).
| Wykorzystanie | Zwroty |
|---|
Image.sample(region, scale, projection, factor, numPixels, seed, dropNulls, tileScale, geometries) | FeatureCollection |
| Argument | Typ | Szczegóły |
|---|
to: image | Obraz | Obraz do próbkowania. |
region | Geometria, domyślnie: null | Region, z którego ma pochodzić próbka. Jeśli nie zostanie podany, używana jest cała powierzchnia obrazu. |
scale | Liczba zmiennoprzecinkowa, domyślnie: null | Skala nominalna w metrach projekcji, w której ma być przeprowadzane próbkowanie. |
projection | Prognoza, domyślnie: null | Projekcja, w której ma być przeprowadzane próbkowanie. Jeśli nie zostanie określona, używana jest projekcja pierwszego pasma obrazu. Jeśli jest określony dodatkowo do skali, jest przeskalowywany do określonej skali. |
factor | Liczba zmiennoprzecinkowa, domyślnie: null | Współczynnik próbkowania poniżej 1, w zakresie (0, 1]. Jeśli ten parametr jest określony, nie można określić parametru „numPixels”. Domyślnie nie jest stosowane podpróbkowanie. |
numPixels | Długi, domyślny: null | Przybliżona liczba pikseli do próbkowania. Jeśli określono parametr „factor”, nie można określić parametru „factor”. |
seed | Liczba całkowita, domyślnie: 0 | Wartość początkowa randomizacji do użycia w próbkowaniu. |
dropNulls | Wartość logiczna, domyślnie: true | Po przefiltrowaniu wyników usuń obiekty, które mają właściwości o wartości null. |
tileScale | Liczba zmiennoprzecinkowa, domyślnie: 1 | Współczynnik skalowania używany do zmniejszania rozmiaru kafelka agregacji.Użycie większej wartości tileScale (np. 2 lub 4) może umożliwić obliczenia, które w przypadku domyślnego ustawienia wyczerpują pamięć. |
geometries | Wartość logiczna, domyślnie: false | Jeśli wartość to „true”, do właściwości geometrycznej obiektu wyjściowego zostanie dodany środek próbkowanego piksela. W przeciwnym razie geometrie zostaną pominięte (co pozwoli zaoszczędzić pamięć). |
Przykłady
Edytor kodu (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());
Konfiguracja Pythona
Informacje o interfejsie Python API i używaniu geemap do interaktywnego programowania znajdziesz na stronie
Środowisko Python.
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())
O ile nie stwierdzono inaczej, treść tej strony jest objęta licencją Creative Commons – uznanie autorstwa 4.0, a fragmenty kodu są dostępne na licencji Apache 2.0. Szczegółowe informacje na ten temat zawierają zasady dotyczące witryny Google Developers. Java jest zastrzeżonym znakiem towarowym firmy Oracle i jej podmiotów stowarzyszonych.
Ostatnia aktualizacja: 2025-07-26 UTC.
[null,null,["Ostatnia aktualizacja: 2025-07-26 UTC."],[],[]]