ee.Image.sample

Faz amostragem dos pixels de uma imagem, retornando-os como um FeatureCollection. Cada recurso terá uma propriedade por banda na imagem de entrada. O comportamento padrão é descartar recursos que se cruzam com pixels mascarados, resultando em propriedades com valor nulo (consulte o argumento "dropNulls").

Uso	Retorna
Image.sample(region, scale, projection, factor, numPixels, seed, dropNulls, tileScale, geometries)	FeatureCollection

Argumento	Tipo	Detalhes
isso: image	Imagem	A imagem a ser amostrada.
region	Geometria, padrão: nulo	A região de onde a amostra será coletada. Se não for especificado, usará toda a área da imagem.
scale	Ponto flutuante, padrão: nulo	Uma escala nominal em metros da projeção para amostragem.
projection	Projeção, padrão: nulo	A projeção em que a amostragem será feita. Se não for especificada, será usada a projeção da primeira banda da imagem. Se especificado além da escala, será redimensionado para a escala especificada.
factor	Ponto flutuante, padrão: nulo	Um fator de subamostragem, dentro de (0, 1]. Se especificado, "numPixels" não poderá ser especificado. O padrão é sem subamostragem.
numPixels	Long, padrão: null	O número aproximado de pixels a serem amostrados. Se especificado, o "fator" não poderá ser especificado.
seed	Número inteiro, padrão: 0	Uma semente de aleatorização a ser usada para subamostragem.
dropNulls	Booleano, padrão: verdadeiro	Faça uma pós-filtragem do resultado para descartar atributos com propriedades de valor nulo.
tileScale	Ponto flutuante, padrão: 1	Um fator de escalonamento usado para reduzir o tamanho do bloco de agregação. Usar um tileScale maior (por exemplo, 2 ou 4) podem ativar cálculos que ficam sem memória com o padrão.
geometries	Booleano, padrão: falso	Se for "true", adiciona o centro do pixel amostrado como a propriedade de geometria do recurso de saída. Caso contrário, as geometrias serão omitidas (economizando memória).

Exemplos

Editor de código (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());

Configuração do Python

Consulte a página Ambiente Python para informações sobre a API Python e como usar geemap para desenvolvimento interativo.

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())