ee.ImageCollection.reduceToImage
संग्रह की मदद से व्यवस्थित रहें
अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.
यह फ़ंक्शन, फ़ीचर कलेक्शन से इमेज बनाता है. इसके लिए, यह फ़ंक्शन उन सभी फ़ीचर की चुनी गई प्रॉपर्टी पर रिड्यूसर लागू करता है जो हर पिक्सल को इंटरसेक्ट करती हैं.
| इस्तेमाल | रिटर्न |
|---|
ImageCollection.reduceToImage(properties, reducer) | इमेज |
| आर्ग्यूमेंट | टाइप | विवरण |
|---|
यह: collection | FeatureCollection | हर आउटपुट पिक्सल के साथ इंटरसेक्ट करने के लिए, फ़ीचर कलेक्शन. |
properties | सूची | हर सुविधा से चुनने के लिए प्रॉपर्टी और उन्हें रिड्यूसर में पास करने के लिए प्रॉपर्टी. |
reducer | रेड्यूसर | यह एक Reducer होता है. इसका इस्तेमाल, इंटरसेक्ट करने वाली हर सुविधा की प्रॉपर्टी को एक साथ मिलाकर, फ़ाइनल नतीजे में बदलने के लिए किया जाता है. इस फ़ाइनल नतीजे को पिक्सल में सेव किया जाता है. |
उदाहरण
कोड एडिटर (JavaScript)
var col = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
.filterBounds(ee.Geometry.BBox(-124.0, 43.2, -116.5, 46.3))
.filterDate('2021', '2022');
// Image visualization settings.
var visParams = {
bands: ['B4', 'B3', 'B2'],
min: 0.01,
max: 0.25
};
Map.addLayer(col.mean(), visParams, 'RGB mean');
// Reduce the geometry (footprint) of images in the collection to an image.
// Image property values are applied to the pixels intersecting each
// image's geometry and then a per-pixel reduction is performed according
// to the selected reducer. Here, the image cloud cover property is assigned
// to the pixels intersecting image geometry and then reduced to a single
// image representing the per-pixel mean image cloud cover.
var meanCloudCover = col.reduceToImage({
properties: ['CLOUD_COVER'],
reducer: ee.Reducer.mean()
});
Map.setCenter(-119.87, 44.76, 6);
Map.addLayer(meanCloudCover, {min: 0, max: 50}, 'Cloud cover mean');
Python सेटअप करना
Python API और इंटरैक्टिव डेवलपमेंट के लिए geemap का इस्तेमाल करने के बारे में जानकारी पाने के लिए,
Python एनवायरमेंट पेज देखें.
import ee
import geemap.core as geemap
Colab (Python)
col = (
ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
.filterBounds(ee.Geometry.BBox(-124.0, 43.2, -116.5, 46.3))
.filterDate('2021', '2022')
)
# Image visualization settings.
vis_params = {'bands': ['B4', 'B3', 'B2'], 'min': 0.01, 'max': 0.25}
m = geemap.Map()
m.add_layer(col.mean(), vis_params, 'RGB mean')
# Reduce the geometry (footprint) of images in the collection to an image.
# Image property values are applied to the pixels intersecting each
# image's geometry and then a per-pixel reduction is performed according
# to the selected reducer. Here, the image cloud cover property is assigned
# to the pixels intersecting image geometry and then reduced to a single
# image representing the per-pixel mean image cloud cover.
mean_cloud_cover = col.reduceToImage(
properties=['CLOUD_COVER'], reducer=ee.Reducer.mean()
)
m.set_center(-119.87, 44.76, 6)
m.add_layer(mean_cloud_cover, {'min': 0, 'max': 50}, 'Cloud cover mean')
m
जब तक कुछ अलग से न बताया जाए, तब तक इस पेज की सामग्री को Creative Commons Attribution 4.0 License के तहत और कोड के नमूनों को Apache 2.0 License के तहत लाइसेंस मिला है. ज़्यादा जानकारी के लिए, Google Developers साइट नीतियां देखें. Oracle और/या इससे जुड़ी हुई कंपनियों का, Java एक रजिस्टर किया हुआ ट्रेडमार्क है.
आखिरी बार 2025-07-26 (UTC) को अपडेट किया गया.
[null,null,["आखिरी बार 2025-07-26 (UTC) को अपडेट किया गया."],[[["\u003cp\u003e\u003ccode\u003ereduceToImage\u003c/code\u003e transforms an image collection into a single image by applying a reducer to pixel-intersecting features.\u003c/p\u003e\n"],["\u003cp\u003eIt uses specified properties from each feature within the collection for the reduction process.\u003c/p\u003e\n"],["\u003cp\u003eUsers define a reducer (e.g., mean, median) to combine intersecting feature properties into a final pixel value in the output image.\u003c/p\u003e\n"],["\u003cp\u003eThis function is helpful for tasks like calculating mean cloud cover across a collection of satellite images, as shown in the provided example.\u003c/p\u003e\n"]]],[],null,["# ee.ImageCollection.reduceToImage\n\nCreates an image from a feature collection by applying a reducer over the selected properties of all the features that intersect each pixel.\n\n\u003cbr /\u003e\n\n| Usage | Returns |\n|------------------------------------------------------|---------|\n| ImageCollection.reduceToImage`(properties, reducer)` | Image |\n\n| Argument | Type | Details |\n|--------------------|-------------------|-------------------------------------------------------------------------------------------------------------|\n| this: `collection` | FeatureCollection | Feature collection to intersect with each output pixel. |\n| `properties` | List | Properties to select from each feature and pass into the reducer. |\n| `reducer` | Reducer | A Reducer to combine the properties of each intersecting feature into a final result to store in the pixel. |\n\nExamples\n--------\n\n### Code Editor (JavaScript)\n\n```javascript\nvar col = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')\n .filterBounds(ee.Geometry.BBox(-124.0, 43.2, -116.5, 46.3))\n .filterDate('2021', '2022');\n\n// Image visualization settings.\nvar visParams = {\n bands: ['B4', 'B3', 'B2'],\n min: 0.01,\n max: 0.25\n};\nMap.addLayer(col.mean(), visParams, 'RGB mean');\n\n// Reduce the geometry (footprint) of images in the collection to an image.\n// Image property values are applied to the pixels intersecting each\n// image's geometry and then a per-pixel reduction is performed according\n// to the selected reducer. Here, the image cloud cover property is assigned\n// to the pixels intersecting image geometry and then reduced to a single\n// image representing the per-pixel mean image cloud cover.\nvar meanCloudCover = col.reduceToImage({\n properties: ['CLOUD_COVER'],\n reducer: ee.Reducer.mean()\n});\n\nMap.setCenter(-119.87, 44.76, 6);\nMap.addLayer(meanCloudCover, {min: 0, max: 50}, 'Cloud cover mean');\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\ncol = (\n ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')\n .filterBounds(ee.Geometry.BBox(-124.0, 43.2, -116.5, 46.3))\n .filterDate('2021', '2022')\n)\n\n# Image visualization settings.\nvis_params = {'bands': ['B4', 'B3', 'B2'], 'min': 0.01, 'max': 0.25}\nm = geemap.Map()\nm.add_layer(col.mean(), vis_params, 'RGB mean')\n\n# Reduce the geometry (footprint) of images in the collection to an image.\n# Image property values are applied to the pixels intersecting each\n# image's geometry and then a per-pixel reduction is performed according\n# to the selected reducer. Here, the image cloud cover property is assigned\n# to the pixels intersecting image geometry and then reduced to a single\n# image representing the per-pixel mean image cloud cover.\nmean_cloud_cover = col.reduceToImage(\n properties=['CLOUD_COVER'], reducer=ee.Reducer.mean()\n)\n\nm.set_center(-119.87, 44.76, 6)\nm.add_layer(mean_cloud_cover, {'min': 0, 'max': 50}, 'Cloud cover mean')\nm\n```"]]
