ee.Kernel.euclidean

Generiert einen Distanz-Kernel basierend auf dem euklidischen Abstand (Luftlinie).

NutzungAusgabe
ee.Kernel.euclidean(radius, units, normalize, magnitude)Kernel
ArgumentTypDetails
radiusGleitkommazahlDer Radius des zu generierenden Kernels.
unitsString, Standard: „pixels“Das Messsystem für den Kernel („Pixel“ oder „Meter“). Wenn der Kernel in Metern angegeben ist, wird seine Größe bei einer Änderung des Zoomfaktors angepasst.
normalizeBoolescher Wert, Standard: „false“Normalisieren Sie die Kernelwerte so, dass sie sich auf 1 summieren.
magnitudeGleitkommazahl, Standardwert: 1Skalieren Sie jeden Wert um diesen Betrag.

Beispiele

Code-Editor (JavaScript)

print('A Euclidean distance kernel', ee.Kernel.euclidean({radius: 3}));

/**
 * Output weights matrix (up to 1/1000 precision for brevity)
 *
 * [4.242, 3.605, 3.162, 3.000, 3.162, 3.605, 4.242]
 * [3.605, 2.828, 2.236, 2.000, 2.236, 2.828, 3.605]
 * [3.162, 2.236, 1.414, 1.000, 1.414, 2.236, 3.162]
 * [3.000, 2.000, 1.000, 0.000, 1.000, 2.000, 3.000]
 * [3.162, 2.236, 1.414, 1.000, 1.414, 2.236, 3.162]
 * [3.605, 2.828, 2.236, 2.000, 2.236, 2.828, 3.605]
 * [4.242, 3.605, 3.162, 3.000, 3.162, 3.605, 4.242]
 */

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)

display('A Euclidean distance kernel:', ee.Kernel.euclidean(**{'radius': 3}))

#  Output weights matrix (up to 1/1000 precision for brevity)

#  [4.242, 3.605, 3.162, 3.000, 3.162, 3.605, 4.242]
#  [3.605, 2.828, 2.236, 2.000, 2.236, 2.828, 3.605]
#  [3.162, 2.236, 1.414, 1.000, 1.414, 2.236, 3.162]
#  [3.000, 2.000, 1.000, 0.000, 1.000, 2.000, 3.000]
#  [3.162, 2.236, 1.414, 1.000, 1.414, 2.236, 3.162]
#  [3.605, 2.828, 2.236, 2.000, 2.236, 2.828, 3.605]
#  [4.242, 3.605, 3.162, 3.000, 3.162, 3.605, 4.242]