ee.Kernel.manhattan
संग्रह की मदद से व्यवस्थित रहें
अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.
यह रेक्टिलिनियर (सिटी-ब्लॉक) दूरी के आधार पर, दूरी का कर्नल जनरेट करता है.
इस्तेमाल | रिटर्न |
---|
ee.Kernel.manhattan(radius, units, normalize, magnitude) | कर्नेल |
आर्ग्यूमेंट | टाइप | विवरण |
---|
radius | फ़्लोट | जनरेट करने के लिए कर्नल की रेडियस. |
units | स्ट्रिंग, डिफ़ॉल्ट: "pixels" | कर्नल के लिए मेज़रमेंट सिस्टम ('पिक्सल' या 'मीटर'). अगर कर्नल को मीटर में तय किया गया है, तो ज़ूम-लेवल बदलने पर इसका साइज़ बदल जाएगा. |
normalize | बूलियन, डिफ़ॉल्ट वैल्यू: false | कर्नल वैल्यू को सामान्य करें, ताकि उनका योग 1 हो. |
magnitude | फ़्लोट, डिफ़ॉल्ट: 1 | हर वैल्यू को इस रकम से स्केल करें. |
उदाहरण
कोड एडिटर (JavaScript)
print('A Manhattan kernel', ee.Kernel.manhattan({radius: 3}));
/**
* Output weights matrix
*
* [6, 5, 4, 3, 4, 5, 6]
* [5, 4, 3, 2, 3, 4, 5]
* [4, 3, 2, 1, 2, 3, 4]
* [3, 2, 1, 0, 1, 2, 3]
* [4, 3, 2, 1, 2, 3, 4]
* [5, 4, 3, 2, 3, 4, 5]
* [6, 5, 4, 3, 4, 5, 6]
*/
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)
from pprint import pprint
print('A Manhattan kernel:')
pprint(ee.Kernel.manhattan(**{'radius': 3}).getInfo())
# Output weights matrix
# [6, 5, 4, 3, 4, 5, 6]
# [5, 4, 3, 2, 3, 4, 5]
# [4, 3, 2, 1, 2, 3, 4]
# [3, 2, 1, 0, 1, 2, 3]
# [4, 3, 2, 1, 2, 3, 4]
# [5, 4, 3, 2, 3, 4, 5]
# [6, 5, 4, 3, 4, 5, 6]
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."],[],["This tool generates a rectilinear (city-block) distance kernel using `ee.Kernel.manhattan`. Key actions involve setting the `radius`, specifying `units` as pixels or meters, and optionally `normalize` the kernel to sum to 1, and `magnitude` to scale each value. The kernel's output is a matrix, where each cell's value represents its distance.\n"],null,[]]