ee.Kernel.manhattan
Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
Generuje jądro odległości na podstawie odległości prostoliniowej (w bloku miejskim).
Wykorzystanie | Zwroty |
---|
ee.Kernel.manhattan(radius, units, normalize, magnitude) | Jądro |
Argument | Typ | Szczegóły |
---|
radius | Liczba zmiennoprzecinkowa | Promień jądra do wygenerowania. |
units | Ciąg znaków, domyślnie: „pixels” | System miar dla jądra („piksele” lub „metry”). Jeśli jądro jest określone w metrach, zmieni rozmiar po zmianie poziomu powiększenia. |
normalize | Wartość logiczna, domyślnie: false | Znormalizuj wartości jądra tak, aby ich suma wynosiła 1. |
magnitude | Liczba zmiennoprzecinkowa, domyślnie: 1 | Skaluj każdą wartość o tę kwotę. |
Przykłady
Edytor kodu (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]
*/
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)
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]
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."],[],["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,[]]