ประกาศ: โปรเจ็กต์ที่ไม่ใช่เชิงพาณิชย์ทั้งหมดที่ลงทะเบียนเพื่อใช้ Earth Engine ก่อนวันที่
15 เมษายน 2025 ต้อง
ยืนยันการมีสิทธิ์ที่ไม่ใช่เชิงพาณิชย์เพื่อรักษาสิทธิ์เข้าถึง หากคุณไม่ยืนยันภายในวันที่ 26 กันยายน 2025 ระบบอาจระงับสิทธิ์เข้าถึงของคุณ
ee.Kernel.manhattan
จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน
บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ
สร้างเคอร์เนลระยะทางตามระยะทางเส้นตรง (บล็อกในเมือง)
| การใช้งาน | การคืนสินค้า |
|---|
ee.Kernel.manhattan(radius, units, normalize, magnitude) | เคอร์เนล |
| อาร์กิวเมนต์ | ประเภท | รายละเอียด |
|---|
radius | ทศนิยม | รัศมีของเคอร์เนลที่จะสร้าง |
units | สตริง ค่าเริ่มต้น: "พิกเซล" | ระบบการวัดสำหรับเคอร์เนล ("พิกเซล" หรือ "เมตร") หากระบุเคอร์เนลเป็นเมตร ระบบจะปรับขนาดเมื่อเปลี่ยนระดับการซูม |
normalize | บูลีน ค่าเริ่มต้น: false | ทำให้ค่าเคอร์เนลอยู่ในค่าปกติที่ผลรวม 1 |
magnitude | Float, ค่าเริ่มต้น: 1 | ปรับขนาดแต่ละค่าตามจำนวนนี้ |
ตัวอย่าง
โปรแกรมแก้ไขโค้ด (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]
*/
การตั้งค่า Python
ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap เพื่อการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้า
สภาพแวดล้อม Python
import ee
import geemap.core as geemap
Colab (Python)
display('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]
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2025-10-30 UTC
[null,null,["อัปเดตล่าสุด 2025-10-30 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"]]