ImageCollection reduzieren
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Wenn Sie Bilder in einem ImageCollection zusammensetzen möchten, verwenden Sie imageCollection.reduce(). Dadurch werden alle Bilder in der Sammlung zu einem einzigen Bild zusammengesetzt, das beispielsweise den Mindest-, Höchst-, Mittel- oder Standardwert der Bilder darstellt.
Weitere Informationen zu Reduzierern finden Sie im Abschnitt Reduzierer. So erstellen Sie beispielsweise ein Bild mit dem Medianwert aus einer Sammlung:
Code-Editor (JavaScript)
// Load a Landsat 8 collection for a single path-row.
var collection = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
.filter(ee.Filter.eq('WRS_PATH', 44))
.filter(ee.Filter.eq('WRS_ROW', 34))
.filterDate('2014-01-01', '2015-01-01');
// Compute a median image and display.
var median = collection.median();
Map.setCenter(-122.3578, 37.7726, 12);
Map.addLayer(median, {bands: ['B4', 'B3', 'B2'], max: 0.3}, 'Median');
Python einrichten
Auf der Seite
Python-Umgebung finden Sie Informationen zur Python API und zur Verwendung von geemap für die interaktive Entwicklung.
import ee
import geemap.core as geemap
Colab (Python)
# Load a Landsat 8 collection for a single path-row.
collection = (
ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
.filter(ee.Filter.eq('WRS_PATH', 44))
.filter(ee.Filter.eq('WRS_ROW', 34))
.filterDate('2014-01-01', '2015-01-01')
)
# Compute a median image and display.
median = collection.median()
m = geemap.Map()
m.set_center(-122.3578, 37.7726, 12)
m.add_layer(median, {'bands': ['B4', 'B3', 'B2'], 'max': 0.3}, 'Median')
m
An jeder Stelle im Ausgabebild ist der Pixelwert in jedem Band der Median aller nicht maskierten Pixel in den Eingabebildern (den Bildern in der Sammlung). Im vorherigen Beispiel ist median() eine praktische Methode für den folgenden Aufruf:
Code-Editor (JavaScript)
// Reduce the collection with a median reducer.
var median = collection.reduce(ee.Reducer.median());
// Display the median image.
Map.addLayer(median,
{bands: ['B4_median', 'B3_median', 'B2_median'], max: 0.3},
'Also median');
Python einrichten
Auf der Seite
Python-Umgebung finden Sie Informationen zur Python API und zur Verwendung von geemap für die interaktive Entwicklung.
import ee
import geemap.core as geemap
Colab (Python)
# Reduce the collection with a median reducer.
median = collection.reduce(ee.Reducer.median())
# Display the median image.
m.add_layer(
median,
{'bands': ['B4_median', 'B3_median', 'B2_median'], 'max': 0.3},
'Also median',
)
m
Die Bandnamen unterscheiden sich, da reduce() anstelle der praktischen Methode verwendet wird. Insbesondere wurden die Namen der Reducer an die Bandnamen angehängt.
Mit reduce() sind auch komplexere Reduktionen möglich. Wenn Sie beispielsweise den langfristigen linearen Trend für eine Sammlung berechnen möchten, verwenden Sie einen der linearen Regressions-Reduktionsmethoden. Im folgenden Code wird der lineare Trend des MODIS Enhanced Vegetation Index (EVI) berechnet:
Code-Editor (JavaScript)
// This function adds a band representing the image timestamp.
var addTime = function(image) {
return image.addBands(image.metadata('system:time_start')
// Convert milliseconds from epoch to years to aid in
// interpretation of the following trend calculation.
.divide(1000 * 60 * 60 * 24 * 365));
};
// Load a MODIS collection, filter to several years of 16 day mosaics,
// and map the time band function over it.
var collection = ee.ImageCollection('MODIS/006/MYD13A1')
.filterDate('2004-01-01', '2010-10-31')
.map(addTime);
// Select the bands to model with the independent variable first.
var trend = collection.select(['system:time_start', 'EVI'])
// Compute the linear trend over time.
.reduce(ee.Reducer.linearFit());
// Display the trend with increasing slopes in green, decreasing in red.
Map.setCenter(-96.943, 39.436, 5);
Map.addLayer(
trend,
{min: 0, max: [-100, 100, 10000], bands: ['scale', 'scale', 'offset']},
'EVI trend');
Python einrichten
Auf der Seite
Python-Umgebung finden Sie Informationen zur Python API und zur Verwendung von geemap für die interaktive Entwicklung.
import ee
import geemap.core as geemap
Colab (Python)
# This function adds a band representing the image timestamp.
def add_time(image):
return image.addBands(
image.metadata('system:time_start')
# Convert milliseconds from epoch to years to aid in
# interpretation of the following trend calculation.
.divide(1000 * 60 * 60 * 24 * 365)
)
# Load a MODIS collection, filter to several years of 16 day mosaics,
# and map the time band function over it.
collection = (
ee.ImageCollection('MODIS/006/MYD13A1')
.filterDate('2004-01-01', '2010-10-31')
.map(add_time)
)
# Select the bands to model with the independent variable first.
trend = collection.select(['system:time_start', 'EVI']).reduce(
# Compute the linear trend over time.
ee.Reducer.linearFit()
)
# Display the trend with increasing slopes in green, decreasing in red.
m.set_center(-96.943, 39.436, 5)
m = geemap.Map()
m.add_layer(
trend,
{
'min': 0,
'max': [-100, 100, 10000],
'bands': ['scale', 'scale', 'offset'],
},
'EVI trend',
)
m
Die Ausgabe der Reduktion in diesem Beispiel ist ein zweifarbiges Bild mit einer Farbe für die Steigung einer linearen Regression (scale) und einer Farbe für den Achsenabschnitt (offset). In der API-Dokumentation finden Sie eine Liste der Reduzierer, mit denen eine ImageCollection auf eine einzelne Image reduziert werden kann.
Zusammensetzungen haben keine Projektion.
Zusammengesetzte Bilder, die durch das Reduzieren einer Bildsammlung erstellt werden, können Pixel in jeder angeforderten Projektion erzeugen und haben daher keine feste Ausgabeprojektion.
Stattdessen haben sie die Standardprojektion von WGS-84 mit Pixeln mit einer Auflösung von 1 Grad. Zusammensetzungen mit der Standardprojektion werden in der angeforderten Ausgabeprojektion berechnet. Eine Anfrage wird durch das Anzeigen des Composeds im Code-Editor ausgelöst (weitere Informationen dazu, wie der Code-Editor Maßstab und Projektion festlegt). Sie können auch eine Projektion/einen Maßstab explizit angeben, z. B. in einer Aggregation wie ReduceRegion oder Export.
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2025-07-25 (UTC).
[null,null,["Zuletzt aktualisiert: 2025-07-25 (UTC)."],[[["\u003cp\u003eUse \u003ccode\u003eimageCollection.reduce()\u003c/code\u003e to composite images in an \u003ccode\u003eImageCollection\u003c/code\u003e into a single image representing a statistical summary (e.g., median, mean) of the collection.\u003c/p\u003e\n"],["\u003cp\u003eThe \u003ccode\u003ereduce()\u003c/code\u003e function utilizes reducers like \u003ccode\u003eee.Reducer.median()\u003c/code\u003e to calculate the desired composite, with band names reflecting the reducer used.\u003c/p\u003e\n"],["\u003cp\u003eMore complex reductions, such as calculating linear trends, are possible using specific reducers like \u003ccode\u003eee.Reducer.linearFit()\u003c/code\u003e.\u003c/p\u003e\n"],["\u003cp\u003eComposite images generated from reducing an image collection do not have a fixed projection and will be computed based on the requested output projection.\u003c/p\u003e\n"]]],[],null,["# Reducing an ImageCollection\n\nTo composite images in an `ImageCollection`, use\n`imageCollection.reduce()`. This will composite all the images in the\ncollection to a single image representing, for example, the min, max, mean or standard\ndeviation of the images.\n(See the [Reducers section](/earth-engine/guides/reducers_image_collection)\nfor more information about reducers). For example, to create a median value image from a\ncollection:\n\n### Code Editor (JavaScript)\n\n```javascript\n// Load a Landsat 8 collection for a single path-row.\nvar collection = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')\n .filter(ee.Filter.eq('WRS_PATH', 44))\n .filter(ee.Filter.eq('WRS_ROW', 34))\n .filterDate('2014-01-01', '2015-01-01');\n\n// Compute a median image and display.\nvar median = collection.median();\nMap.setCenter(-122.3578, 37.7726, 12);\nMap.addLayer(median, {bands: ['B4', 'B3', 'B2'], max: 0.3}, 'Median');\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\n# Load a Landsat 8 collection for a single path-row.\ncollection = (\n ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')\n .filter(ee.Filter.eq('WRS_PATH', 44))\n .filter(ee.Filter.eq('WRS_ROW', 34))\n .filterDate('2014-01-01', '2015-01-01')\n)\n\n# Compute a median image and display.\nmedian = collection.median()\nm = geemap.Map()\nm.set_center(-122.3578, 37.7726, 12)\nm.add_layer(median, {'bands': ['B4', 'B3', 'B2'], 'max': 0.3}, 'Median')\nm\n```\n\nAt each location in the output image, in each band, the pixel value is the median of all\nunmasked pixels in the input imagery (the images in the collection). In the previous\nexample, `median()` is a convenience method for the following call:\n\n### Code Editor (JavaScript)\n\n```javascript\n// Reduce the collection with a median reducer.\nvar median = collection.reduce(ee.Reducer.median());\n\n// Display the median image.\nMap.addLayer(median,\n {bands: ['B4_median', 'B3_median', 'B2_median'], max: 0.3},\n 'Also median');\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\n# Reduce the collection with a median reducer.\nmedian = collection.reduce(ee.Reducer.median())\n\n# Display the median image.\nm.add_layer(\n median,\n {'bands': ['B4_median', 'B3_median', 'B2_median'], 'max': 0.3},\n 'Also median',\n)\nm\n```\n\nNote that the band names differ as a result of using `reduce()` instead of the\nconvenience method. Specifically, the names of the reducer have been appended to the\nband names.\n\nMore complex reductions are also possible using `reduce()`. For\nexample, to compute the long term linear trend over a collection, use one of the linear\nregression reducers. The following code computes the linear trend of MODIS Enhanced\nVegetation Index (EVI):\n\n### Code Editor (JavaScript)\n\n```javascript\n// This function adds a band representing the image timestamp.\nvar addTime = function(image) {\n return image.addBands(image.metadata('system:time_start')\n // Convert milliseconds from epoch to years to aid in\n // interpretation of the following trend calculation.\n .divide(1000 * 60 * 60 * 24 * 365));\n};\n\n// Load a MODIS collection, filter to several years of 16 day mosaics,\n// and map the time band function over it.\nvar collection = ee.ImageCollection('MODIS/006/MYD13A1')\n .filterDate('2004-01-01', '2010-10-31')\n .map(addTime);\n\n// Select the bands to model with the independent variable first.\nvar trend = collection.select(['system:time_start', 'EVI'])\n // Compute the linear trend over time.\n .reduce(ee.Reducer.linearFit());\n\n// Display the trend with increasing slopes in green, decreasing in red.\nMap.setCenter(-96.943, 39.436, 5);\nMap.addLayer(\n trend,\n {min: 0, max: [-100, 100, 10000], bands: ['scale', 'scale', 'offset']},\n 'EVI trend');\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\n# This function adds a band representing the image timestamp.\ndef add_time(image):\n return image.addBands(\n image.metadata('system:time_start')\n # Convert milliseconds from epoch to years to aid in\n # interpretation of the following trend calculation.\n .divide(1000 * 60 * 60 * 24 * 365)\n )\n\n\n# Load a MODIS collection, filter to several years of 16 day mosaics,\n# and map the time band function over it.\ncollection = (\n ee.ImageCollection('MODIS/006/MYD13A1')\n .filterDate('2004-01-01', '2010-10-31')\n .map(add_time)\n)\n\n# Select the bands to model with the independent variable first.\ntrend = collection.select(['system:time_start', 'EVI']).reduce(\n # Compute the linear trend over time.\n ee.Reducer.linearFit()\n)\n\n# Display the trend with increasing slopes in green, decreasing in red.\nm.set_center(-96.943, 39.436, 5)\nm = geemap.Map()\nm.add_layer(\n trend,\n {\n 'min': 0,\n 'max': [-100, 100, 10000],\n 'bands': ['scale', 'scale', 'offset'],\n },\n 'EVI trend',\n)\nm\n```\n\nNote that the output of the reduction in this example is a two banded image\nwith one band for the slope of a linear regression (`scale`) and one band\nfor the intercept (`offset`). Explore the API documentation to see a list of\nthe reducers that are available to reduce an `ImageCollection` to a single\n`Image`.\n\nComposites have no projection\n-----------------------------\n\nComposite images created by reducing an image collection are able to produce pixels\nin any requested projection and therefore *have no fixed output projection* .\nInstead, composites have\n[the default\nprojection](/earth-engine/guides/projections#the-default-projection) of WGS-84 with 1-degree resolution pixels. Composites with the default\nprojection will be computed in whatever output projection is requested. A request\noccurs by displaying the composite in the Code Editor (learn about how the Code editor\nsets [scale](/earth-engine/guides/scale#scale-of-analysis) and\n[projection](/earth-engine/guides/projections)), or by explicitly specifying a\nprojection/scale as in an aggregation such as\n`ReduceRegion` or `Export`."]]
