Złączenia wewnętrzne

Aby wyliczyć wszystkie dopasowania między elementami 2 kolekcji, użyj funkcji ee.Join.inner(). Wyjście złączenia wewnętrznego to FeatureCollection (nawet jeśli złącza się jeden element ImageCollection z innym elementem ImageCollection). Każda funkcja na wyjściu reprezentuje dopasowanie, a elementy dopasowane są przechowywane w 2 właściwościach funkcji. Na przykład feature.get('primary') to element w kolekcji podstawowej, który pasuje do elementu z kolekcji dodatkowej przechowywanego w feature.get('secondary'). (różne nazwy tych właściwości można podać jako argumenty funkcji inner(), ale domyślnie są używane nazwy ‘primary’‘secondary’). Relacje jeden-do-wielu są reprezentowane w wyjściu przez wiele funkcji. Jeśli element w którejś z kolekcji nie ma dopasowania, nie jest uwzględniany w wyniku.

Przykłady złączenia za pomocą danych wejściowych ImageCollection można stosować bez zmian do danych wejściowych FeatureCollection. Możesz też dołączyć do FeatureCollection z poziomu ImageCollection i odwrotnie. Rozważ ten przykład złączenia wewnętrznego:

Edytor kodu (JavaScript)

// Create the primary collection.
var primaryFeatures = ee.FeatureCollection([
  ee.Feature(null, {foo: 0, label: 'a'}),
  ee.Feature(null, {foo: 1, label: 'b'}),
  ee.Feature(null, {foo: 1, label: 'c'}),
  ee.Feature(null, {foo: 2, label: 'd'}),
]);

// Create the secondary collection.
var secondaryFeatures = ee.FeatureCollection([
  ee.Feature(null, {bar: 1, label: 'e'}),
  ee.Feature(null, {bar: 1, label: 'f'}),
  ee.Feature(null, {bar: 2, label: 'g'}),
  ee.Feature(null, {bar: 3, label: 'h'}),
]);

// Use an equals filter to specify how the collections match.
var toyFilter = ee.Filter.equals({
  leftField: 'foo',
  rightField: 'bar'
});

// Define the join.
var innerJoin = ee.Join.inner('primary', 'secondary');

// Apply the join.
var toyJoin = innerJoin.apply(primaryFeatures, secondaryFeatures, toyFilter);

// Print the result.
print('Inner join toy example:', toyJoin);

Konfiguracja Pythona

Informacje o interfejsie Python API i o używaniu pakietu geemap do programowania interaktywnego znajdziesz na stronie Python Environment.

import ee
import geemap.core as geemap

Colab (Python)

# Create the primary collection.
primary_features = ee.FeatureCollection([
    ee.Feature(None, {'foo': 0, 'label': 'a'}),
    ee.Feature(None, {'foo': 1, 'label': 'b'}),
    ee.Feature(None, {'foo': 1, 'label': 'c'}),
    ee.Feature(None, {'foo': 2, 'label': 'd'}),
])

# Create the secondary collection.
secondary_features = ee.FeatureCollection([
    ee.Feature(None, {'bar': 1, 'label': 'e'}),
    ee.Feature(None, {'bar': 1, 'label': 'f'}),
    ee.Feature(None, {'bar': 2, 'label': 'g'}),
    ee.Feature(None, {'bar': 3, 'label': 'h'}),
])

# Use an equals filter to specify how the collections match.
toy_filter = ee.Filter.equals(leftField='foo', rightField='bar')

# Define the join.
inner_join = ee.Join.inner('primary', 'secondary')

# Apply the join.
toy_join = inner_join.apply(primary_features, secondary_features, toy_filter)

# Print the result.
display('Inner join toy example:', toy_join)

W poprzednim przykładzie zwróć uwagę, że relacja między tabelami jest zdefiniowana w filtrze, co oznacza, że pola ‘foo’‘bar’ są polami złączenia. Następnie określa się złączanie wewnętrzne i stosuje je do kolekcji. Sprawdź dane wyjściowe i upewnij się, że każde możliwe dopasowanie jest reprezentowane jako jeden element:Feature.

Przykładem zastosowania funkcji JOIN jest złączenie obiektów MODIS ImageCollection. Dane o jakości MODIS są czasami przechowywane w oddzielnej kolekcji od danych obrazów, dlatego do ich złączenia i zastosowania danych o jakości wygodnie jest użyć złączenia wewnętrznego. W tym przypadku czasy przechwytywania obrazu są identyczne, więc filtr równa się zajmuje się określaniem tego związku między tymi dwoma zbiorami:

Edytor kodu (JavaScript)

// Make a date filter to get images in this date range.
var dateFilter = ee.Filter.date('2014-01-01', '2014-02-01');

// Load a MODIS collection with EVI data.
var mcd43a4 = ee.ImageCollection('MODIS/MCD43A4_006_EVI')
    .filter(dateFilter);

// Load a MODIS collection with quality data.
var mcd43a2 = ee.ImageCollection('MODIS/006/MCD43A2')
    .filter(dateFilter);

// Define an inner join.
var innerJoin = ee.Join.inner();

// Specify an equals filter for image timestamps.
var filterTimeEq = ee.Filter.equals({
  leftField: 'system:time_start',
  rightField: 'system:time_start'
});

// Apply the join.
var innerJoinedMODIS = innerJoin.apply(mcd43a4, mcd43a2, filterTimeEq);

// Display the join result: a FeatureCollection.
print('Inner join output:', innerJoinedMODIS);

Konfiguracja Pythona

Informacje o interfejsie Python API i o używaniu pakietu geemap do programowania interaktywnego znajdziesz na stronie Python Environment.

import ee
import geemap.core as geemap

Colab (Python)

# Make a date filter to get images in this date range.
date_filter = ee.Filter.date('2014-01-01', '2014-02-01')

# Load a MODIS collection with EVI data.
mcd43a4 = ee.ImageCollection('MODIS/MCD43A4_006_EVI').filter(date_filter)

# Load a MODIS collection with quality data.
mcd43a2 = ee.ImageCollection('MODIS/006/MCD43A2').filter(date_filter)

# Define an inner join.
inner_join = ee.Join.inner()

# Specify an equals filter for image timestamps.
filter_time_eq = ee.Filter.equals(
    leftField='system:time_start', rightField='system:time_start'
)

# Apply the join.
inner_joined_modis = inner_join.apply(mcd43a4, mcd43a2, filter_time_eq)

# Display the join result: a FeatureCollection.
display('Inner join output:', inner_joined_modis)

Aby użyć połączonych obrazów w wyniku, FeatureCollection, map() funkcję łączenia na wyjściu. Na przykład pasujące obrazy można ułożyć w taki sposób, aby pasma jakości zostały dodane do danych obrazu:

Edytor kodu (JavaScript)

// Map a function to merge the results in the output FeatureCollection.
var joinedMODIS = innerJoinedMODIS.map(function(feature) {
  return ee.Image.cat(feature.get('primary'), feature.get('secondary'));
});

// Print the result of merging.
print('Inner join, merged bands:', joinedMODIS);

Konfiguracja Pythona

Informacje o interfejsie Python API i o używaniu pakietu geemap do programowania interaktywnego znajdziesz na stronie Python Environment.

import ee
import geemap.core as geemap

Colab (Python)

# Map a function to merge the results in the output FeatureCollection.
joined_modis = inner_joined_modis.map(
    lambda feature: ee.Image.cat(
        feature.get('primary'), feature.get('secondary')
    )
)

# Print the result of merging.
display("Inner join, merged 'bands':", joined_modis)

Chociaż ta funkcja jest mapowana na FeatureCollection, jej wynikiem jest ImageCollection. Każdy obraz w wynikającym z tego pliku ImageCollectionma wszystkie pasma obrazów w kolekcji podstawowej (w tym przykładzie tylko ‘EVI’) oraz wszystkie pasma pasującego obrazu w kolekcji dodatkowej (pasma jakości).