کاهش‌های ImageCollection، کاهش‌های ImageCollection

مثالی از نیاز به گرفتن میانه روی یک سری زمانی از تصاویر که توسط ImageCollection نشان داده شده است را در نظر بگیرید. برای کاهش یک ImageCollection ، از imageCollection.reduce() استفاده کنید. این امر مجموعه تصاویر را به یک تصویر مجزا کاهش می دهد که در شکل 1 نشان داده شده است. به طور خاص، خروجی به صورت پیکسلی محاسبه می شود، به طوری که هر پیکسل در خروجی از مقدار متوسط ​​همه تصاویر مجموعه در آن مکان تشکیل شده است. برای بدست آوردن سایر آمارها مانند میانگین، مجموع، واریانس، صدک دلخواه و ... باید کاهنده مناسب انتخاب و اعمال شود. (برای فهرستی از همه کاهنده‌های موجود در حال حاضر، به برگه Docs در ویرایشگر کد مراجعه کنید). برای آمارهای اولیه مانند min، max، mean، و غیره، ImageCollection متدهای میانبر مانند min() , max() , mean() و غیره دارد. آنها دقیقاً به همان روشی عمل می کنند که reduce() فراخوانی می کنند، با این تفاوت که نام باندهای حاصل نام کاهنده را اضافه نمی کند.

شکل 1. تصویری از ee.Reducer اعمال شده در ImageCollection.

برای مثالی از کاهش ImageCollection ، مجموعه ای از تصاویر Landsat 5 را در نظر بگیرید که بر اساس مسیر و ردیف فیلتر شده اند. کد زیر از reduce() برای کاهش مجموعه به یک Image استفاده می کند (در اینجا یک کاهش دهنده میانه صرفاً برای اهداف توضیحی استفاده می شود):

ویرایشگر کد (جاوا اسکریپت)

// Load an image collection, filtered so it's not too much data.
var collection = ee.ImageCollection('LANDSAT/LT05/C02/T1')
  .filterDate('2008-01-01', '2008-12-31')
  .filter(ee.Filter.eq('WRS_PATH', 44))
  .filter(ee.Filter.eq('WRS_ROW', 34));

// Compute the median in each band, each pixel.
// Band names are B1_median, B2_median, etc.
var median = collection.reduce(ee.Reducer.median());

// The output is an Image.  Add it to the map.
var vis_param = {bands: ['B4_median', 'B3_median', 'B2_median'], gamma: 1.6};
Map.setCenter(-122.3355, 37.7924, 9);
Map.addLayer(median, vis_param);

راه اندازی پایتون

برای اطلاعات در مورد API پایتون و استفاده از geemap برای توسعه تعاملی به صفحه محیط پایتون مراجعه کنید.

import ee
import geemap.core as geemap

کولب (پایتون)

# Load an image collection, filtered so it's not too much data.
collection = (
    ee.ImageCollection('LANDSAT/LT05/C02/T1')
    .filterDate('2008-01-01', '2008-12-31')
    .filter(ee.Filter.eq('WRS_PATH', 44))
    .filter(ee.Filter.eq('WRS_ROW', 34))
)

# Compute the median in each band, each pixel.
# Band names are B1_median, B2_median, etc.
median = collection.reduce(ee.Reducer.median())

# The output is an Image.  Add it to the map.
vis_param = {'bands': ['B4_median', 'B3_median', 'B2_median'], 'gamma': 1.6}
m = geemap.Map()
m.set_center(-122.3355, 37.7924, 9)
m.add_layer(median, vis_param)
m

این یک Image چند باندی را برمی‌گرداند که هر پیکسل آن میانه تمام پیکسل‌های بدون ماسک در ImageCollection در آن مکان پیکسل است. به طور خاص، کاهش دهنده برای هر باند از تصاویر ورودی تکرار شده است، به این معنی که میانه به طور مستقل در هر باند محاسبه می شود. توجه داشته باشید که نام باندها دارای نام کاهش دهنده هستند: 'B1_median' ، 'B2_median' ، و غیره. خروجی باید چیزی شبیه به شکل 2 باشد.

برای اطلاعات بیشتر در مورد کاهش مجموعه‌های تصاویر، به بخش کاهش اسناد ImageCollection مراجعه کنید. به طور خاص، توجه داشته باشید که تصاویر تولید شده با کاهش یک ImageCollection هیچ نمایشی ندارند . این به این معنی است که شما باید به صراحت مقیاس را در هر محاسباتی که شامل خروجی تصاویر محاسبه شده با کاهش ImageCollection است تنظیم کنید.

شکل 2. ترکیب رنگ کاذب از میانه صحنه های Landsat 5 در سال 2008.

،

مثالی از نیاز به گرفتن میانه روی یک سری زمانی از تصاویر که توسط ImageCollection نشان داده شده است را در نظر بگیرید. برای کاهش یک ImageCollection ، از imageCollection.reduce() استفاده کنید. این امر مجموعه تصاویر را به یک تصویر مجزا کاهش می دهد که در شکل 1 نشان داده شده است. به طور خاص، خروجی به صورت پیکسلی محاسبه می شود، به طوری که هر پیکسل در خروجی از مقدار متوسط ​​همه تصاویر مجموعه در آن مکان تشکیل شده است. برای بدست آوردن سایر آمارها مانند میانگین، مجموع، واریانس، صدک دلخواه و ... باید کاهنده مناسب انتخاب و اعمال شود. (برای فهرستی از همه کاهنده‌های موجود در حال حاضر، به برگه Docs در ویرایشگر کد مراجعه کنید). برای آمارهای اولیه مانند min، max، mean، و غیره، ImageCollection متدهای میانبر مانند min() , max() , mean() و غیره دارد. آنها دقیقاً به همان روشی عمل می کنند که reduce() فراخوانی می کنند، با این تفاوت که نام باندهای حاصل نام کاهنده را اضافه نمی کند.

شکل 1. تصویری از ee.Reducer اعمال شده در ImageCollection.

برای مثالی از کاهش ImageCollection ، مجموعه ای از تصاویر Landsat 5 را در نظر بگیرید که بر اساس مسیر و ردیف فیلتر شده اند. کد زیر از reduce() برای کاهش مجموعه به یک Image استفاده می کند (در اینجا یک کاهش دهنده میانه صرفاً برای اهداف توضیحی استفاده می شود):

ویرایشگر کد (جاوا اسکریپت)

// Load an image collection, filtered so it's not too much data.
var collection = ee.ImageCollection('LANDSAT/LT05/C02/T1')
  .filterDate('2008-01-01', '2008-12-31')
  .filter(ee.Filter.eq('WRS_PATH', 44))
  .filter(ee.Filter.eq('WRS_ROW', 34));

// Compute the median in each band, each pixel.
// Band names are B1_median, B2_median, etc.
var median = collection.reduce(ee.Reducer.median());

// The output is an Image.  Add it to the map.
var vis_param = {bands: ['B4_median', 'B3_median', 'B2_median'], gamma: 1.6};
Map.setCenter(-122.3355, 37.7924, 9);
Map.addLayer(median, vis_param);

راه اندازی پایتون

برای اطلاعات در مورد API پایتون و استفاده از geemap برای توسعه تعاملی به صفحه محیط پایتون مراجعه کنید.

import ee
import geemap.core as geemap

کولب (پایتون)

# Load an image collection, filtered so it's not too much data.
collection = (
    ee.ImageCollection('LANDSAT/LT05/C02/T1')
    .filterDate('2008-01-01', '2008-12-31')
    .filter(ee.Filter.eq('WRS_PATH', 44))
    .filter(ee.Filter.eq('WRS_ROW', 34))
)

# Compute the median in each band, each pixel.
# Band names are B1_median, B2_median, etc.
median = collection.reduce(ee.Reducer.median())

# The output is an Image.  Add it to the map.
vis_param = {'bands': ['B4_median', 'B3_median', 'B2_median'], 'gamma': 1.6}
m = geemap.Map()
m.set_center(-122.3355, 37.7924, 9)
m.add_layer(median, vis_param)
m

این یک Image چند باندی را برمی‌گرداند که هر پیکسل آن میانه تمام پیکسل‌های بدون ماسک در ImageCollection در آن مکان پیکسل است. به طور خاص، کاهش دهنده برای هر باند از تصاویر ورودی تکرار شده است، به این معنی که میانه به طور مستقل در هر باند محاسبه می شود. توجه داشته باشید که نام باندها دارای نام کاهش دهنده هستند: 'B1_median' ، 'B2_median' ، و غیره. خروجی باید چیزی شبیه به شکل 2 باشد.

برای اطلاعات بیشتر در مورد کاهش مجموعه‌های تصاویر، به بخش کاهش اسناد ImageCollection مراجعه کنید. به طور خاص، توجه داشته باشید که تصاویر تولید شده با کاهش یک ImageCollection هیچ نمایشی ندارند . این به این معنی است که شما باید به صراحت مقیاس را در هر محاسباتی که شامل خروجی تصاویر محاسبه شده با کاهش ImageCollection است تنظیم کنید.

شکل 2. ترکیب رنگ کاذب از میانه صحنه های Landsat 5 در سال 2008.