আর্থ ইঞ্জিনে ভেক্টর থেকে রাস্টার রূপান্তরটি featureCollection.reduceToImage()
পদ্ধতি দ্বারা পরিচালিত হয়। এই পদ্ধতিটি প্রতিটি বৈশিষ্ট্যের অধীনে পিক্সেলকে নির্দিষ্ট সম্পত্তির মান নির্ধারণ করে। এই উদাহরণটি প্রতিটি কাউন্টির ভূমি এলাকা প্রতিনিধিত্ব করে একটি চিত্র তৈরি করতে কাউন্টি ডেটা ব্যবহার করে:
কোড এডিটর (জাভাস্ক্রিপ্ট)
// Load a collection of US counties. var counties = ee.FeatureCollection('TIGER/2018/Counties'); // Make an image out of the land area attribute. var landAreaImg = counties .filter(ee.Filter.notNull(['ALAND'])) .reduceToImage({ properties: ['ALAND'], reducer: ee.Reducer.first() }); // Display the county land area image. Map.setCenter(-99.976, 40.38, 5); Map.addLayer(landAreaImg, { min: 3e8, max: 1.5e10, palette: ['FCFDBF', 'FDAE78', 'EE605E', 'B63679', '711F81', '2C105C'] });
import ee import geemap.core as geemap
Colab (পাইথন)
# Load a collection of US counties. counties = ee.FeatureCollection('TIGER/2018/Counties') # Make an image out of the land area attribute. land_area_img = counties.filter(ee.Filter.notNull(['ALAND'])).reduceToImage( properties=['ALAND'], reducer=ee.Reducer.first() ) # Display the county land area image. m = geemap.Map() m.set_center(-99.976, 40.38, 5) m.add_layer( land_area_img, { 'min': 3e8, 'max': 1.5e10, 'palette': ['FCFDBF', 'FDAE78', 'EE605E', 'B63679', '711F81', '2C105C'], }, ) m
ওভারল্যাপিং বৈশিষ্ট্যগুলির বৈশিষ্ট্যগুলি কীভাবে একত্রিত করা যায় তা নির্দেশ করার জন্য একটি হ্রাসকারী নির্দিষ্ট করুন। আগের উদাহরণে, যেহেতু কোনো ওভারল্যাপ নেই, তাই একটি ee.Reducer.first()
যথেষ্ট। এই উদাহরণের মতো, নালগুলিকে মুছে ফেলার জন্য ডেটা প্রাক-ফিল্টার করুন যা একটি চিত্রে পরিণত করা যায় না। আউটপুটটি চিত্র 1 এর মতো দেখতে হবে, যা একটি রঙের গ্রেডিয়েন্টকে কাউন্টির আকারে মানচিত্র করে। আর্থ ইঞ্জিনের সমস্ত ইমেজ-আউটপুটিং রিডিউসারের মতো, স্কেলটি গতিশীলভাবে আউটপুট দ্বারা সেট করা হয়। এই ক্ষেত্রে, স্কেলটি কোড এডিটরের জুম স্তরের সাথে মিলে যায়।

FeatureCollection
'ALAND' (ভূমি এলাকা) সম্পত্তি ব্যবহার করে reduceToImage()
এর ফলাফল।