將 Landsat 8 TOA 反射率集合載入名為 l8 的變數後，您會看到下列程式碼產生近期值合成影像：
程式碼編輯器 (JavaScript)
var l8 = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA'); var landsat2016 = l8.filterDate('2016-01-01', '2016-12-31'); Map.addLayer(landsat2016, visParams, 'l8 collection');
這張合成圖的問題之一是雲層太多。您可以縮減 ImageCollection，而不是只擷取集合中的最後一個像素 (將集合新增至地圖時，Earth Engine 會隱含呼叫 mosaic()) (進一步瞭解如何縮減圖片集合)。
使用 Reducer 進行合成
您在取得圖片區域統計資料時，首次接觸到歸納器。這是「空間」縮減。如果圖片集合代表一段時間內的圖片，將圖片集合縮減為圖片就是「時間」縮減。您使用的 Reducer 類型會定義 Earth Engine 處理重疊像素的方式。Landsat 8 每 16 天會造訪地球上的同一個地點。也就是說，在 6 個月的期間內，大約會有 12 張圖片 (如果場景重疊，則會更多)。地圖上的每個像素都來自一疊像素，其中一個像素來自顯示的集合中的每個圖片。
只要將集合新增至地圖，系統就會選取最新的像素，也就是堆疊中最新圖片的像素。您可以使用 Earth Engine 縮減器變更這項行為。舉例來說，您可以指示 Earth Engine 挑選堆疊中的中位數值，而不是從堆疊中擷取最新的像素。這樣做的好處是能移除雲層 (高值) 和陰影 (低值)。使用中位數縮減器縮減圖片集合時，合成值會是各個波段在一段時間內的中位數。例如，使用 2016 年的 Landsat 景象：
程式碼編輯器 (JavaScript)
// Get the median over time, in each band, in each pixel. var median = l8.filterDate('2016-01-01', '2016-12-31').median(); // Make a handy variable of visualization parameters. var visParams = {bands: ['B4', 'B3', 'B2'], max: 0.3}; // Display the median composite. Map.addLayer(median, visParams, 'median');
這段程式碼的新功能是套用至圖片集合的 median() 方法。與篩選方法類似，這是圖片集合上更通用的 reduce() 方法的捷徑，該方法接受 ee.Reducer() 作為引數。如要查看所有 Earth Engine 縮減器的清單，請前往程式碼編輯器的「Docs」分頁，查看 ee.Reducer 套件。為圖片集合選擇歸納器時，請注意輸出內容是圖片，因此輸出內容非數值的歸納器 (例如 histogram 或 toList 歸納器) 無法與圖片集合搭配使用。
縮小中位數合成圖時，應該會看到類似圖 6 的畫面。這應該會比您先前製作的近期值合成圖好得多。此時，不妨回顧一下，看看為了製作中位數合成圖，我們做了哪些工作。Earth Engine 已載入美國本土的整個 Landsat 8 集合，並計算每個像素的中位數。資料量相當龐大！當然，您可以先篩選集合，再計算年度中位數， 就像之前一樣。重點是，如果必須下載所有圖像並製作這張合成圖，會是一項大工程。使用 Earth Engine，幾秒內就能取得結果！
如要進一步瞭解合成和鑲嵌，請參閱這篇文章。
遮罩
雖然中位數複合影像比近期值複合影像更佳，但您可能需要遮蓋部分影像。遮蓋圖片中的像素會使這些像素變成透明，並將其排除在分析範圍之外。圖片中每個波段的每個像素都有遮罩。遮罩值為 0 或以下則會呈現透明。系統會算繪遮罩值大於 0 的像素。圖片遮罩是使用 image1.mask(image2) 等呼叫設定。這項呼叫會擷取 image2 的值，並將其設為 image1 的遮罩。image2 中值為 0 的任何像素，在 image1 中都會變成透明。
舉例來說，假設您想遮蓋中位數合成影像中的所有水像素。您可以使用 Hansen 等人 (2013 年) 描述的資料集建立水體遮罩，該資料集位於 Earth Engine Data Catalog 中。(如要進一步瞭解 Hansen 等人的資料集，請參閱這篇教學課程)。在這個資料集中，水的值為 2，陸地的值為 1，「無資料」的值為 0。運用一些邏輯，建立遮罩圖片，在沒有陸地的位置填入零：
程式碼編輯器 (JavaScript)
// Load or import the Hansen et al. forest change dataset. var hansenImage = ee.Image('UMD/hansen/global_forest_change_2025_v1_13'); // Select the land/water mask. var datamask = hansenImage.select('datamask'); // Create a binary mask. var mask = datamask.eq(1); // Update the composite mask with the water mask. var maskedComposite = median.updateMask(mask); Map.addLayer(maskedComposite, visParams, 'masked');
這段程式碼有幾個新功能值得詳細說明。首先，select() 函式可用於從圖片中擷取感興趣的波段。在這裡，我們只選取感興趣的波段：datamask。接下來要介紹的是邏輯運算子 eq()，代表「等於」。我們使用 eq(1) 建立二進位圖片，其中 datamask 頻帶中值不為 1 的所有像素 (水或無資料)，在產生的圖片中值為 0。
套用這項遮罩後，中位數合成影像中位於陸地上的所有像素 (根據 Hansen 等人的資料集) 都會顯示，但位於水域 (或無資料) 的像素會變成透明，並從您對 maskedComposite 影像執行的任何分析中排除。
馬賽克
結合圖像集合、邏輯運算子、遮罩和合成的概念，可以產生有趣的製圖結果。舉例來說，假設您希望圖片中的陸地像素以真彩顯示，其他所有像素則以藍色顯示，可以執行以下操作：
程式碼編輯器 (JavaScript)
// Make a water image out of the mask. var water = mask.not(); // Mask water with itself to mask all the zeros (non-water). water = water.mask(water); // Make an image collection of visualization images. var mosaic = ee.ImageCollection([ median.visualize(visParams), water.visualize({palette: '000044'}), ]).mosaic(); // Display the mosaic. Map.addLayer(mosaic, {}, 'custom mosaic');
這段程式碼包含許多內容，我們來仔細分析。首先，我們使用 not() 邏輯運算子反轉先前建立的遮罩。具體來說，not() 會將所有零轉換為一，並將所有非零轉換為零。將該變數稱為 water 並不完全正確，因為其中也包含一些無資料像素，但在目前的製圖情境中，這樣做是可行的。接下來，請使用「water」遮蓋「water」。這樣一來，圖片中的所有水體像素都會是 1，其他部分則會遮蓋。最後一個步驟是使用 mosaic() 合併圖片。由於 mosaic() 適用於圖片集合，因此我們會將要合併的圖片清單傳遞至圖片集合建構函式，然後呼叫 mosaic() 做為最後一個步驟。清單中的圖片順序很重要。具體來說，輸出圖片會包含輸入集合中圖片堆疊的最後一個未遮蓋像素。在這個例子中，這種做法可行，因為水層是集合中的最後一張 (頂層) 圖片，且只包含水出現位置的未遮罩像素。
請注意，集合中的圖片是視覺化圖片。對圖片呼叫 visualize() 時，系統會根據您傳入的視覺化參數，將圖片轉換為 3 波段、8 位元的圖片。預設視覺化參數適用於 3 頻帶、8 位元圖片，因此將圖片新增至地圖時，不需要視覺化參數。結果應如圖 7 所示。
到目前為止，您已瞭解如何將圖片集合視覺化為近期值合成影像、使用減縮器合成圖片集合的方法，以及透過遮蓋和拼接圖片集合來製作自訂合成影像的方法。在下一頁中，您將瞭解如何為集合中的每張圖片新增植被指數，並使用該指數建立「最綠像素」合成影像。