ee.Image.reduceRegion

Einen Reducer auf alle Pixel in einer bestimmten Region anwenden.

Entweder muss der Reducer dieselbe Anzahl an Eingaben wie das Eingabebild an Bändern haben oder er muss eine einzelne Eingabe haben und wird für jedes Band wiederholt.

Gibt ein Dictionary mit den Ausgaben des Reducer zurück.

Nutzung	Ausgabe
Image.reduceRegion(reducer, geometry, scale, crs, crsTransform, bestEffort, maxPixels, tileScale)	Wörterbuch

Argument	Typ	Details
So gehts: image	Bild	Das zu verkleinernde Bild.
reducer	Reducer	Der anzuwendende Reducer.
geometry	Geometrie, Standardwert: null	Die Region, für die Daten reduziert werden sollen. Standardmäßig wird der Footprint des ersten Bands des Bilds verwendet.
scale	Gleitkommazahl, Standardwert: null	Ein nominaler Maßstab in Metern für die Projektion, in der gearbeitet werden soll.
crs	Projektion, Standardwert: null	Die Projektion, in der gearbeitet werden soll. Wenn nichts angegeben ist, wird die Projektion des ersten Bands des Bildes verwendet. Wird zusätzlich zur Skalierung angegeben und auf die angegebene Skalierung skaliert.
crsTransform	Liste, Standard: null	Die Liste der Werte für die CRS-Transformation. Dies ist eine zeilenweise Anordnung der 3 × 2-Transformationsmatrix. Diese Option schließt sich gegenseitig mit „scale“ aus und ersetzt alle Transformationen, die bereits für die Projektion festgelegt sind.
bestEffort	Boolescher Wert, Standard: „false“	Wenn das Polygon bei der angegebenen Skalierung zu viele Pixel enthalten würde, berechnen und verwenden Sie eine größere Skalierung, damit der Vorgang erfolgreich ausgeführt werden kann.
maxPixels	Lang, Standardwert: 10000000	Die maximale Anzahl der zu reduzierenden Pixel.
tileScale	Gleitkommazahl, Standardwert: 1	Ein Skalierungsfaktor zwischen 0,1 und 16, mit dem die Größe von Aggregationskacheln angepasst wird.Wenn Sie einen größeren Wert für „tileScale“ festlegen (z.B. 2 oder 4) werden kleinere Kacheln verwendet. Dadurch können Berechnungen möglich sein, die mit der Standardeinstellung nicht durchgeführt werden können, weil der Arbeitsspeicher nicht ausreicht.

Beispiele

Code-Editor (JavaScript)

// A Landsat 8 surface reflectance image with SWIR1, NIR, and green bands.
var img = ee.Image('LANDSAT/LC08/C02/T1_L2/LC08_044034_20210508')
              .select(['SR_B6', 'SR_B5', 'SR_B3']);

// Santa Cruz Mountains ecoregion geometry.
var geom = ee.FeatureCollection('EPA/Ecoregions/2013/L4')
               .filter('us_l4name == "Santa Cruz Mountains"').geometry();

// Display layers on the map.
Map.setCenter(-122.08, 37.22, 9);
Map.addLayer(img, {min: 10000, max: 20000}, 'Landsat image');
Map.addLayer(geom, {color: 'white'}, 'Santa Cruz Mountains ecoregion');

// Calculate median band values within Santa Cruz Mountains ecoregion. It is
// good practice to explicitly define "scale" (or "crsTransform") and "crs"
// parameters of the analysis to avoid unexpected results from undesired
// defaults when e.g. reducing a composite image.
var stats = img.reduceRegion({
  reducer: ee.Reducer.median(),
  geometry: geom,
  scale: 30,  // meters
  crs: 'EPSG:3310',  // California Albers projection
});

// A dictionary is returned; keys are band names, values are the statistic.
print('Median band values, Santa Cruz Mountains ecoregion', stats);

// You can combine reducers to calculate e.g. mean and standard deviation
// simultaneously. The output dictionary keys are the concatenation of the band
// names and statistic names, separated by an underscore.
var reducer = ee.Reducer.mean().combine({
  reducer2: ee.Reducer.stdDev(),
  sharedInputs: true
});
var multiStats = img.reduceRegion({
  reducer: reducer,
  geometry: geom,
  scale: 30,
  crs: 'EPSG:3310',
});
print('Mean & SD band values, Santa Cruz Mountains ecoregion', multiStats);

Python einrichten

Informationen zur Python API und zur Verwendung von geemap für die interaktive Entwicklung finden Sie auf der Seite Python-Umgebung.

import ee
import geemap.core as geemap

Colab (Python)

# A Landsat 8 surface reflectance image with SWIR1, NIR, and green bands.
img = ee.Image('LANDSAT/LC08/C02/T1_L2/LC08_044034_20210508').select(
    ['SR_B6', 'SR_B5', 'SR_B3']
)

# Santa Cruz Mountains ecoregion geometry.
geom = (
    ee.FeatureCollection('EPA/Ecoregions/2013/L4')
    .filter('us_l4name == "Santa Cruz Mountains"')
    .geometry()
)

# Display layers on the map.
m = geemap.Map()
m.set_center(-122.08, 37.22, 9)
m.add_layer(img, {'min': 10000, 'max': 20000}, 'Landsat image')
m.add_layer(geom, {'color': 'white'}, 'Santa Cruz Mountains ecoregion')
display(m)

# Calculate median band values within Santa Cruz Mountains ecoregion. It is
# good practice to explicitly define "scale" (or "crsTransform") and "crs"
# parameters of the analysis to avoid unexpected results from undesired
# defaults when e.g. reducing a composite image.
stats = img.reduceRegion(
    reducer=ee.Reducer.median(),
    geometry=geom,
    scale=30,  # meters
    crs='EPSG:3310',  # California Albers projection
)

# A dictionary is returned keys are band names, values are the statistic.
display('Median band values, Santa Cruz Mountains ecoregion', stats)

# You can combine reducers to calculate e.g. mean and standard deviation
# simultaneously. The output dictionary keys are the concatenation of the band
# names and statistic names, separated by an underscore.
reducer = ee.Reducer.mean().combine(
    reducer2=ee.Reducer.stdDev(), sharedInputs=True
)
multi_stats = img.reduceRegion(
    reducer=reducer,
    geometry=geom,
    scale=30,
    crs='EPSG:3310',
)
display('Mean & SD band values, Santa Cruz Mountains ecoregion', multi_stats)