ee.Image.reduceRegion

החלת פונקציית צמצום על כל הפיקסלים באזור ספציפי.

מספר הקלטים של הפונקציה reducer צריך להיות זהה למספר הפסים בתמונת הקלט, או שהפונקציה צריכה לקבל קלט יחיד והיא תחזור על עצמה עבור כל פס.

מחזירה מילון של הפלטים של פונקציית ה-reducer.

שימוש	החזרות
Image.reduceRegion(reducer, geometry, scale, crs, crsTransform, bestEffort, maxPixels, tileScale)	מילון

ארגומנט	סוג	פרטים
זה: image	תמונה	התמונה להקטנה.
reducer	הפחתה	הפונקציה לצמצום שרוצים להחיל.
geometry	גיאומטריה, ברירת מחדל: null	האזור שבו רוצים לצמצם את הנתונים. ברירת המחדל היא טביעת הרגל של הפס הראשון של התמונה.
scale	מספר ממשי (float), ברירת מחדל: null	קנה מידה נומינלי במטרים של ההטלה שרוצים לעבוד איתה.
crs	תחזית, ברירת מחדל: null	ההטלה שבה רוצים להשתמש. אם לא מציינים, נעשה שימוש בהטלה של הפס הראשון של התמונה. אם מציינים את הארגומנט הזה בנוסף לארגומנט scale, הערך ישונה בהתאם לערך של scale.
crsTransform	רשימה, ברירת מחדל: null	רשימת ערכי הטרנספורמציה של מערכת ייחוס קואורדינטות. זהו סדר שורות של מטריצת הטרנספורמציה 3x2. האפשרות הזו לא יכולה לפעול יחד עם האפשרות scale, והיא מחליפה כל טרנספורמציה שכבר הוגדרה בהקרנה.
bestEffort	בוליאני, ברירת מחדל: false	אם הפוליגון יכיל יותר מדי פיקסלים בקנה מידה נתון, צריך לחשב ולהשתמש בקנה מידה גדול יותר שיאפשר את הפעולה.
maxPixels	מספר ארוך, ברירת מחדל: 10000000	מספר הפיקסלים המקסימלי להפחתה.
tileScale	מספר ממשי (float), ברירת מחדל: 1	גורם לקביעת קנה מידה בין 0.1 ל-16 שמשמש להתאמת הגודל של משבצת צבירה. הגדרה של tileScale גדול יותר (למשל, ‫2 או 4) משתמשים באריחים קטנים יותר ועשויים לאפשר חישובים שנגמר להם הזיכרון עם ברירת המחדל.

דוגמאות

עורך הקוד (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);

הגדרת Python

מידע על Python API ועל שימוש ב-geemap לפיתוח אינטראקטיבי מופיע בדף Python Environment.

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)