ee.Image.reduceRegion

Menerapkan peredam ke semua piksel di region tertentu.

Reducer harus memiliki jumlah input yang sama dengan jumlah band pada gambar input, atau harus memiliki satu input dan akan diulang untuk setiap band.

Menampilkan kamus output peredam.

Penggunaan	Hasil
Image.reduceRegion(reducer, geometry, scale, crs, crsTransform, bestEffort, maxPixels, tileScale)	Kamus

Argumen	Jenis	Detail
ini: image	Gambar	Gambar yang akan dikurangi.
reducer	Pengurang	Pengurang yang akan diterapkan.
geometry	Geometri, default: null	Wilayah tempat data akan dikurangi. Default-nya adalah jejak band pertama gambar.
scale	Float, default: null	Skala nominal dalam meter proyeksi yang akan digunakan.
crs	Proyeksi, default: null	Proyeksi yang akan dikerjakan. Jika tidak ditentukan, proyeksi band pertama gambar akan digunakan. Jika ditentukan selain skala, akan diubah skalanya ke skala yang ditentukan.
crsTransform	Daftar, default: null	Daftar nilai transformasi CRS. Ini adalah pengurutan baris utama dari matriks transformasi 3x2. Opsi ini eksklusif dengan 'scale', dan menggantikan transformasi yang sudah ditetapkan pada proyeksi.
bestEffort	Boolean, default: false	Jika poligon akan berisi terlalu banyak piksel pada skala tertentu, hitung dan gunakan skala yang lebih besar agar operasi berhasil.
maxPixels	Long, default: 10000000	Jumlah maksimum piksel yang akan dikurangi.
tileScale	Float, default: 1	Faktor penskalaan antara 0,1 dan 16 yang digunakan untuk menyesuaikan ukuran petak agregasi; menetapkan tileScale yang lebih besar (misalnya, 2 atau 4) menggunakan petak yang lebih kecil dan dapat mengaktifkan komputasi yang kehabisan memori dengan setelan default.

Contoh

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);

Penyiapan Python

Lihat halaman Lingkungan Python untuk mengetahui informasi tentang Python API dan penggunaan geemap untuk pengembangan interaktif.

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)