ee.Image.reduceRegion

Aplique um redutor a todos os pixels em uma região específica.

O redutor precisa ter o mesmo número de entradas que a imagem de entrada tem bandas ou ter uma única entrada e ser repetido para cada banda.

Retorna um dicionário das saídas do redutor.

Uso	Retorna
Image.reduceRegion(reducer, geometry, scale, crs, crsTransform, bestEffort, maxPixels, tileScale)	Dicionário

Argumento	Tipo	Detalhes
isso: image	Imagem	A imagem a ser reduzida.
reducer	Redutor	O redutor a ser aplicado.
geometry	Geometria, padrão: nulo	A região em que os dados serão reduzidos. O padrão é a área da primeira banda da imagem.
scale	Ponto flutuante, padrão: nulo	Uma escala nominal em metros da projeção em que trabalhar.
crs	Projeção, padrão: nulo	A projeção em que trabalhar. Se não for especificada, será usada a projeção da primeira banda da imagem. Se especificado além da escala, será redimensionado para a escala especificada.
crsTransform	Lista, padrão: nulo	A lista de valores de transformação de CRS. Essa é uma ordenação de linha principal da matriz de transformação 3x2. Essa opção é mutuamente exclusiva com "scale" e substitui qualquer transformação já definida na projeção.
bestEffort	Booleano, padrão: falso	Se o polígono contiver muitos pixels na escala especificada, calcule e use uma escala maior para que a operação seja concluída.
maxPixels	Long, padrão: 10000000	O número máximo de pixels a serem reduzidos.
tileScale	Ponto flutuante, padrão: 1	Um fator de escalonamento entre 0,1 e 16 usado para ajustar o tamanho do bloco de agregação. Definir um tileScale maior (por exemplo, 2 ou 4) usa blocos menores e pode ativar cálculos que ficam sem memória com o padrão.

Exemplos

Editor de código (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);

Configuração do Python

Consulte a página Ambiente Python para informações sobre a API Python e como usar geemap para desenvolvimento interativo.

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)