ee.Image.reduceRegions

تطبيق أداة تقليل على مساحة كل عنصر في المجموعة المحدّدة

يجب أن يحتوي المخفّض على عدد المدخلات نفسه الذي تحتويه الصورة المدخلة من نطاقات.

تعرض هذه الدالة عناصر الإدخال، مع إضافة نواتج الدالة المخفّضة المناسبة لكل عنصر.

الاستخدام	المرتجعات
Image.reduceRegions(collection, reducer, scale, crs, crsTransform, tileScale, maxPixelsPerRegion)	FeatureCollection

الوسيطة	النوع	التفاصيل
هذا: image	صورة	الصورة المطلوب تصغيرها.
collection	FeatureCollection	الميزات التي يجب تقليلها
reducer	Reducer	الدالة المخفِّضة التي سيتم تطبيقها.
scale	عدد عائم، القيمة التلقائية: null	مقياس اسمي بالأمتار للإسقاط الذي سيتم العمل فيه
crs	التوقعات، القيمة التلقائية: null	تمثّل هذه السمة نظام الإحداثيات الذي سيتم العمل فيه. في حال عدم تحديدها، يتم استخدام إسقاط النطاق الأول للصورة. إذا تم تحديدها بالإضافة إلى المقياس، سيتم إعادة قياسها وفقًا للمقياس المحدّد.
crsTransform	قائمة، القيمة التلقائية: null	قائمة بقيم تحويل نظام الإحداثيات المرجعية (CRS). هذا هو ترتيب الصفوف الرئيسية لمصفوفة التحويل 3x2. لا يمكن استخدام هذا الخيار مع الخيار "المقياس"، وسيحلّ محلّ أي عملية تحويل تم ضبطها مسبقًا على العرض.
tileScale	عدد عشري، القيمة التلقائية: 1	عامل قياس يُستخدَم لتقليل حجم مربّع التجميع، وقد يتيح استخدام tileScale أكبر (مثل 2 أو 4) إجراء عمليات حسابية تنفد فيها الذاكرة مع القيمة التلقائية.
maxPixelsPerRegion	Long، القيمة التلقائية: null	الحد الأقصى لعدد وحدات البكسل التي يمكن تقليلها في كل منطقة

أمثلة

أداة تعديل الرموز (JavaScript)

// A Landsat 8 SR 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 ecoregions feature collection.
var regionCol = ee.FeatureCollection('EPA/Ecoregions/2013/L4')
                    .filter('us_l4name == "Santa Cruz Mountains" || ' +
                            'us_l4name == "San Mateo Coastal Hills" || ' +
                            'us_l4name == "Leeward Hills"');

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

// Calculate median band values within Santa Cruz Mountains ecoregions. 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.reduceRegions({
  collection: regionCol,
  reducer: ee.Reducer.median(),
  scale: 30,  // meters
  crs: 'EPSG:3310',  // California Albers projection
});

// The input feature collection is returned with new properties appended.
// The new properties are the outcome of the region reduction per image band,
// for each feature in the collection. Region reduction property names
// are the same as the input image band names.
print('Median band values, Santa Cruz Mountains ecoregions', stats);

// You can combine reducers to calculate e.g. mean and standard deviation
// simultaneously. The resulting property names 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.reduceRegions({
  collection: regionCol,
  reducer: reducer,
  scale: 30,
  crs: 'EPSG:3310',
});
print('Mean & SD band values, Santa Cruz Mountains ecoregions', multiStats);

إعداد Python

راجِع صفحة بيئة Python للحصول على معلومات حول واجهة برمجة التطبيقات Python واستخدام geemap للتطوير التفاعلي.

import ee
import geemap.core as geemap

Colab (Python)

# A Landsat 8 SR 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 ecoregions feature collection.
region_col = ee.FeatureCollection('EPA/Ecoregions/2013/L4').filter(
    'us_l4name == "Santa Cruz Mountains" || '
    + 'us_l4name == "San Mateo Coastal Hills" || '
    + 'us_l4name == "Leeward Hills"'
)

# 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(
    region_col, {'color': 'white'}, 'Santa Cruz Mountains ecoregions'
)
display(m)

# Calculate median band values within Santa Cruz Mountains ecoregions. 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.reduceRegions(
    collection=region_col,
    reducer=ee.Reducer.median(),
    scale=30,  # meters
    crs='EPSG:3310',  # California Albers projection
)

# The input feature collection is returned with new properties appended.
# The new properties are the outcome of the region reduction per image band,
# for each feature in the collection. Region reduction property names
# are the same as the input image band names.
display('Median band values, Santa Cruz Mountains ecoregions', stats)

# You can combine reducers to calculate e.g. mean and standard deviation
# simultaneously. The resulting property names 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.reduceRegions(
    collection=region_col,
    reducer=reducer,
    scale=30,
    crs='EPSG:3310',
)
display('Mean & SD band values, Santa Cruz Mountains ecoregions', multi_stats)