ee.Image.reduceRegions

یک کاهنده را روی مساحت هر ویژگی در مجموعه داده شده اعمال کنید.

تعداد ورودی‌های کاهنده باید با تعداد باندهای تصویر ورودی یکسان باشد.

ویژگی‌های ورودی را برمی‌گرداند، که هر کدام با خروجی‌های کاهنده‌ی مربوطه تکمیل شده‌اند.

کاربرد	بازگشت‌ها
Image. reduceRegions (collection, reducer, scale , crs , crsTransform , tileScale , maxPixelsPerRegion )	مجموعه ویژگی‌ها

استدلال	نوع	جزئیات
این: image	تصویر	تصویر برای کوچک کردن.
collection	مجموعه ویژگی‌ها	ویژگی‌هایی که باید کاهش داده شوند.
reducer	کاهنده	کاهنده سرعت برای اعمال.
scale	شناور، پیش‌فرض: تهی	مقیاس اسمی بر حسب متر از تصویری که قرار است در آن کار شود.
crs	تصویر، پیش‌فرض: تهی	تصویری که قرار است در آن کار شود. اگر مشخص نشده باشد، از تصویر اولین باند تصویر استفاده می‌شود. اگر علاوه بر مقیاس مشخص شده باشد، به مقیاس مشخص شده تغییر مقیاس داده می‌شود.
crsTransform	لیست، پیش‌فرض: تهی	فهرست مقادیر تبدیل CRS. این یک مرتب‌سازی سطر-اصلی از ماتریس تبدیل ۳x۲ است. این گزینه با «مقیاس» ناسازگار است و جایگزین هر تبدیلی می‌شود که از قبل روی تصویر تنظیم شده است.
tileScale	شناور، پیش‌فرض: ۱	یک ضریب مقیاس‌بندی که برای کاهش اندازه کاشی تجمیع استفاده می‌شود؛ استفاده از یک کاشی‌اسکیل بزرگتر (مثلاً ۲ یا ۴) ممکن است محاسباتی را فعال کند که با مقدار پیش‌فرض، حافظه کافی ندارند.
maxPixelsPerRegion	طولانی، پیش‌فرض: تهی	حداکثر تعداد پیکسل‌هایی که باید در هر ناحیه کاهش داده شوند.

مثال‌ها

ویرایشگر کد (جاوااسکریپت)

// 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);

تنظیمات پایتون

برای اطلاعات بیشتر در مورد API پایتون و استفاده از geemap برای توسعه تعاملی، به صفحه محیط پایتون مراجعه کنید.

import ee
import geemap.core as geemap

کولب (پایتون)

# 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)