ee.Image.reduceRegions

প্রদত্ত সংগ্রহে প্রতিটি বৈশিষ্ট্যের ক্ষেত্রফলের উপর একটি রিডুসার প্রয়োগ করুন।

ইনপুট ইমেজের ব্যান্ডগুলির মতো রিডিউসারে অবশ্যই একই সংখ্যক ইনপুট থাকতে হবে।

ইনপুট বৈশিষ্ট্যগুলি প্রদান করে, প্রতিটি সংশ্লিষ্ট রিডুসার আউটপুটগুলির সাথে বর্ধিত।

ব্যবহার	রিটার্নস
Image. reduceRegions (collection, reducer, scale , crs , crsTransform , tileScale , maxPixelsPerRegion )	ফিচার কালেকশন

যুক্তি	টাইপ	বিস্তারিত
এই: image	ছবি	ছবিটি কমাতে হবে।
collection	ফিচার কালেকশন	বৈশিষ্ট্য কমাতে ওভার.
reducer	হ্রাসকারী	রিডুসার প্রয়োগ করতে হবে।
scale	ফ্লোট, ডিফল্ট: নাল	কাজ করার জন্য অভিক্ষেপের মিটারে একটি নামমাত্র স্কেল।
crs	অভিক্ষেপ, ডিফল্ট: নাল	যে প্রজেকশনে কাজ করতে হবে। যদি অনির্দিষ্ট থাকে, তাহলে ছবির প্রথম ব্যান্ডের অভিক্ষেপ ব্যবহার করা হয়। স্কেল ছাড়াও নির্দিষ্ট করা হলে, নির্দিষ্ট স্কেলে রিস্কেল করা হয়।
crsTransform	তালিকা, ডিফল্ট: নাল	CRS রূপান্তর মানগুলির তালিকা। এটি 3x2 রূপান্তর ম্যাট্রিক্সের একটি সারি-প্রধান ক্রম। এই বিকল্পটি 'স্কেল'-এর সাথে পারস্পরিকভাবে একচেটিয়া, এবং প্রজেকশনে ইতিমধ্যে সেট করা যেকোনো রূপান্তর প্রতিস্থাপন করবে।
tileScale	ফ্লোট, ডিফল্ট: 1	অ্যাগ্রিগেশন টাইলের আকার কমাতে ব্যবহৃত একটি স্কেলিং ফ্যাক্টর; একটি বৃহত্তর টাইলস্কেল ব্যবহার করে (যেমন, 2 বা 4) ডিফল্ট সহ মেমরি ফুরিয়ে যাওয়া গণনা সক্ষম করতে পারে।
maxPixelsPerRegion	দীর্ঘ, ডিফল্ট: নাল	প্রতি অঞ্চলে কমাতে পিক্সেলের সর্বাধিক সংখ্যা৷

উদাহরণ

কোড এডিটর (জাভাস্ক্রিপ্ট)

// 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);

পাইথন সেটআপ

পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার জন্য পাইথন এনভায়রনমেন্ট পৃষ্ঠাটি দেখুন।

import ee
import geemap.core as geemap

Colab (পাইথন)

# 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)