ee.Image.sample

यह किसी इमेज के पिक्सल का सैंपल लेता है और उन्हें FeatureCollection के तौर पर दिखाता है. इनपुट इमेज में मौजूद हर बैंड के लिए, हर सुविधा में एक प्रॉपर्टी होगी. ध्यान दें कि डिफ़ॉल्ट रूप से, मास्किंग किए गए पिक्सल से इंटरसेक्ट करने वाली सुविधाओं को हटा दिया जाता है. इससे प्रॉपर्टी की वैल्यू शून्य हो जाती है. इसके लिए, dropNulls आर्ग्युमेंट देखें.

इस्तेमाल	रिटर्न
Image.sample(region, scale, projection, factor, numPixels, seed, dropNulls, tileScale, geometries)	FeatureCollection

आर्ग्यूमेंट	टाइप	विवरण
यह: image	इमेज	वह इमेज जिसका सैंपल लेना है.
region	ज्यामिति, डिफ़ॉल्ट: null	वह क्षेत्र जहां से सैंपल लेना है. अगर यह जानकारी नहीं दी जाती है, तो इमेज के पूरे फ़ुटप्रिंट का इस्तेमाल किया जाता है.
scale	फ़्लोट, डिफ़ॉल्ट: null	यह प्रोजेक्शन का नॉमिनल स्केल है, जिसे मीटर में मापा जाता है. इसका इस्तेमाल सैंपल लेने के लिए किया जाता है.
projection	प्रोजेक्शन, डिफ़ॉल्ट: null	वह प्रोजेक्शन जिसमें सैंपल लेना है. अगर यह जानकारी नहीं दी जाती है, तो इमेज के पहले बैंड के प्रोजेक्शन का इस्तेमाल किया जाता है. अगर इसे स्केल के अलावा किसी और एट्रिब्यूट में बताया गया है, तो इसे बताई गई स्केल के हिसाब से फिर से स्केल किया जाता है.
factor	फ़्लोट, डिफ़ॉल्ट: null	यह (0, 1] के बीच का सबसैंपलिंग फ़ैक्टर होता है. अगर 'numPixels' की वैल्यू तय की गई है, तो 'numPixels' की वैल्यू तय नहीं की जानी चाहिए. डिफ़ॉल्ट रूप से, इसमें कोई सबसैंपलिंग नहीं होती है.
numPixels	Long, डिफ़ॉल्ट: null	सैंपल के लिए पिक्सल की अनुमानित संख्या. अगर इसे तय किया गया है, तो 'फ़ैक्टर' को तय नहीं किया जाना चाहिए.
seed	पूर्णांक, डिफ़ॉल्ट: 0	सबसैंपलिंग के लिए इस्तेमाल किया जाने वाला रैंडमाइज़ेशन सीड.
dropNulls	बूलियन, डिफ़ॉल्ट: true	नतीजे को फ़िल्टर करके, उन सुविधाओं को हटाएं जिनकी प्रॉपर्टी की वैल्यू शून्य है.
tileScale	फ़्लोट, डिफ़ॉल्ट: 1	एग्रीगेशन टाइल के साइज़ को कम करने के लिए इस्तेमाल किया जाने वाला स्केलिंग फ़ैक्टर; tileScale का बड़ा मान इस्तेमाल करने पर (जैसे, 2 या 4) डिफ़ॉल्ट वैल्यू के साथ, मेमोरी से बाहर की गणनाएं चालू कर सकते हैं.
geometries	बूलियन, डिफ़ॉल्ट वैल्यू: false	अगर यह वैल्यू सही है, तो सैंपल किए गए पिक्सल के सेंटर को आउटपुट फ़ीचर की ज्यामिति प्रॉपर्टी के तौर पर जोड़ता है. ऐसा न करने पर, ज्यामिति को शामिल नहीं किया जाएगा. इससे मेमोरी बचेगी.

उदाहरण

कोड एडिटर (JavaScript)

// Demonstrate extracting pixels from an image as features with
// ee.Image.sample(), and show how the features are aligned with the pixels.

// An image with one band of elevation data.
var image = ee.Image('CGIAR/SRTM90_V4');
var VIS_MIN = 1620;
var VIS_MAX = 1650;
Map.addLayer(image, {min: VIS_MIN, max: VIS_MAX}, 'SRTM');

// Region to sample.
var region = ee.Geometry.Polygon(
  [[[-110.006, 40.002],
    [-110.006, 39.999],
    [-109.995, 39.999],
    [-109.995, 40.002]]], null, false);
// Show region on the map.
Map.setCenter(-110, 40, 16);
Map.addLayer(ee.FeatureCollection([region]).style({"color": "00FF0022"}));

// Perform sampling; convert image pixels to features.
var samples = image.sample({
  region: region,

  // Default (false) is no geometries in the output.
  // When set to true, each feature has a Point geometry at the center of the
  // image pixel.
  geometries: true,

  // The scale is not specified, so the resolution of the image will be used,
  // and there is a feature for every pixel. If we give a scale parameter, the
  // image will be resampled and there will be more or fewer features.
  //
  // scale: 200,
});

// Visualize sample data using ee.FeatureCollection.style().
var styled = samples
  .map(function (feature) {
    return feature.set('style', {
      pointSize: feature.getNumber('elevation').unitScale(VIS_MIN, VIS_MAX)
          .multiply(15),
    });
  })
  .style({
    color: '000000FF',
    fillColor: '00000000',
    styleProperty: 'style',
    neighborhood: 6,  // increase to correctly draw large points
  });
Map.addLayer(styled);

// Each sample feature has a point geometry and a property named 'elevation'
// corresponding to the band named 'elevation' of the image. If there are
// multiple bands they will become multiple properties. This will print:
//
// geometry: Point (-110.01, 40.00)
// properties:
//   elevation: 1639
print(samples.first());

Python सेटअप करना

Python API और इंटरैक्टिव डेवलपमेंट के लिए geemap का इस्तेमाल करने के बारे में जानकारी पाने के लिए, Python एनवायरमेंट पेज देखें.

import ee
import geemap.core as geemap

Colab (Python)

# Demonstrate extracting pixels from an image as features with
# ee.Image.sample(), and show how the features are aligned with the pixels.

# An image with one band of elevation data.
image = ee.Image('CGIAR/SRTM90_V4')
vis_min = 1620
vis_max = 1650
m = geemap.Map()
m.add_layer(image, {'min': vis_min, 'max': vis_max}, 'SRTM')

# Region to sample.
region = ee.Geometry.Polygon(
    [[
        [-110.006, 40.002],
        [-110.006, 39.999],
        [-109.995, 39.999],
        [-109.995, 40.002],
    ]],
    None,
    False,
)
# Show region on the map.
m.set_center(-110, 40, 16)

m.add_layer(ee.FeatureCollection([region]).style(color='00FF0022'))

# Perform sampling convert image pixels to features.
samples = image.sample(
    region=region,
    # Default (False) is no geometries in the output.
    # When set to True, each feature has a Point geometry at the center of the
    # image pixel.
    geometries=True,
    # The scale is not specified, so the resolution of the image will be used,
    # and there is a feature for every pixel. If we give a scale parameter, the
    # image will be resampled and there will be more or fewer features.
    #
    # scale=200,
)


def scale_point_size(feature):
  elevation = feature.getNumber('elevation')
  point_size = elevation.unitScale(vis_min, vis_max).multiply(15)
  feature.set('style', {'pointSize': point_size})
  return feature


# Visualize sample data using ee.FeatureCollection.style().
styled = samples.map(scale_point_size).style(
    color='000000FF',
    fillColor='00000000',
    styleProperty='style',
    neighborhood=6,  # increase to correctly draw large points
)
m.add_layer(styled)
display(m)

# Each sample feature has a point geometry and a property named 'elevation'
# corresponding to the band named 'elevation' of the image. If there are
# multiple bands they will become multiple properties. This will print:
#
# geometry: Point (-110.01, 40.00)
# properties:
#   elevation: 1639
display(samples.first())