ee.Image.sample

Bir resmin piksellerini örnekleyerek FeatureCollection olarak döndürür. Her özellik, giriş resmindeki bant başına 1 özelliğe sahip olur. Varsayılan davranışın, maskelenmiş piksellerle kesişen ve boş değerli özelliklere neden olan özellikleri bırakmak olduğunu unutmayın (bkz. dropNulls bağımsız değişkeni).

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

Bağımsız Değişken	Tür	Ayrıntılar
bu: image	Resim	Örnek alınacak resim.
region	Geometri, varsayılan: null	Örnekleme yapılacak bölge. Belirtilmezse resmin tüm ayak izini kullanır.
scale	Ondalık sayı, varsayılan: null	Örnekleme yapılacak projeksiyonun metre cinsinden nominal ölçeği.
projection	Projeksiyon, varsayılan: null	Örnekleme yapılacak projeksiyon. Belirtilmezse görüntünün ilk bandının projeksiyonu kullanılır. Ölçeğe ek olarak belirtilirse belirtilen ölçeğe göre yeniden ölçeklendirilir.
factor	Ondalık sayı, varsayılan: null	(0, 1] aralığında bir alt örnekleme faktörü. Belirtilmişse "numPixels" belirtilmemelidir. Varsayılan olarak alt örnekleme yapılmaz.
numPixels	Uzun, varsayılan: null	Örnekleme yapılacak yaklaşık piksel sayısı. Belirtilmişse "faktör" belirtilmemelidir.
seed	Tamsayı, varsayılan: 0	Alt örnekleme için kullanılacak rastgeleleştirme başlangıç değeri.
dropNulls	Boole değeri, varsayılan: true	Boş değerli özelliklere sahip olanları bırakmak için sonucu filtreleyin.
tileScale	Ondalık sayı, varsayılan: 1	Toplama kutucuğu boyutunu küçültmek için kullanılan ölçeklendirme faktörü.Daha büyük bir tileScale (ör. 2 veya 4) varsayılan değerle belleğin tükenmesine neden olan hesaplamaları etkinleştirebilir.
geometries	Boole değeri, varsayılan: false	Doğruysa örneklenen pikselin merkezini çıkış özelliğinin geometri özelliği olarak ekler. Aksi takdirde, geometriler atlanır (bellek tasarrufu sağlanır).

Örnekler

Kod Düzenleyici (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 kurulumu

Python API'si ve etkileşimli geliştirme için geemap kullanımı hakkında bilgi edinmek üzere Python Ortamı sayfasına bakın.

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())