ee.Image.sample

Lấy mẫu các pixel của một hình ảnh, trả về các pixel đó dưới dạng một FeatureCollection. Mỗi đối tượng sẽ có 1 thuộc tính cho mỗi dải tần trong hình ảnh đầu vào. Xin lưu ý rằng hành vi mặc định là loại bỏ các đối tượng giao với những pixel được che, dẫn đến các thuộc tính có giá trị rỗng (xem đối số dropNulls).

Cách sử dụng	Giá trị trả về
Image.sample(region, scale, projection, factor, numPixels, seed, dropNulls, tileScale, geometries)	FeatureCollection

Đối số	Loại	Thông tin chi tiết
this: image	Hình ảnh	Hình ảnh để lấy mẫu.
region	Hình học, mặc định: null	Khu vực lấy mẫu. Nếu không được chỉ định, sẽ sử dụng toàn bộ kích thước của hình ảnh.
scale	Float, mặc định: null	Một tỷ lệ danh nghĩa tính bằng mét của phép chiếu để lấy mẫu.
projection	Phép chiếu, mặc định: null	Phép chiếu để lấy mẫu. Nếu không được chỉ định, thì phép chiếu của dải tần đầu tiên của hình ảnh sẽ được dùng. Nếu được chỉ định ngoài tỷ lệ, hãy điều chỉnh tỷ lệ theo tỷ lệ đã chỉ định.
factor	Float, mặc định: null	Hệ số lấy mẫu phụ, trong khoảng (0, 1]. Nếu được chỉ định, bạn không được chỉ định "numPixels". Mặc định là không lấy mẫu phụ.
numPixels	Dài, mặc định: null	Số lượng pixel ước chừng cần lấy mẫu. Nếu được chỉ định, bạn không được chỉ định "hệ số".
seed	Số nguyên, mặc định: 0	Một dữ liệu gốc ngẫu nhiên để dùng cho việc lấy mẫu phụ.
dropNulls	Boolean, mặc định: true	Lọc kết quả sau để loại bỏ các đối tượng có thuộc tính giá trị rỗng.
tileScale	Số thực, mặc định: 1	Hệ số tỷ lệ dùng để giảm kích thước ô tổng hợp; sử dụng tileScale lớn hơn (ví dụ: 2 hoặc 4) có thể cho phép các phép tính hết bộ nhớ với giá trị mặc định.
geometries	Boolean, mặc định: false	Nếu đúng, sẽ thêm tâm của pixel được lấy mẫu làm thuộc tính hình học của đối tượng đầu ra. Nếu không, các hình học sẽ bị bỏ qua (giúp tiết kiệm bộ nhớ).

Ví dụ

Trình soạn thảo mã (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());

Thiết lập Python

Hãy xem trang Môi trường Python để biết thông tin về API Python và cách sử dụng geemap cho quá trình phát triển tương tác.

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())