ee.Image.stratifiedSample

یک نمونه تصادفی طبقه‌بندی‌شده از نقاط را از یک تصویر استخراج می‌کند. تعداد مشخصی از نمونه‌ها را برای هر مقدار متمایز کشف‌شده در 'classBand' استخراج می‌کند. یک FeatureCollection از ۱ ویژگی به ازای هر نقطه استخراج‌شده برمی‌گرداند، که هر ویژگی دارای ۱ ویژگی به ازای هر باند در تصویر ورودی است. اگر کمتر از تعداد مشخص‌شده نمونه برای یک مقدار کلاس معین موجود باشد، تمام نقاط آن کلاس لحاظ می‌شوند. مستلزم آن است که classBand حاوی مقادیر صحیح باشد.

کاربرد بازگشت‌ها
Image. stratifiedSample (numPoints, classBand , region , scale , projection , seed , classValues , classPoints , dropNulls , tileScale , geometries ) مجموعه ویژگی‌ها
استدلال نوع جزئیات
این: image تصویر تصویر برای نمونه‌برداری.
numPoints عدد صحیح تعداد پیش‌فرض نقاط برای نمونه‌برداری در هر کلاس. می‌توان آن را برای کلاس‌های خاص با استفاده از ویژگی‌های 'classValues' و 'classPoints' لغو کرد.
classBand رشته، پیش‌فرض: تهی نام باندی که شامل کلاس‌هایی است که برای طبقه‌بندی استفاده می‌شوند. در صورت عدم تعیین، از اولین باند تصویر ورودی استفاده می‌شود.
region هندسه، پیش‌فرض: تهی ناحیه‌ای که قرار است از آن نمونه‌برداری شود. اگر مشخص نشود، کل مساحت تصویر ورودی استفاده می‌شود.
scale شناور، پیش‌فرض: تهی مقیاس اسمی بر حسب متر از تصویر مورد نظر برای نمونه‌برداری. به طور پیش‌فرض، مقیاس اولین باند تصویر ورودی را در نظر می‌گیرد.
projection تصویر، پیش‌فرض: تهی تصویری که در آن نمونه‌برداری انجام می‌شود. اگر مشخص نشده باشد، از تصویر اولین باند تصویر ورودی استفاده می‌شود. اگر علاوه بر مقیاس مشخص شده باشد، به مقیاس مشخص شده تغییر مقیاس داده می‌شود.
seed عدد صحیح، پیش‌فرض: ۰ یک نمونه تصادفی برای استفاده در زیرنمونه‌گیری.
classValues لیست، پیش‌فرض: تهی فهرستی از مقادیر کلاس که پارامتر numPoints برای آنها لغو می‌شود. باید به اندازه classPoints یا null باشد.
classPoints لیست، پیش‌فرض: تهی فهرستی از حداکثر تعداد پیکسل‌های نمونه‌برداری شده در هر کلاس برای هر کلاس در لیست classValues. باید اندازه‌ای برابر با classValues ​​یا null داشته باشد.
dropNulls بولی، پیش‌فرض: درست از پیکسل‌هایی که در آن‌ها هر باندی پوشانده شده است، صرف نظر کنید.
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.
geometries بولی، پیش‌فرض: false اگر درست باشد، نتایج شامل یک هندسه به ازای هر پیکسل نمونه‌برداری شده خواهد بود. در غیر این صورت، هندسه‌ها حذف می‌شوند (صرفه‌جویی در حافظه).