ee.Image.stratifiedSample

یک نمونه تصادفی طبقه بندی شده از نقاط را از یک تصویر استخراج می کند. تعداد مشخص شده نمونه را برای هر مقدار متمایز کشف شده در "classBand" استخراج می کند. یک مجموعه ویژگی از 1 ویژگی در هر نقطه استخراج شده را برمی‌گرداند که هر ویژگی دارای 1 ویژگی در هر باند در تصویر ورودی است. اگر تعداد نمونه های مشخص شده برای یک مقدار کلاس معین کمتر از تعداد مشخص شده باشد، تمام امتیازهای آن کلاس لحاظ می شود. مستلزم آن است که classBand دارای مقادیر صحیح باشد.

استفاده برمی گرداند
Image. stratifiedSample (numPoints, classBand , region , scale , projection , seed , classValues , classPoints , dropNulls , tileScale , geometries ) مجموعه ویژگی ها
استدلال تایپ کنید جزئیات
این: image تصویر تصویر برای نمونه
numPoints عدد صحیح تعداد پیش فرض امتیاز برای نمونه در هر کلاس. می توان برای کلاس های خاص با استفاده از ویژگی های 'classValues' و 'classPoints' نادیده گرفت.
classBand رشته، پیش فرض: null نام باند حاوی کلاس هایی که برای طبقه بندی استفاده می شود. اگر مشخص نشده باشد، از اولین باند تصویر ورودی استفاده می شود.
region هندسه، پیش فرض: null منطقه ای که باید از آن نمونه برداری کرد. اگر مشخص نباشد، کل ردپای تصویر ورودی استفاده می شود.
scale شناور، پیش فرض: null یک مقیاس اسمی بر حسب متر از طرح ریزی برای نمونه. به طور پیش فرض مقیاس اولین باند تصویر ورودی را تعیین می کند.
projection Projection، پیش فرض: null طرح ریزی که در آن نمونه برداری می شود. در صورت نامشخص، از نمایش اولین باند تصویر ورودی استفاده می شود. اگر علاوه بر مقیاس مشخص شده است، به مقیاس مشخص شده مجدداً مقیاس می شود.
seed عدد صحیح، پیش فرض: 0 یک دانه تصادفی برای استفاده برای نمونه گیری فرعی.
classValues لیست، پیش فرض: null لیستی از مقادیر کلاس که برای آنها پارامتر numPoints لغو می شود. باید به اندازه classPoints یا null باشد.
classPoints لیست، پیش فرض: null فهرستی از حداکثر تعداد پیکسل‌هایی که برای هر کلاس در فهرست classValues نمونه‌گیری می‌شود. باید به اندازه classValues یا null باشد.
dropNulls بولی، پیش فرض: درست است از پیکسل هایی که هر باندی در آنها پوشانده شده است صرف نظر کنید.
tileScale شناور، پیش فرض: 1 یک عامل پوسته پوسته شدن مورد استفاده برای کاهش اندازه کاشی تجمع. استفاده از یک tileScale بزرگتر (مثلاً 2 یا 4) ممکن است محاسباتی را فعال کند که با پیش فرض حافظه آنها تمام می شود.
geometries بولی، پیش فرض: نادرست اگر درست باشد، نتایج شامل یک هندسه در هر پیکسل نمونه می شود. در غیر این صورت، هندسه ها حذف می شوند (صرفه جویی در حافظه).