ee.ImageCollection.getRegion

একটি ImageCollection-এর প্রতিটি [পিক্সেল, ব্যান্ড, ইমেজ] টাপলের জন্য একটি ভ্যালু অ্যারে আউটপুট করুন। আউটপুটে প্রদত্ত অঞ্চলের প্রতিটি পিক্সেলকে ছেদকারী প্রতিটি ইমেজের জন্য id, lon, lat, time এবং সমস্ত ব্যান্ডের সারি থাকবে। ১০৪৮৫৭৬টির বেশি ভ্যালু বের করার চেষ্টা করলে একটি এরর দেখা দেবে।

ব্যবহার	ফেরত
ImageCollection. getRegion (geometry, scale , crs , crsTransform )	তালিকা

যুক্তি	প্রকার	বিস্তারিত
এই: collection	ইমেজ কালেকশন	ডেটা সংগ্রহের জন্য চিত্র সংগ্রহ।
geometry	জ্যামিতি	যে অঞ্চল থেকে ডেটা সংগ্রহ করতে হবে।
scale	ফ্লোট, ডিফল্ট: নাল	কাজ করার জন্য প্রক্ষেপণের একটি নামমাত্র মাপকাঠি, যা মিটারে পরিমাপ করা হয়।
crs	প্রক্ষেপণ, ঐচ্ছিক	যে প্রজেকশনে কাজ করা হবে। যদি নির্দিষ্ট না করা হয়, তবে ডিফল্ট হিসেবে EPSG:4326 ব্যবহৃত হয়। যদি স্কেলের পাশাপাশি এটিও নির্দিষ্ট করা হয়, তবে প্রজেকশনটি নির্দিষ্ট স্কেলে রিস্কেল করা হয়।
crsTransform	তালিকা, ডিফল্ট: নাল	CRS ট্রান্সফর্ম মানগুলির অ্যারে। এটি একটি 3x2 অ্যাফাইন ট্রান্সফর্মের রো-মেজর অর্ডারিং। এই বিকল্পটি স্কেল বিকল্পের সাথে পারস্পরিকভাবে বর্জনীয়, এবং প্রদত্ত প্রজেকশনে ইতিমধ্যে সেট করা যেকোনো ট্রান্সফর্মকে প্রতিস্থাপন করবে।

উদাহরণ

কোড এডিটর (জাভাস্ক্রিপ্ট)

// A Landsat 8 TOA image collection (3 months at a specific point, RGB bands).
var col = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
  .filterBounds(ee.Geometry.Point(-90.70, 34.71))
  .filterDate('2020-07-01', '2020-10-01')
  .select('B[2-4]');
print('Collection', col);

// Define a region to get pixel values for. This is a small rectangle region
// that intersects 2 image pixels at 30-meter scale.
var roi = ee.Geometry.BBox(-90.496353, 34.851971, -90.495749, 34.852197);

// Display the region of interest overlaid on an image representative. Note
// the ROI intersection with 2 pixels.
var visParams = {
  bands: ['B4', 'B3', 'B2'],
  min: 0.128,
  max: 0.163
};
Map.setCenter(-90.49605, 34.85211, 19);
Map.addLayer(col.first(), visParams, 'Image representative');
Map.addLayer(roi, {color: 'white'}, 'ROI');

// Fetch pixel-level information from all images in the collection for the
// pixels intersecting the ROI.
var pixelInfoBbox = col.getRegion({
  geometry: roi,
  scale: 30
});

// The result is a table (a list of lists) where the first row is column
// labels and subsequent rows are image pixels. Columns contain values for
// the image ID ('system:index'), pixel longitude and latitude, image
// observation time ('system:time_start'), and bands. In this example, note
// that there are 5 images and the region intersects 2 pixels, so n rows
// equals 11 (5 * 2 + 1). All collection images must have the same number of
// bands with the same names.
print('Extracted pixel info', pixelInfoBbox);

// The function accepts all geometry types (e.g., points, lines, polygons).
// Here, a multi-point geometry with two points is used.
var points = ee.Geometry.MultiPoint([[-90.49, 34.85], [-90.48, 34.84]]);
var pixelInfoPoints = col.getRegion({
  geometry: points,
  scale: 30
});
print('Point geometry example', pixelInfoPoints);

পাইথন সেটআপ

পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহারের তথ্যের জন্য পাইথন এনভায়রনমেন্ট পেজটি দেখুন।

import ee
import geemap.core as geemap

কোলাব (পাইথন)

# A Landsat 8 TOA image collection (3 months at a specific point, RGB bands).
col = (
    ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
    .filterBounds(ee.Geometry.Point(-90.70, 34.71))
    .filterDate('2020-07-01', '2020-10-01')
    .select('B[2-4]')
)
display('Collection', col)

# Define a region to get pixel values for. This is a small rectangle region
# that intersects 2 image pixels at 30-meter scale.
roi = ee.Geometry.BBox(-90.496353, 34.851971, -90.495749, 34.852197)

# Display the region of interest overlaid on an image representative. Note
# the ROI intersection with 2 pixels.
vis_params = {'bands': ['B4', 'B3', 'B2'], 'min': 0.128, 'max': 0.163}
m = geemap.Map()
m.set_center(-90.49605, 34.85211, 19)
m.add_layer(col.first(), vis_params, 'Image representative')
m.add_layer(roi, {'color': 'white'}, 'ROI')
display(m)

# Fetch pixel-level information from all images in the collection for the
# pixels intersecting the ROI.
pixel_info_bbox = col.getRegion(geometry=roi, scale=30)

# The result is a table (a list of lists) where the first row is column
# labels and subsequent rows are image pixels. Columns contain values for
# the image ID ('system:index'), pixel longitude and latitude, image
# observation time ('system:time_start'), and bands. In this example, note
# that there are 5 images and the region intersects 2 pixels, so n rows
# equals 11 (5 * 2 + 1). All collection images must have the same number of
# bands with the same names.
display('Extracted pixel info', pixel_info_bbox)

# The function accepts all geometry types (e.g., points, lines, polygons).
# Here, a multi-point geometry with two points is used.
points = ee.Geometry.MultiPoint([[-90.49, 34.85], [-90.48, 34.84]])
pixel_info_points = col.getRegion(geometry=points, scale=30)
display('Point geometry example', pixel_info_points)