ee.ImageCollection.getRegion

একটি ইমেজ কালেকশনে প্রতিটি [পিক্সেল, ব্যান্ড, ইমেজ] টিপলের জন্য মানগুলির একটি অ্যারে আউটপুট করুন। আউটপুটে id, lon, lat, time এবং প্রতিটি ছবির জন্য সমস্ত ব্যান্ডের সারি রয়েছে যা প্রদত্ত অঞ্চলে প্রতিটি পিক্সেলকে ছেদ করে। 1048576 এর বেশি মান বের করার চেষ্টা করলে একটি ত্রুটি দেখা দেবে।

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

যুক্তি	টাইপ	বিস্তারিত
এই: collection	ইমেজ কালেকশন	ছবির সংগ্রহ থেকে ডেটা বের করতে হবে।
geometry	জ্যামিতি	যে অঞ্চল থেকে ডেটা বের করতে হবে।
scale	ফ্লোট, ডিফল্ট: নাল	কাজ করার জন্য অভিক্ষেপের মিটারে একটি নামমাত্র স্কেল।
crs	অভিক্ষেপ, ঐচ্ছিক	কাজ করার জন্য প্রজেকশন। অনির্দিষ্ট থাকলে, ডিফল্ট EPSG:4326। স্কেল ছাড়াও নির্দিষ্ট করা হলে, প্রজেকশনটি নির্দিষ্ট স্কেলে রিস্কেল করা হয়।
crsTransform	তালিকা, ডিফল্ট: নাল	CRS রূপান্তর মানগুলির বিন্যাস। এটি একটি 3x2 affine রূপান্তরের একটি সারি-প্রধান ক্রম। এই বিকল্পটি স্কেল বিকল্পের সাথে পারস্পরিকভাবে একচেটিয়া, এবং প্রদত্ত প্রজেকশনে ইতিমধ্যে সেট করা যেকোনো রূপান্তর 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 ব্যবহার করার জন্য পাইথন এনভায়রনমেন্ট পৃষ্ঠাটি দেখুন।

import ee
import geemap.core as geemap

Colab (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)