ee.ImageCollection.getRegion

किसी ImageCollection में मौजूद हर [pixel, band, image] टपल के लिए, वैल्यू की एक ऐरे आउटपुट करता है. आउटपुट में id, lon, lat, time, और हर उस इमेज के लिए सभी बैंड की लाइनें शामिल होती हैं जो दिए गए इलाके के हर पिक्सल को इंटरसेक्ट करती हैं. 10,48,576 से ज़्यादा वैल्यू निकालने की कोशिश करने पर गड़बड़ी होगी.

इस्तेमाल	रिटर्न
ImageCollection.getRegion(geometry, scale, crs, crsTransform)	सूची

आर्ग्यूमेंट	टाइप	विवरण
यह: collection	ImageCollection	वह इमेज कलेक्शन जिससे डेटा एक्सट्रैक्ट करना है.
geometry	ज्यामिति	वह क्षेत्र जिससे डेटा एक्सट्रैक्ट करना है.
scale	फ़्लोट, डिफ़ॉल्ट: शून्य	यह प्रोजेक्शन का नॉमिनल स्केल है, जिसमें काम करना है.
crs	प्रोजेक्शन, ज़रूरी नहीं है	वह प्रोजेक्शन जिसमें काम करना है. अगर यह जानकारी नहीं दी जाती है, तो डिफ़ॉल्ट रूप से EPSG:4326 का इस्तेमाल किया जाता है. अगर स्केल के साथ-साथ प्रोजेक्शन भी तय किया जाता है, तो प्रोजेक्शन को तय किए गए स्केल के हिसाब से फिर से स्केल किया जाता है.
crsTransform	सूची, डिफ़ॉल्ट: शून्य	सीआरएस ट्रांसफ़ॉर्म वैल्यू की कैटगरी. यह 3x2 अफ़ाइन ट्रांसफ़ॉर्म का लाइन-मेजर ऑर्डर है. यह विकल्प, स्केल विकल्प के साथ काम नहीं करता. साथ ही, यह दिए गए प्रोजेक्शन पर पहले से सेट किए गए किसी भी ट्रांसफ़ॉर्म की जगह ले लेगा.

उदाहरण

कोड एडिटर (JavaScript)

// 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);

Python सेटअप करना

Python API और इंटरैक्टिव डेवलपमेंट के लिए geemap का इस्तेमाल करने के बारे में जानकारी पाने के लिए, Python एनवायरमेंट पेज देखें.

import ee
import geemap.core as geemap

Colab (Python)

# 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)