ee.Kernel.gaussian

Membuat kernel Gaussian dari Gaussian berkelanjutan yang disampel.

Penggunaan	Hasil
ee.Kernel.gaussian(radius, sigma, units, normalize, magnitude)	Kernel

Argumen	Jenis	Detail
radius	Float	Radius kernel yang akan dibuat.
sigma	Float, default: 1	Simpangan baku fungsi Gaussian (satuan yang sama dengan radius).
units	String, default: "pixels"	Sistem pengukuran untuk kernel ('piksel' atau 'meter'). Jika kernel ditentukan dalam meter, kernel akan diubah ukurannya saat level zoom diubah.
normalize	Boolean, default: benar (true)	Menormalisasi nilai kernel agar berjumlah 1.
magnitude	Float, default: 1	Menskalakan setiap nilai dengan jumlah ini.

Contoh

Code Editor (JavaScript)

print('A Gaussian kernel', ee.Kernel.gaussian({radius: 3}));

/**
 * Output weights matrix (up to 1/1000 precision for brevity)
 *
 * [0.002, 0.013, 0.021, 0.013, 0.002]
 * [0.013, 0.059, 0.098, 0.059, 0.013]
 * [0.021, 0.098, 0.162, 0.098, 0.021]
 * [0.013, 0.059, 0.098, 0.059, 0.013]
 * [0.002, 0.013, 0.021, 0.013, 0.002]
 */

Penyiapan Python

Lihat halaman Lingkungan Python untuk mengetahui informasi tentang Python API dan penggunaan geemap untuk pengembangan interaktif.

import ee
import geemap.core as geemap

Colab (Python)

from pprint import pprint

print('A Gaussian kernel:')
pprint(ee.Kernel.gaussian(**{'radius': 3}).getInfo())

#  Output weights matrix (up to 1/1000 precision for brevity)

#  [0.002, 0.013, 0.021, 0.013, 0.002]
#  [0.013, 0.059, 0.098, 0.059, 0.013]
#  [0.021, 0.098, 0.162, 0.098, 0.021]
#  [0.013, 0.059, 0.098, 0.059, 0.013]
#  [0.002, 0.013, 0.021, 0.013, 0.002]