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)

display('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]