תחילת העבודה עם Earth Engine

המדריך הזה מיועד למתחילים, והוא מסביר איך להתחיל לתכנת במהירות באמצעות Earth Engine JavaScript API. כדי לקבל מבוא ל-JavaScript ולתרגילים מעמיקים יותר עם Earth Engine API, עיינו במדריכים. במדריך הסגנון של Google ל-JavaScript מפורטות המלצות לסגנון כתיבת קוד ב-JavaScript.

‫Google Earth Engine מאפשר למשתמשים להריץ אלגוריתמים על תמונות ווקטורים עם הפניה גיאוגרפית שמאוחסנים בתשתית של Google. ‫Google Earth Engine API מספק ספריית פונקציות שאפשר להחיל על נתונים לצורך הצגה וניתוח. קטלוג הנתונים הציבוריים של Earth Engine מכיל כמות גדולה של קבוצות נתונים וקטוריים ותמונות שזמינים לציבור. אפשר גם ליצור נכסים פרטיים בתיקיות האישיות של המשתמשים.

איך משתמשים במסמכים האלה

המסמכים של Earth Engine מיועדים לאנשים שמכירים את התחום של ניתוח נתונים גיאו-מרחביים. המסמכים מחולקים בעיקר לפי סוג הנתונים. לדוגמה, חלונית הניווט הימנית מכילה קישורים לקטעים או לדפים שעוסקים בסוגי נתונים חשובים, כמו Image,‏ ImageCollection,‏ Feature,‏ FeatureCollection,‏ Geometry,‏ Reducer,‏ Chart,‏ Join ו-Array. המדריך הזה מתאר רק את מה שצריך לדעת על הסוגים האלה כדי להתחיל. יש גם קטעים בנושא למידת מכונה, אלגוריתמים ייעודיים או ספציפיים לחיישנים (למשל אלגוריתמים של Landsat), אפליקציות שפונות לציבור, ניהול נתונים (נכסים) ופרטים חשובים על הפעולות הפנימיות של Earth Engine. לפני שמתחילים, כדאי לקרוא את המאמר הזה.

עורך הקוד

עורך הקוד הוא סביבה אינטראקטיבית לפיתוח אפליקציות של Earth Engine (איור 1). בחלונית המרכזית יש עורך קוד JavaScript. מעל העורך יש כפתורים לשמירת הסקריפט הנוכחי, להרצה שלו ולניקוי המפה. הלחצן Get Link יוצר כתובת URL ייחודית לסקריפט בסרגל הכתובות. המפה בחלונית התחתונה מכילה את השכבות שהתווספו על ידי הסקריפט. בחלק העליון יש תיבת חיפוש של קבוצות נתונים ומקומות. החלונית הימנית מכילה דוגמאות קוד, הסקריפטים השמורים שלכם, מאמרי העזרה של ה-API שניתן לחפש בהם ומנהל נכסים לנתונים פרטיים. בחלונית הימנית יש פקח לשליחת שאילתות למפה, מסוף קריאייטיב ומנהל למשימות ארוכות. כפתור העזרה בפינה השמאלית העליונה מכיל קישורים למדריך הזה ולמקורות מידע אחרים לקבלת עזרה. מידע נוסף זמין במדריך לעורך הקוד ובמדריך האישי.

עורך הקוד
איור 1. ‫Code Editor של Earth Engine בכתובת code.earthengine.google.com

פתיחה והרצה של קוד בעורך הקוד

בשלבים הבאים מוסבר איך לפתוח את Earth Engine ולהריץ סקריפט בהתאמה אישית שמציג תמונה. כדי לקבל את התוצאות הטובות ביותר, כדאי להתקין את הגרסה העדכנית של Chrome, דפדפן האינטרנט של Google, שזמינה כאן.

  1. פותחים את עורך הקוד של Earth Engine כאן: code.earthengine.google.com.
  2. עוברים לכרטיסייה Scripts (סקריפטים) בקצה הימני של עורך הקוד. שם תמצאו אוסף של סקריפטים לדוגמה שמאפשרים לגשת לנתונים של Earth Engine, להציג אותם ולנתח אותם.
  3. בקטע Image Collection, בוחרים בדוגמה Filtered Composite. תראו סקריפט שמופיע בקונסולה המרכזית. לוחצים על Run כדי להריץ את הסקריפט. בדוגמה Filtered Composite נבחרות תמונות Landsat 7 שמצטלבות עם הגבולות של קולורדו ויוטה או נמצאות בתוכם. לאחר מכן, מוצגת תמונה משולבת בצבעים אמיתיים של התמונות שנבחרו. הדוגמאות מציגות שיטות נפוצות, כמו filter(), clip() ו-Map.addLayer().

מבני הנתונים של Earth Engine

שני מבני הנתונים הגיאוגרפיים הבסיסיים ביותר ב-Earth Engine הם Image ו-Feature, שתואמים לסוגי הנתונים של רסטר ווקטור, בהתאמה. תמונות מורכבות מרצועות וממילון של מאפיינים. התכונות מורכבות מ-Geometry וממילון של מאפיינים. מערך של תמונות (למשל, סדרת זמנים של תמונות) מטופל על ידי ImageCollection. אוסף של תכונות מטופל על ידי FeatureCollection. מבני נתונים בסיסיים אחרים ב-Earth Engine כוללים את Dictionary, List, Array, Date, Number ו-String (מידע נוסף על סוגי נתונים בסיסיים זמין במדריך הזה. חשוב לזכור שכל אלה הם אובייקטים בצד השרת, והם לא עוברים מניפולציה באותו אופן כמו אובייקטים ב-JavaScript בצד הלקוח (מידע נוסף).

אלגוריתמים של Earth Engine

יש כמה דרכים להריץ פעולות ב-API:

  • קריאה ל-methods שמצורפות לאובייקטים.
  • אלגוריתמים של שיחות.
  • הפעלת פונקציות ספציפיות של עורך הקוד.
  • הגדרת פונקציות חדשות.

בכרטיסייה Docs של עורך הקוד מפורטות השיטות של כל מחלקת API. לדוגמה, למחלקה Image יש מתודה add():

Code Editor (JavaScript)

var image3 = image1.add(image2);

השיטה הזו מוסיפה את הרצועות של image2 לרצועות של image1. הקטגוריה ee.Algorithms מכילה רשימה של אלגוריתמים שנתמכים כרגע לעיבוד מיוחד או ספציפי לדומיין. לדוגמה, כדי ליצור שכבות טופוגרפיות ממודל גובה דיגיטלי (DEM) שהוזן:

Code Editor (JavaScript)

var terrainImage = ee.Algorithms.Terrain(dem);

הפונקציות הספציפיות של עורך הקוד כוללות את השיטות Map ו-Export, שקובעות איך שכבות מתווספות לחלונית המפה או מיוצאות ל-Google Drive, בהתאמה. אפשר גם ליצור פונקציות ב-JavaScript באמצעות

Code Editor (JavaScript)

var myFunction = function(args) {
  // do something
  return something;
};

כפי שמוצג בקטע Map, פונקציות בהגדרת המשתמש שימושיות ליצירת פונקציונליות בהתאמה אישית או לשינוי הרכיבים של אוסף באמצעות:

Code Editor (JavaScript)

var collection2 = collection1.map(aFunction);

בקטעים הבאים מוסברים המושגים האלה באמצעות תרחישים פשוטים לדוגמה.

'Hello world!' JavaScript

הדפסת מידע במסוף היא משימה בסיסית לקבלת מידע על אובייקט, הצגת התוצאה המספרית של חישוב, הצגת מטא-נתונים של אובייקט או עזרה בניפוי באגים. הדוגמה המפורסמת של "Hello World!‎" בעורך הקוד היא:

Code Editor (JavaScript)

print('Hello world!');

מעתיקים את השורה הזו לעורך הקוד של Code Editor ולוחצים על Run. שימו לב שהפלט מוצג בכרטיסייה Console, משמאל לעורך הקוד. בדוגמה הבאה, שרלוונטית יותר לחישה מרחוק, מודפסים המטא-נתונים של תמונת Landsat 8:

Code Editor (JavaScript)

print(ee.Image('LANDSAT/LC08/C02/T1_TOA/LC08_044034_20140318'));

בודקים בקפידה את הפלט במסוף כדי לראות את המטא-נתונים שזמינים לתמונות Landsat.

הוספת נתונים למפה

בנוסף להדפסת מידע במסוף, הוספת נתונים ל-Map היא הדרך להציג נתונים גיאוגרפיים. כדי לעשות את זה, צריך להשתמש ב-Map.addLayer(). בדוגמה הבאה, נוצר מופע של Image (בהמשך מוסבר איך למצוא את התמונות האלה) באמצעות ee.Image(), שנוסף למפה באמצעות Map.addLayer() והמפה ממורכזת מעל התמונה:

Code Editor (JavaScript)

// Load an image.
var image = ee.Image('LANDSAT/LC08/C02/T1_TOA/LC08_044034_20140318');

// Center the map on the image.
Map.centerObject(image, 9);

// Display the image.
Map.addLayer(image);

הפרמטר השני של Map.centerObject() הוא רמת הזום, שבה מספרים גבוהים יותר מציינים קנה מידה גדול יותר (זום-אין גדול יותר). הפרמטרים של הפונקציות Map מתוארים בפירוט במאמרי העזרה של ה-API, שאפשר לגשת אליהם מהכרטיסייה Docs. אם התמונה לא נראית טוב, אפשר להגדיר את הפרמטרים של התצוגה באמצעות ארגומנט נוסף ל-Map.addLayer(). למשל:

Code Editor (JavaScript)

// Load the image from the archive.
var image = ee.Image('LANDSAT/LC08/C02/T1_TOA/LC08_044034_20140318');

// Define visualization parameters in an object literal.
var vizParams = {bands: ['B5', 'B4', 'B3'], min: 0.02, max: 0.4, gamma: 1.3};

// Center the map on the image and display.
Map.centerObject(image, 9);
Map.addLayer(image, vizParams, 'Landsat 8 false color');

שימו לב שהפרמטרים של התצוגה החזותית מוגדרים על ידי ליטרל של אובייקט, שכולל רשימה של רצועות להצגה, ערך מינימלי ומקסימלי של החזרת אור וערך גמא. (כאן אפשר לקרוא מידע נוסף על ערוצי Landsat. מידע נוסף על תצוגה חזותית של תמונות.

אפשר להשתמש ב-Map.addLayer() כדי להוסיף למפה ישויות ואוספי ישויות. לדוגמה,

Code Editor (JavaScript)

var counties = ee.FeatureCollection('TIGER/2018/Counties');
Map.addLayer(counties, {}, 'counties');

חיפוש תמונות, אוספי תמונות ואוספי תכונות

אפשר למצוא תמונות, אוספי תמונות ואוספי תכונות באמצעות חיפוש בקטלוג הנתונים של Earth Engine. לדוגמה, אם מזינים "Landsat 8" בשדה החיפוש, מקבלים רשימה של מערכי נתונים של רסטר. (הרשימה המלאה של מערכי הנתונים של Earth Engine נמצאת בקטלוג הנתונים של Earth Engine). לוחצים על שם מערך הנתונים כדי לקבל תיאור קצר, מידע על הזמינות הזמנית, ספק הנתונים ומזהה האוסף. לוחצים על הכפתור Import כדי ליצור באופן אוטומטי קטע Imports בחלק העליון של הסקריפט עם משתנה לאוסף הזה.

אפשר גם להעתיק את מזהה האוסף ולהדביק אותו בקוד. לדוגמה, בוחרים את התוצאה Tier 1 TOA של החיפוש 'Landsat 8' ומעתיקים את המזהה באופן הבא:

Code Editor (JavaScript)

var collection = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA');

מכיוון שזה אוסף של הרבה תמונות שמשתרעות על פני השטח של כדור הארץ, כדי למצוא תמונה ספציפית באוסף צריך לסנן כדי לצמצם את החיפוש. אפשר גם לצמצם את אוסף התמונות לתמונה אחת באמצעות שיטות של קומפוזיציה ופסיפס. בקטעים הבאים מופיע מידע נוסף על סינון וקומפוזיציה (ראו צמצום).

אוספי מאפיינים זמינים גם דרך קטלוג הנתונים. הייצוג שלהם קטן יותר מאוספי תמונות, אבל תמצאו גבולות בינלאומיים, גבולות של מפקד אוכלוסין, גבולות של אגני ניקוז וגבולות של אזורים מוגנים, בין היתר. כאן אפשר לקרוא מידע נוסף על ייבוא של קבוצות נתונים וקטוריות משלכם.

סינון ומיון

לרוב צריך לסנן אוסף לפי מרחב או זמן כדי להגביל את מספר התוצאות. לדוגמה, נניח שרוצים למיין את אוסף הסצנות של Landsat 8 כדי למצוא סצנה של תל אביב ללא עננים. קודם כל, צריך להגדיר את האזור הרצוי. לרוב, נקודה היא דרך טובה לעשות את זה. מפעילים את הכרטיסייה Inspector בצד ימין של עורך הקוד, לוחצים ליד מרכז האזור הרצוי, מעתיקים את הקואורדינטות מהכרטיסייה Inspector ויוצרים Point באמצעות:

Code Editor (JavaScript)

var point = ee.Geometry.Point(-122.262, 37.8719);

תאריכי התחלה וסיום של הבנייה:

Code Editor (JavaScript)

var start = ee.Date('2014-06-01');
var finish = ee.Date('2014-10-01');

מסננים את האוסף של Landsat 8 באמצעות הנקודה והתאריכים, ואז ממיינים באמצעות מאפיין מטא-נתונים (שנמצא במהלך בדיקת המטא-נתונים של הסצנה של Landsat 8):

Code Editor (JavaScript)

var filteredCollection = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
  .filterBounds(point)
  .filterDate(start, finish)
  .sort('CLOUD_COVER', true);

אפשר להדפיס את האוסף הזה ולבדוק אותו בבטחה. (אם יש באוסף יותר מדי תמונות, ההדפסה תהיה איטית מאוד, תסתיים בגלל זמן קצוב לתפוגה או תחזיר שגיאה). שימו לב שהתמונות באוסף הן List שמאוחסנות במאפיין features של ImageCollection. אפשר להעתיק את המזהה של כל תמונה באוסף אל ה-constructor של Image כמו שמוסבר למעלה. לחלופין, אפשר לקבל את התמונה הראשונה (עם הכיסוי הנמוך ביותר של עננים):

Code Editor (JavaScript)

var first = filteredCollection.first();

אפשר לגשת לפונקציונליות הסינון המלאה של Earth Engine באמצעות filter() עם ee.Filter כארגומנט. (ה-methods‏ filterBounds() ו-filterDate() שבהן השתמשנו למעלה הן קיצורי דרך). לדוגמה, הקוד הבא יוצר Filter, משתמש בו כדי לסנן FeatureCollection ומציג את התוצאה:

Code Editor (JavaScript)

// Load a feature collection.
var featureCollection = ee.FeatureCollection('TIGER/2016/States');

// Filter the collection.
var filteredFC = featureCollection.filter(ee.Filter.eq('NAME', 'California'));

// Display the collection.
Map.setCenter(-119.604, 37.798, 6);
Map.addLayer(filteredFC, {}, 'California');

חישובים על שכבות נתונים

ביצוע פעולות מתמטיות על תמונות באמצעות שיטות של Image. העיבוד יכול לכלול שילובים מחדש של ערוצים (אינדקסים ספקטרליים), הבדלים בין תמונות או פעולות מתמטיות כמו הכפלה בקבוע. לדוגמה, חישוב ההבדל בין תמונות של מדד מנורמל של ההפרש לפי הצמחייה (NDVI) בהפרש של 20 שנים:

Code Editor (JavaScript)

// This function gets NDVI from Landsat 5 imagery.
var getNDVI = function(image) {
  return image.normalizedDifference(['B4', 'B3']);
};

// Load two Landsat 5 images, 20 years apart.
var image1 = ee.Image('LANDSAT/LT05/C02/T1_TOA/LT05_044034_19900604');
var image2 = ee.Image('LANDSAT/LT05/C02/T1_TOA/LT05_044034_20100611');

// Compute NDVI from the scenes.
var ndvi1 = getNDVI(image1);
var ndvi2 = getNDVI(image2);

// Compute the difference in NDVI.
var ndviDifference = ndvi2.subtract(ndvi1);

שימו לב לשימוש ב-function שמוגדר על ידי המשתמש בדוגמה הזו. מידע נוסף על פונקציות מופיע בקטע הבא.

מיפוי (מה לעשות במקום לולאת for)

אפשר להשתמש ב-map() כדי לעבור על פריטים באוסף. (לולאות For הן לא הדרך הנכונה לעשות את זה ב-Earth Engine, וצריך להימנע מהן). אפשר להחיל את הפונקציה map() על ImageCollection, על FeatureCollection או על List, והיא מקבלת function כארגומנט. הארגומנט של הפונקציה הוא רכיב של האוסף שעליו היא ממופה. האפשרות הזו שימושית כשרוצים לשנות את כל הרכיבים באוסף באותו אופן, למשל להוסיף. לדוגמה, הקוד הבא מוסיף פס NDVI לכל תמונה ב-ImageCollection:

Code Editor (JavaScript)

// This function gets NDVI from Landsat 8 imagery.
var addNDVI = function(image) {
  return image.addBands(image.normalizedDifference(['B5', 'B4']));
};

// Load the Landsat 8 TOA data, filter by location and date.
var collection = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
  .filterBounds(ee.Geometry.Point(-122.262, 37.8719))
  .filterDate('2014-06-01', '2014-10-01');

// Map the function over the collection.
var ndviCollection = collection.map(addNDVI);

משימה נפוצה נוספת היא הוספת מאפיין (או "תכונה" או "שדה") חדש לישויות ב-FeatureCollection. בדוגמה הבאה, המאפיין החדש הוא חישוב שכולל שני מאפיינים קיימים:

Code Editor (JavaScript)

// This function creates a new property that is the sum of two existing properties.
var addField = function(feature) {
  var sum = ee.Number(feature.get('property1')).add(feature.get('property2'));
  return feature.set({'sum': sum});
};

// Create a FeatureCollection from a list of Features.
var features = ee.FeatureCollection([
  ee.Feature(ee.Geometry.Point(-122.4536, 37.7403),
    {property1: 100, property2: 100}),
    ee.Feature(ee.Geometry.Point(-118.2294, 34.039),
    {property1: 200, property2: 300}),
]);

// Map the function over the collection.
var featureCollection = features.map(addField);

// Print a selected property of one Feature.
print(featureCollection.first().get('sum'));

// Print the entire FeatureCollection.
print(featureCollection);

שימו לב להמרה ל-ee.Number שנדרשת כדי שערך המאפיין יזוהה כמספר, כדי להשתמש בשיטה add()). אפשר לשנות את סוג האוסף באמצעות map(). לדוגמה:

Code Editor (JavaScript)

// This function returns the image centroid as a new Feature.
var getGeom = function(image) {
  return ee.Feature(image.geometry().centroid(), {foo: 1});
};

// Load a Landsat 8 TOA collection.
var collection = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
  .filterBounds(ee.Geometry.Point(-122.262, 37.8719))
  .filterDate('2014-06-01', '2014-10-01');

// Map the function over the ImageCollection.
var featureCollection = ee.FeatureCollection(collection.map(getGeom));

// Print the collection.
print(featureCollection);

שימו לב למאפיין שנוסף (foo) לכל ישות שנוצרה ממרכז הכובד של התמונה. בשורה האחרונה, ההמרה גורמת לאוסף שנוצר להיות מזוהה בתור FeatureCollection.

הקטנה

צמצום הוא הדרך לצבור נתונים לאורך זמן, מרחב, ערוצים, מערכים ומבני נתונים אחרים ב-Earth Engine. יש כמה שיטות למטרה הזו ב-API. ‫לדוגמה, כדי ליצור קומפוזיציה של ImageCollection, משתמשים ב-reduce() כדי לצמצם את התמונות באוסף לתמונה אחת. דוגמה פשוטה היא יצירת קומפוזיציה חציונית של חמש הסצנות עם הכי פחות עננים באוסף Landsat 8 שהוגדר קודם:

Code Editor (JavaScript)

// Load a Landsat 8 TOA collection.
var collection = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
  // Filter by date and location.
  .filterBounds(ee.Geometry.Point(-122.262, 37.8719))
  .filterDate('2014-01-01', '2014-12-31')
  // Sort by increasing cloudiness.
  .sort('CLOUD_COVER');

// Compute the median of each pixel for each band of the 5 least cloudy scenes.
var median = collection.limit(5).reduce(ee.Reducer.median());

צמצום הוא גם הדרך לקבל נתונים סטטיסטיים של תמונה באזורים שמוגדרים על ידי Feature או FeatureCollection. נניח שהמשימה היא לחשב את ערכי הפיקסלים הממוצעים באזור שמעניין אתכם. לשם כך, צריך להשתמש ב-reduceRegion(). לדוגמה:

Code Editor (JavaScript)

// Load and display a Landsat TOA image.
var image = ee.Image('LANDSAT/LC08/C02/T1_TOA/LC08_044034_20140318');
Map.addLayer(image, {bands: ['B4', 'B3', 'B2'], max: 0.3});

// Create an arbitrary rectangle as a region and display it.
var region = ee.Geometry.Rectangle(-122.2806, 37.1209, -122.0554, 37.2413);
Map.addLayer(region);

// Get a dictionary of means in the region.  Keys are bandnames.
var mean = image.reduceRegion({
  reducer: ee.Reducer.mean(),
  geometry: region,
  scale: 30
});

מידע נוסף על פונקציות צמצום

מסכה

לכל פיקסל ב-ee.Image יש ערך ומסכה בטווח שבין 0 (אין נתונים) ל-1. פיקסלים מוסתרים (שבהם mask==0) נחשבים כחסרי נתונים. לפיקסלים עם ‎0 < mask ≤ 1‎ יש ערך, אבל הוא משוקלל לפי המסכה לחישובים מספריים.

אפשר להפוך פיקסלים לשקופים או להחריג אותם מהניתוח באמצעות מסכות. הפיקסלים מוסתרים כשהערך של המסכה הוא אפס. בהמשך לדוגמה של ההפרש בין התמונות, משתמשים במסכה כדי להציג אזורים שבהם ה-NDVI עלה וירד במהלך מרווח ההפרש:

// This function gets NDVI from Landsat 5 imagery.
var getNDVI = function(image) {
  return image.normalizedDifference(['B4', 'B3']);
};

// Load two Landsat 5 images, 20 years apart.
var image1 = ee.Image('LANDSAT/LT05/C02/T1_TOA/LT05_044034_19900604');
var image2 = ee.Image('LANDSAT/LT05/C02/T1_TOA/LT05_044034_20100611');

// Compute NDVI from the scenes.
var ndvi1 = getNDVI(image1);
var ndvi2 = getNDVI(image2);

// Compute the difference in NDVI.
var ndviDifference = ndvi2.subtract(ndvi1);
// Load the land mask from the SRTM DEM.
var landMask = ee.Image('CGIAR/SRTM90_V4').mask();

// Update the NDVI difference mask with the land mask.
var maskedDifference = ndviDifference.updateMask(landMask);

// Display the masked result.
var vizParams = {min: -0.5, max: 0.5, palette: ['FF0000', 'FFFFFF', '0000FF']};
Map.setCenter(-122.2531, 37.6295, 9);
Map.addLayer(maskedDifference, vizParams, 'NDVI difference');

בדוגמה הזו, שימו לב שהמסכה של ההפרש ב-NDVI מתעדכנת על ידי מסכת הקרקע באמצעות updateMask(). הפעולה הזו מגדירה את מסכת הפיקסלים של ההבדל ב-NDVI למסכת הקרקע בכל מקום שבו מסכת ההבדל ב-NDVI היא לא אפס.

הסתרת נתונים שימושית גם להחרגת נתונים מהניתוח. נבחן את הדוגמה של reduceRegion() מהקטע Reduce. נניח שהמשימה היא לחשב את ממוצע ה-NDVI העונתי של מחוז סנטה קלרה בקליפורניה, לא כולל פיקסלים מעוננים. בדוגמה הבאה מוצגים כמה מושגים: סינון, מיפוי, צמצום ושימוש במסכת עננים:

Code Editor (JavaScript)

// This function gets NDVI from a Landsat 8 image.
var addNDVI = function(image) {
  return image.addBands(image.normalizedDifference(['B5', 'B4']));
};

// This function masks cloudy pixels.
var cloudMask = function(image) {
  var clouds = ee.Algorithms.Landsat.simpleCloudScore(image).select(['cloud']);
  return image.updateMask(clouds.lt(10));
};

// Load a Landsat collection, map the NDVI and cloud masking functions over it.
var collection = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
  .filterBounds(ee.Geometry.Point([-122.262, 37.8719]))
  .filterDate('2014-03-01', '2014-05-31')
  .map(addNDVI)
  .map(cloudMask);

// Reduce the collection to the mean of each pixel and display.
var meanImage = collection.reduce(ee.Reducer.mean());
var vizParams = {bands: ['B5_mean', 'B4_mean', 'B3_mean'], min: 0.02, max: 0.4};
Map.addLayer(meanImage, vizParams, 'mean');

// Load a region in which to compute the mean and display it.
var counties = ee.FeatureCollection('TIGER/2018/Counties');
var santaClara = ee.Feature(counties.filter(ee.Filter.eq('NAME', 'Santa Clara')).first());
Map.addLayer(santaClara);

// Get the mean of NDVI in the region.
var mean = meanImage.select(['nd_mean']).reduceRegion({
  reducer: ee.Reducer.mean(),
  geometry: santaClara.geometry(),
  scale: 30
});

// Print mean NDVI for the region.
mean.get('nd_mean').evaluate(function(val){
  print('Santa Clara spring mean NDVI:', val);
});