ประกาศ: โปรเจ็กต์ที่ไม่ใช่เชิงพาณิชย์ทั้งหมดที่ลงทะเบียนเพื่อใช้ Earth Engine ก่อนวันที่ 15 เมษายน 2025 ต้องยืนยันการมีสิทธิ์ที่ไม่ใช่เชิงพาณิชย์เพื่อรักษาสิทธิ์เข้าถึง Earth Engine

หน้านี้ได้รับการแปลโดย Cloud Translation API

การแสดงภาพ

เรียกใช้ใน Google Colab

ดูซอร์สโค้ดใน GitHub

ee.Image มีเมธอดหลายรายการที่แสดงข้อมูลภาพเป็นภาพ RGB เช่น visualize(), getThumbURL(), getMap(), getMapId() (ใช้ในการแสดงแผนที่ Folium ของ Colab) และ Map.addLayer() (ใช้ในการแสดงแผนที่ของเครื่องมือแก้ไขโค้ด ไม่พร้อมใช้งานสำหรับ Python) โดยค่าเริ่มต้น วิธีการเหล่านี้จะกําหนดแถบ 3 แถบแรกเป็นสีแดง เขียว และน้ำเงินตามลําดับ การขยายเริ่มต้นจะอิงตามประเภทข้อมูลในย่านความถี่ (เช่น ระบบจะขยายค่าลอยเป็น [0, 1] และขยายข้อมูล 16 บิตเป็นค่าที่เป็นไปได้ทั้งหมด) ซึ่งอาจเหมาะสมหรือไม่ก็ได้ หากต้องการสร้างเอฟเฟกต์การแสดงภาพที่ต้องการ ให้ระบุพารามิเตอร์การแสดงภาพ ดังนี้

พารามิเตอร์การแสดงภาพรูปภาพ
พารามิเตอร์	คำอธิบาย	ประเภท
bands	รายการชื่อย่านความถี่ 3 รายการที่คั่นด้วยคอมมาเพื่อแมปกับ RGB	list
นาที	ค่าที่จะแมปเป็น 0	ตัวเลขหรือรายการตัวเลข 3 รายการ โดยแต่ละรายการมี 1 วง
max	ค่าที่จะแมปเป็น 255	ตัวเลขหรือรายการตัวเลข 3 รายการ โดยแต่ละรายการมี 1 วง
gain	ค่าที่จะคูณกับค่าพิกเซลแต่ละค่า	ตัวเลขหรือรายการตัวเลข 3 รายการ โดยแต่ละรายการมี 1 วง
bias	ค่าที่จะเพิ่มลงใน DN แต่ละรายการ	ตัวเลขหรือรายการตัวเลข 3 รายการ โดยแต่ละรายการมี 1 วง
gamma	ปัจจัยการแก้ไขค่าแกมม่า	หมายเลขหรือรายการตัวเลข 3 รายการ โดยแต่ละรายการมี 1 หมายเลข
palette	รายการสตริงสีสไตล์ CSS (รูปภาพย่านความถี่เดียวเท่านั้น)	รายการสตริงฐาน 16 ที่คั่นด้วยคอมมา
ความทึบ	ความทึบแสงของเลเยอร์ (0.0 คือโปร่งแสงทั้งหมดและ 1.0 คือทึบแสงทั้งหมด)	ตัวเลข
format	"jpg" หรือ "png"	สตริง

ภาพ RGB แบบคอมโพสิต

ตัวอย่างต่อไปนี้แสดงการใช้พารามิเตอร์เพื่อจัดสไตล์รูปภาพ Landsat 8 เป็นภาพคอมโพสิตแบบสีเสมือนจริง

เครื่องมือแก้ไขโค้ด (JavaScript)

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

// Define the visualization parameters.
var vizParams = {
  bands: ['B5', 'B4', 'B3'],
  min: 0,
  max: 0.5,
  gamma: [0.95, 1.1, 1]
};

// Center the map and display the image.
Map.setCenter(-122.1899, 37.5010, 10); // San Francisco Bay
Map.addLayer(image, vizParams, 'false color composite');

การตั้งค่า Python

ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap สําหรับการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้า สภาพแวดล้อม Python

import ee
import geemap.core as geemap

Colab (Python)

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

# Define the visualization parameters.
image_viz_params = {
    'bands': ['B5', 'B4', 'B3'],
    'min': 0,
    'max': 0.5,
    'gamma': [0.95, 1.1, 1],
}

# Define a map centered on San Francisco Bay.
map_l8 = geemap.Map(center=[37.5010, -122.1899], zoom=10)

# Add the image layer to the map and display it.
map_l8.add_layer(image, image_viz_params, 'false color composite')
display(map_l8)

ในตัวอย่างนี้ แถบ 'B5' กำหนดเป็นสีแดง 'B4' กำหนดเป็นสีเขียว และ 'B3' กำหนดเป็นสีน้ำเงิน

false_color_sf — ภาพคอมโพสิตสีเสมือนจริงจาก Landsat 8 ของบริเวณอ่าวซานฟรานซิสโก รัฐแคลิฟอร์เนีย สหรัฐอเมริกา

ชุดสี

หากต้องการแสดงแถบเดียวของรูปภาพเป็นสี ให้ตั้งค่าพารามิเตอร์ palette ด้วยแถบสีที่แสดงด้วยรายการสตริงสีสไตล์ CSS (ดูข้อมูลเพิ่มเติมได้ในข้อมูลอ้างอิงนี้) ตัวอย่างต่อไปนี้แสดงวิธีใช้สีตั้งแต่สีฟ้าอมเขียว ('00FFFF') ไปจนถึงน้ำเงิน ('0000FF') เพื่อแสดงผลรูปภาพ ดัชนีน้ำที่ได้จากความแตกต่างที่ปรับมาตรฐาน (NDWI)

เครื่องมือแก้ไขโค้ด (JavaScript)

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

// Create an NDWI image, define visualization parameters and display.
var ndwi = image.normalizedDifference(['B3', 'B5']);
var ndwiViz = {min: 0.5, max: 1, palette: ['00FFFF', '0000FF']};
Map.addLayer(ndwi, ndwiViz, 'NDWI', false);

การตั้งค่า Python

import ee
import geemap.core as geemap

Colab (Python)

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

# Create an NDWI image, define visualization parameters and display.
ndwi = image.normalizedDifference(['B3', 'B5'])
ndwi_viz = {'min': 0.5, 'max': 1, 'palette': ['00FFFF', '0000FF']}

# Define a map centered on San Francisco Bay.
map_ndwi = geemap.Map(center=[37.5010, -122.1899], zoom=10)

# Add the image layer to the map and display it.
map_ndwi.add_layer(ndwi, ndwi_viz, 'NDWI')
display(map_ndwi)

ในตัวอย่างนี้ โปรดทราบว่าพารามิเตอร์ min และ max จะระบุช่วงของค่าพิกเซลที่ควรใช้กับจานสี ค่ากลางจะยืดแบบเชิงเส้น

และโปรดทราบว่ามีการตั้งค่าพารามิเตอร์ show เป็น false ในตัวอย่างเครื่องมือแก้ไขโค้ด ซึ่งจะทำให้เลเยอร์นั้นปิดอยู่เมื่อเพิ่มลงในแผนที่ คุณเปิดใช้อีกครั้งได้ทุกเมื่อโดยใช้ตัวจัดการเลเยอร์ที่มุมขวาบนของแผนที่เครื่องมือแก้ไขโค้ด

ndwi_sf — Landsat 8 NDWI, บริเวณอ่าวซานฟรานซิสโก สหรัฐอเมริกา สีฟ้าอ่อนคือค่าต่ำ สีฟ้าคือค่าสูง

บันทึกชุดสีเริ่มต้น

หากต้องการบันทึกชุดสีในรูปภาพการจัดประเภทเพื่อไม่ต้องจดจำว่าต้องนำไปใช้เมื่อใด คุณสามารถตั้งค่าพร็อพเพอร์ตี้รูปภาพสตริงที่มีชื่อพิเศษ 2 รายการสำหรับแต่ละย่านความถี่การจัดประเภท

เช่น หากรูปภาพมีแถบชื่อ 'landcover' ซึ่งมีค่า 0, 1 และ 2 สอดคล้องกับคลาส "น้ำ" "ป่า" และ "อื่นๆ" คุณสามารถตั้งค่าพร็อพเพอร์ตี้ต่อไปนี้เพื่อให้การแสดงภาพเริ่มต้นแสดงสีที่ระบุสำหรับแต่ละคลาส (ค่าที่ใช้ในการวิเคราะห์จะไม่ได้รับผลกระทบ)

landcover_class_values="0,1,2"
landcover_class_palette="0000FF,00FF00,AABBCD"

ดูวิธีตั้งค่าข้อมูลเมตาของเนื้อหาได้ที่หน้าการจัดการเนื้อหา

การมาสก์

คุณสามารถใช้ image.updateMask() เพื่อตั้งค่าระดับทึบแสงของพิกเซลแต่ละพิกเซลโดยอิงตามตำแหน่งพิกเซลในรูปภาพมาสก์ที่ไม่ใช่ 0 ระบบจะไม่รวมพิกเซลที่เท่ากับ 0 ในมาสก์ไว้ในการคำนวณ และจะตั้งค่าความทึบเป็น 0 สำหรับการแสดงผล ตัวอย่างต่อไปนี้ใช้เกณฑ์ NDWI (ดูข้อมูลเกี่ยวกับเกณฑ์ได้ที่ ส่วนการดำเนินการเชิงสัมพันธ์) เพื่ออัปเดตมาสก์ในเลเยอร์ NDWI ที่สร้างขึ้นก่อนหน้านี้

เครื่องมือแก้ไขโค้ด (JavaScript)

// Mask the non-watery parts of the image, where NDWI < 0.4.
var ndwiMasked = ndwi.updateMask(ndwi.gte(0.4));
Map.addLayer(ndwiMasked, ndwiViz, 'NDWI masked');

การตั้งค่า Python

import ee
import geemap.core as geemap

Colab (Python)

# Mask the non-watery parts of the image, where NDWI < 0.4.
ndwi_masked = ndwi.updateMask(ndwi.gte(0.4))

# Define a map centered on San Francisco Bay.
map_ndwi_masked = geemap.Map(center=[37.5010, -122.1899], zoom=10)

# Add the image layer to the map and display it.
map_ndwi_masked.add_layer(ndwi_masked, ndwi_viz, 'NDWI masked')
display(map_ndwi_masked)

รูปภาพการแสดงภาพ

ใช้วิธีการ image.visualize() เพื่อแปลงรูปภาพเป็นรูปภาพ RGB 8 บิตสำหรับแสดงผลหรือส่งออก เช่น หากต้องการแปลงภาพคอมโพสิตสีเสมือนจริงและ NDWI เป็นภาพแสดงผล 3 ย่านความถี่ ให้ใช้คำสั่งต่อไปนี้

เครื่องมือแก้ไขโค้ด (JavaScript)

// Create visualization layers.
var imageRGB = image.visualize({bands: ['B5', 'B4', 'B3'], max: 0.5});
var ndwiRGB = ndwiMasked.visualize({
  min: 0.5,
  max: 1,
  palette: ['00FFFF', '0000FF']
});

การตั้งค่า Python

import ee
import geemap.core as geemap

Colab (Python)

image_rgb = image.visualize(bands=['B5', 'B4', 'B3'], max=0.5)
ndwi_rgb = ndwi_masked.visualize(min=0.5, max=1, palette=['00FFFF', '0000FF'])

การปกปิดใบหน้า

คุณสามารถใช้การมาสก์และ imageCollection.mosaic() (ดูข้อมูลเกี่ยวกับการต่อภาพโมเสกได้ที่ส่วนการต่อภาพโมเสก) เพื่อให้ได้เอฟเฟกต์การเขียนแผนที่ที่หลากหลาย เมธอด mosaic() จะแสดงผลเลเยอร์ในรูปภาพเอาต์พุตตามลําดับในคอลเล็กชันอินพุต ตัวอย่างต่อไปนี้ใช้ mosaic() เพื่อรวม NDWI ที่ปกปิดและภาพคอมโพสิตสีเสมือนจริงเข้าด้วยกัน และรับภาพใหม่

เครื่องมือแก้ไขโค้ด (JavaScript)

// Mosaic the visualization layers and display (or export).
var mosaic = ee.ImageCollection([imageRGB, ndwiRGB]).mosaic();
Map.addLayer(mosaic, {}, 'mosaic');

การตั้งค่า Python

import ee
import geemap.core as geemap

Colab (Python)

# Mosaic the visualization layers and display (or export).
mosaic = ee.ImageCollection([image_rgb, ndwi_rgb]).mosaic()

# Define a map centered on San Francisco Bay.
map_mosaic = geemap.Map(center=[37.5010, -122.1899], zoom=10)

# Add the image layer to the map and display it.
map_mosaic.add_layer(mosaic, None, 'mosaic')
display(map_mosaic)

ในตัวอย่างนี้ โปรดสังเกตว่ามีการให้รายการรูปภาพการแสดงภาพ 2 รูปแก่คอนสตรคเตอร์ ImageCollection ลําดับของรายการจะกําหนดลําดับการแสดงผลรูปภาพบนแผนที่

mosaic_sf — ภาพโมเสกของภาพคอมโพสิตสีเท็จและ NDWI ของ Landsat 8 บริเวณอ่าวซานฟรานซิสโก สหรัฐอเมริกา

การตัด

วิธี image.clip() มีประโยชน์ในการสร้างเอฟเฟกต์แผนที่ ตัวอย่างต่อไปนี้แสดงการคลิปภาพโมเสกที่สร้างขึ้นก่อนหน้านี้ไปยังโซนบัฟเฟอร์ที่กำหนดเองรอบๆ เมืองซานฟรานซิสโก

เครื่องมือแก้ไขโค้ด (JavaScript)

// Create a circle by drawing a 20000 meter buffer around a point.
var roi = ee.Geometry.Point([-122.4481, 37.7599]).buffer(20000);

// Display a clipped version of the mosaic.
Map.addLayer(mosaic.clip(roi), null, 'mosaic clipped');

การตั้งค่า Python

import ee
import geemap.core as geemap

Colab (Python)

# Create a circle by drawing a 20000 meter buffer around a point.
roi = ee.Geometry.Point([-122.4481, 37.7599]).buffer(20000)
mosaic_clipped = mosaic.clip(roi)

# Define a map centered on San Francisco.
map_mosaic_clipped = geemap.Map(center=[37.7599, -122.4481], zoom=10)

# Add the image layer to the map and display it.
map_mosaic_clipped.add_layer(mosaic_clipped, None, 'mosaic clipped')
display(map_mosaic_clipped)

ในตัวอย่างก่อนหน้านี้ โปรดทราบว่ามีการระบุพิกัดให้กับคอนสตรคเตอร์ Geometry และระบุความยาวบัฟเฟอร์เป็น 20,000 เมตร ดูข้อมูลเพิ่มเติมเกี่ยวกับเรขาคณิตได้ในหน้าเรขาคณิต

clipped_sf — ภาพโมเสกที่แสดงด้านบนถูกตัดไปยังพื้นที่รอบๆ ซานฟรานซิสโก รัฐแคลิฟอร์เนีย สหรัฐอเมริกา

การแสดงผลแผนที่เชิงหมวดหมู่

พาเลตยังมีประโยชน์ในการเรนเดอร์แผนที่ที่มีค่าแบบไม่ต่อเนื่อง เช่น แผนที่การปกคลุมดิน ในกรณีที่มีชั้นเรียนหลายชั้น ให้ใช้ชุดสีเพื่อระบุสีที่แตกต่างกันสำหรับแต่ละชั้นเรียน (เมธอด image.remap() อาจมีประโยชน์ในบริบทนี้ เพื่อแปลงป้ายกำกับที่กำหนดเองเป็นจำนวนเต็มตามลำดับ) ตัวอย่างต่อไปนี้ใช้พาเล็ตเพื่อแสดงผลหมวดหมู่ภาพปก

เครื่องมือแก้ไขโค้ด (JavaScript)

// Load 2012 MODIS land cover and select the IGBP classification.
var cover = ee.Image('MODIS/051/MCD12Q1/2012_01_01')
  .select('Land_Cover_Type_1');

// Define a palette for the 18 distinct land cover classes.
var igbpPalette = [
  'aec3d4', // water
  '152106', '225129', '369b47', '30eb5b', '387242', // forest
  '6a2325', 'c3aa69', 'b76031', 'd9903d', '91af40',  // shrub, grass
  '111149', // wetlands
  'cdb33b', // croplands
  'cc0013', // urban
  '33280d', // crop mosaic
  'd7cdcc', // snow and ice
  'f7e084', // barren
  '6f6f6f'  // tundra
];

// Specify the min and max labels and the color palette matching the labels.
Map.setCenter(-99.229, 40.413, 5);
Map.addLayer(cover,
             {min: 0, max: 17, palette: igbpPalette},
             'IGBP classification');

การตั้งค่า Python

import ee
import geemap.core as geemap

Colab (Python)

# Load 2012 MODIS land cover and select the IGBP classification.
cover = ee.Image('MODIS/051/MCD12Q1/2012_01_01').select('Land_Cover_Type_1')

# Define a palette for the 18 distinct land cover classes.
igbp_palette = [
    'aec3d4',  # water
    '152106',
    '225129',
    '369b47',
    '30eb5b',
    '387242',  # forest
    '6a2325',
    'c3aa69',
    'b76031',
    'd9903d',
    '91af40',  # shrub, grass
    '111149',  # wetlands
    'cdb33b',  # croplands
    'cc0013',  # urban
    '33280d',  # crop mosaic
    'd7cdcc',  # snow and ice
    'f7e084',  # barren
    '6f6f6f',  # tundra
]

# Define a map centered on the United States.
map_palette = geemap.Map(center=[40.413, -99.229], zoom=5)

# Add the image layer to the map and display it. Specify the min and max labels
# and the color palette matching the labels.
map_palette.add_layer(
    cover, {'min': 0, 'max': 17, 'palette': igbp_palette}, 'IGBP classes'
)
display(map_palette)

landcover_palettized — การปกคลุมดินของ MODIS ปี 2012 โดยใช้การจำแนกประเภท IGBP

ตัวระบุเลเยอร์ที่ปรับแต่งสไตล์

คุณสามารถใช้ตัวบ่งชี้เลเยอร์ที่มีสไตล์ (SLD) เพื่อแสดงภาพ ระบุคำอธิบาย XML เกี่ยวกับการใช้สัญลักษณ์และการระบายสีของรูปภาพให้กับ image.sldStyle() โดยเฉพาะองค์ประกอบ RasterSymbolizer ดูข้อมูลเพิ่มเติมเกี่ยวกับองค์ประกอบ RasterSymbolizer ได้ที่นี่ เช่น หากต้องการแสดงผลแผนที่การปกคลุมดินที่อธิบายไว้ในส่วนการแสดงผลแผนที่เชิงหมวดหมู่ด้วย SLD ให้ใช้

เครื่องมือแก้ไขโค้ด (JavaScript)

var cover = ee.Image('MODIS/051/MCD12Q1/2012_01_01').select('Land_Cover_Type_1');

// Define an SLD style of discrete intervals to apply to the image.
var sld_intervals =
'<RasterSymbolizer>' +
  '<ColorMap type="intervals" extended="false">' +
    '<ColorMapEntry color="#aec3d4" quantity="0" label="Water"/>' +
    '<ColorMapEntry color="#152106" quantity="1" label="Evergreen Needleleaf Forest"/>' +
    '<ColorMapEntry color="#225129" quantity="2" label="Evergreen Broadleaf Forest"/>' +
    '<ColorMapEntry color="#369b47" quantity="3" label="Deciduous Needleleaf Forest"/>' +
    '<ColorMapEntry color="#30eb5b" quantity="4" label="Deciduous Broadleaf Forest"/>' +
    '<ColorMapEntry color="#387242" quantity="5" label="Mixed Deciduous Forest"/>' +
    '<ColorMapEntry color="#6a2325" quantity="6" label="Closed Shrubland"/>' +
    '<ColorMapEntry color="#c3aa69" quantity="7" label="Open Shrubland"/>' +
    '<ColorMapEntry color="#b76031" quantity="8" label="Woody Savanna"/>' +
    '<ColorMapEntry color="#d9903d" quantity="9" label="Savanna"/>' +
    '<ColorMapEntry color="#91af40" quantity="10" label="Grassland"/>' +
    '<ColorMapEntry color="#111149" quantity="11" label="Permanent Wetland"/>' +
    '<ColorMapEntry color="#cdb33b" quantity="12" label="Cropland"/>' +
    '<ColorMapEntry color="#cc0013" quantity="13" label="Urban"/>' +
    '<ColorMapEntry color="#33280d" quantity="14" label="Crop, Natural Veg. Mosaic"/>' +
    '<ColorMapEntry color="#d7cdcc" quantity="15" label="Permanent Snow, Ice"/>' +
    '<ColorMapEntry color="#f7e084" quantity="16" label="Barren, Desert"/>' +
    '<ColorMapEntry color="#6f6f6f" quantity="17" label="Tundra"/>' +
  '</ColorMap>' +
'</RasterSymbolizer>';
Map.addLayer(cover.sldStyle(sld_intervals), {}, 'IGBP classification styled');

การตั้งค่า Python

import ee
import geemap.core as geemap

Colab (Python)

cover = ee.Image('MODIS/051/MCD12Q1/2012_01_01').select('Land_Cover_Type_1')

# Define an SLD style of discrete intervals to apply to the image.
sld_intervals = """
<RasterSymbolizer>
  <ColorMap  type="intervals" extended="false" >
    <ColorMapEntry color="#aec3d4" quantity="0" label="Water"/>
    <ColorMapEntry color="#152106" quantity="1" label="Evergreen Needleleaf Forest"/>
    <ColorMapEntry color="#225129" quantity="2" label="Evergreen Broadleaf Forest"/>
    <ColorMapEntry color="#369b47" quantity="3" label="Deciduous Needleleaf Forest"/>
    <ColorMapEntry color="#30eb5b" quantity="4" label="Deciduous Broadleaf Forest"/>
    <ColorMapEntry color="#387242" quantity="5" label="Mixed Deciduous Forest"/>
    <ColorMapEntry color="#6a2325" quantity="6" label="Closed Shrubland"/>
    <ColorMapEntry color="#c3aa69" quantity="7" label="Open Shrubland"/>
    <ColorMapEntry color="#b76031" quantity="8" label="Woody Savanna"/>
    <ColorMapEntry color="#d9903d" quantity="9" label="Savanna"/>
    <ColorMapEntry color="#91af40" quantity="10" label="Grassland"/>
    <ColorMapEntry color="#111149" quantity="11" label="Permanent Wetland"/>
    <ColorMapEntry color="#cdb33b" quantity="12" label="Cropland"/>
    <ColorMapEntry color="#cc0013" quantity="13" label="Urban"/>
    <ColorMapEntry color="#33280d" quantity="14" label="Crop, Natural Veg. Mosaic"/>
    <ColorMapEntry color="#d7cdcc" quantity="15" label="Permanent Snow, Ice"/>
    <ColorMapEntry color="#f7e084" quantity="16" label="Barren, Desert"/>
    <ColorMapEntry color="#6f6f6f" quantity="17" label="Tundra"/>
  </ColorMap>
</RasterSymbolizer>"""

# Apply the SLD style to the image.
cover_sld = cover.sldStyle(sld_intervals)

# Define a map centered on the United States.
map_sld_categorical = geemap.Map(center=[40.413, -99.229], zoom=5)

# Add the image layer to the map and display it.
map_sld_categorical.add_layer(cover_sld, None, 'IGBP classes styled')
display(map_sld_categorical)

หากต้องการสร้างรูปภาพการแสดงภาพที่มีแถบสี ให้ตั้งค่าประเภทของ ColorMap เป็น "แถบสี" ตัวอย่างต่อไปนี้เปรียบเทียบประเภท "ช่วงเวลา" และ "การเปลี่ยนระดับ" สำหรับการเรนเดอร์ DEM

เครื่องมือแก้ไขโค้ด (JavaScript)

// Load SRTM Digital Elevation Model data.
var image = ee.Image('CGIAR/SRTM90_V4');

// Define an SLD style of discrete intervals to apply to the image. Use the
// opacity keyword to set pixels less than 0 as completely transparent. Pixels
// with values greater than or equal to the final entry quantity are set to
// fully transparent by default.
var sld_intervals =
  '<RasterSymbolizer>' +
    '<ColorMap type="intervals" extended="false" >' +
      '<ColorMapEntry color="#0000ff" quantity="0" label="0 ﹤ x" opacity="0" />' +
      '<ColorMapEntry color="#00ff00" quantity="100" label="0 ≤ x ﹤ 100" />' +
      '<ColorMapEntry color="#007f30" quantity="200" label="100 ≤ x ﹤ 200" />' +
      '<ColorMapEntry color="#30b855" quantity="300" label="200 ≤ x ﹤ 300" />' +
      '<ColorMapEntry color="#ff0000" quantity="400" label="300 ≤ x ﹤ 400" />' +
      '<ColorMapEntry color="#ffff00" quantity="900" label="400 ≤ x ﹤ 900" />' +
    '</ColorMap>' +
  '</RasterSymbolizer>';

// Define an sld style color ramp to apply to the image.
var sld_ramp =
  '<RasterSymbolizer>' +
    '<ColorMap type="ramp" extended="false" >' +
      '<ColorMapEntry color="#0000ff" quantity="0" label="0"/>' +
      '<ColorMapEntry color="#00ff00" quantity="100" label="100" />' +
      '<ColorMapEntry color="#007f30" quantity="200" label="200" />' +
      '<ColorMapEntry color="#30b855" quantity="300" label="300" />' +
      '<ColorMapEntry color="#ff0000" quantity="400" label="400" />' +
      '<ColorMapEntry color="#ffff00" quantity="500" label="500" />' +
    '</ColorMap>' +
  '</RasterSymbolizer>';

// Add the image to the map using both the color ramp and interval schemes.
Map.setCenter(-76.8054, 42.0289, 8);
Map.addLayer(image.sldStyle(sld_intervals), {}, 'SLD intervals');
Map.addLayer(image.sldStyle(sld_ramp), {}, 'SLD ramp');

การตั้งค่า Python

import ee
import geemap.core as geemap

Colab (Python)

# Load SRTM Digital Elevation Model data.
image = ee.Image('CGIAR/SRTM90_V4')

# Define an SLD style of discrete intervals to apply to the image.
sld_intervals = """
    <RasterSymbolizer>
      <ColorMap type="intervals" extended="false" >
        <ColorMapEntry color="#0000ff" quantity="0" label="0"/>
        <ColorMapEntry color="#00ff00" quantity="100" label="1-100" />
        <ColorMapEntry color="#007f30" quantity="200" label="110-200" />
        <ColorMapEntry color="#30b855" quantity="300" label="210-300" />
        <ColorMapEntry color="#ff0000" quantity="400" label="310-400" />
        <ColorMapEntry color="#ffff00" quantity="1000" label="410-1000" />
      </ColorMap>
    </RasterSymbolizer>"""

# Define an sld style color ramp to apply to the image.
sld_ramp = """
    <RasterSymbolizer>
      <ColorMap type="ramp" extended="false" >
        <ColorMapEntry color="#0000ff" quantity="0" label="0"/>
        <ColorMapEntry color="#00ff00" quantity="100" label="100" />
        <ColorMapEntry color="#007f30" quantity="200" label="200" />
        <ColorMapEntry color="#30b855" quantity="300" label="300" />
        <ColorMapEntry color="#ff0000" quantity="400" label="400" />
        <ColorMapEntry color="#ffff00" quantity="500" label="500" />
      </ColorMap>
    </RasterSymbolizer>"""

# Define a map centered on the United States.
map_sld_interval = geemap.Map(center=[40.413, -99.229], zoom=5)

# Add the image layers to the map and display it.
map_sld_interval.add_layer(
    image.sldStyle(sld_intervals), None, 'SLD intervals'
)
map_sld_interval.add_layer(image.sldStyle(sld_ramp), None, 'SLD ramp')
display(map_sld_interval)

SLD ยังมีประโยชน์ในการขยายค่าพิกเซลเพื่อปรับปรุงการแสดงภาพข้อมูลแบบต่อเนื่อง ตัวอย่างเช่น โค้ดต่อไปนี้จะเปรียบเทียบผลลัพธ์ของการยืดเชิงเส้นแบบกำหนดเองกับ "การปรับให้เป็นมาตรฐาน" แบบต่ำสุด-สูงสุดและการทำให้เท่ากันแบบ "ฮิสโตแกรม"

เครื่องมือแก้ไขโค้ด (JavaScript)

// Load a Landsat 8 raw image.
var image = ee.Image('LANDSAT/LC08/C02/T1/LC08_044034_20140318');

// Define a RasterSymbolizer element with '_enhance_' for a placeholder.
var template_sld =
  '<RasterSymbolizer>' +
    '<ContrastEnhancement><_enhance_/></ContrastEnhancement>' +
    '<ChannelSelection>' +
      '<RedChannel>' +
        '<SourceChannelName>B5</SourceChannelName>' +
      '</RedChannel>' +
      '<GreenChannel>' +
        '<SourceChannelName>B4</SourceChannelName>' +
      '</GreenChannel>' +
      '<BlueChannel>' +
        '<SourceChannelName>B3</SourceChannelName>' +
      '</BlueChannel>' +
    '</ChannelSelection>' +
  '</RasterSymbolizer>';

// Get SLDs with different enhancements.
var equalize_sld = template_sld.replace('_enhance_', 'Histogram');
var normalize_sld = template_sld.replace('_enhance_', 'Normalize');

// Display the results.
Map.centerObject(image, 10);
Map.addLayer(image, {bands: ['B5', 'B4', 'B3'], min: 0, max: 15000}, 'Linear');
Map.addLayer(image.sldStyle(equalize_sld), {}, 'Equalized');
Map.addLayer(image.sldStyle(normalize_sld), {}, 'Normalized');

การตั้งค่า Python

import ee
import geemap.core as geemap

Colab (Python)

# Load a Landsat 8 raw image.
image = ee.Image('LANDSAT/LC08/C02/T1/LC08_044034_20140318')

# Define a RasterSymbolizer element with '_enhance_' for a placeholder.
template_sld = """
<RasterSymbolizer>
  <ContrastEnhancement><_enhance_/></ContrastEnhancement>
  <ChannelSelection>
    <RedChannel>
      <SourceChannelName>B5</SourceChannelName>
    </RedChannel>
    <GreenChannel>
      <SourceChannelName>B4</SourceChannelName>
    </GreenChannel>
    <BlueChannel>
      <SourceChannelName>B3</SourceChannelName>
    </BlueChannel>
  </ChannelSelection>
</RasterSymbolizer>"""

# Get SLDs with different enhancements.
equalize_sld = template_sld.replace('_enhance_', 'Histogram')
normalize_sld = template_sld.replace('_enhance_', 'Normalize')

# Define a map centered on San Francisco Bay.
map_sld_continuous = geemap.Map(center=[37.5010, -122.1899], zoom=10)

# Add the image layers to the map and display it.
map_sld_continuous.add_layer(
    image, {'bands': ['B5', 'B4', 'B3'], 'min': 0, 'max': 15000}, 'Linear'
)
map_sld_continuous.add_layer(image.sldStyle(equalize_sld), None, 'Equalized')
map_sld_continuous.add_layer(
    image.sldStyle(normalize_sld), None, 'Normalized'
)
display(map_sld_continuous)

สิ่งที่ควรทราบเกี่ยวกับการใช้ SLD ใน Earth Engine

รองรับ OGC SLD 1.0 และ OGC SE 1.1
เอกสาร XML ที่ส่งมาอาจเป็นเอกสารที่สมบูรณ์ หรือจะเป็นเพียงองค์ประกอบ RasterSymbolizer ลงมา
คุณเลือกย่านความถี่ได้ด้วยชื่อหรือดัชนีของ Earth Engine ('1', '2', ...)
รูปภาพจุดลอยไม่รองรับกลไกการปรับความคมชัดแบบฮิสโตแกรมและการปรับความคมชัดให้ปกติ
ระบบจะพิจารณาความทึบแสงเฉพาะเมื่อมีค่าเป็น 0.0 (โปร่งใส) ระบบจะถือว่าค่าความทึบแสงที่ไม่ใช่ 0 เป็นค่าทึบแสงทั้งหมด
ระบบจะไม่สนใจคําจํากัดความ OverlapBehavior ในขณะนี้
ขณะนี้ระบบยังไม่รองรับกลไก ShadedRelief
ขณะนี้ระบบยังไม่รองรับกลไก ImageOutline
ระบบจะไม่สนใจองค์ประกอบ Geometry
รูปภาพเอาต์พุตจะมีข้อมูลเมตา histogram_bandname หากมีการขอการปรับสมดุลฮิสโตแกรมหรือการทำให้เป็นมาตรฐาน

รูปภาพขนาดย่อ

ใช้เมธอด ee.Image.getThumbURL() เพื่อสร้างรูปภาพขนาดย่อ PNG หรือ JPEG สำหรับออบเจ็กต์ ee.Image การพิมพ์ผลลัพธ์ของนิพจน์ที่ลงท้ายด้วยการเรียกใช้ getThumbURL() จะส่งผลให้ระบบพิมพ์ URL การไปที่ URL จะตั้งค่าเซิร์ฟเวอร์ Earth Engine ให้สร้างภาพขนาดย่อที่ขอไปขณะนั้น รูปภาพจะแสดงในเบราว์เซอร์เมื่อประมวลผลเสร็จสิ้น โดยดาวน์โหลดได้โดยเลือกตัวเลือกที่เหมาะสมจากเมนูตามบริบทของรูปภาพซึ่งคลิกขวา

thumbnail_in_browser — โมเดลความสูงเชิงดิจิทัล SRTM ที่แสดงเป็นภาพขนาดย่อ PNG ในเบราว์เซอร์

เมธอด getThumbURL() มีพารามิเตอร์ตามที่อธิบายไว้ในตารางพารามิเตอร์การแสดงภาพด้านบน นอกจากนี้ ยังใช้อาร์กิวเมนต์ dimensions, region และ crs (ไม่บังคับ) ซึ่งควบคุมขอบเขตเชิงพื้นที่ ขนาด และการฉายภาพการแสดงผลของภาพขนาดย่อ

พารามิเตอร์เพิ่มเติมสําหรับ `ee.Image.getThumbURL()` พร้อมหมายเหตุเกี่ยวกับ*รูปแบบ*
พารามิเตอร์	คำอธิบาย	ประเภท
dimensions	ขนาดภาพขนาดย่อในหน่วยพิกเซล หากระบุจำนวนเต็มเพียงค่าเดียว ระบบจะกำหนดขนาดของมิติข้อมูลสัดส่วนภาพที่ใหญ่กว่าและปรับขนาดมิติข้อมูลขนาดเล็กตามสัดส่วน มีค่าเริ่มต้นเป็น 512 พิกเซลสำหรับขนาดของรูปภาพที่ใหญ่กว่า	จํานวนเต็มหรือสตริงเดียวในรูปแบบ 'WIDTHxHEIGHT'
region	ภูมิภาคทางภูมิศาสตร์ของรูปภาพที่จะแสดงผล รูปภาพทั้งรูปโดยค่าเริ่มต้น หรือขอบเขตของเรขาคณิตที่ระบุ	GeoJSON หรือรายการ 2 มิติของพิกัดจุดอย่างน้อย 3 รายการที่กําหนดวงแหวนเชิงเส้น
crs	การฉายภาพเป้าหมาย เช่น "EPSG:3857" ค่าเริ่มต้นคือ WGS84 ("EPSG:4326")	สตริง
format	กำหนดรูปแบบของภาพปกเป็น PNG หรือ JPEG รูปแบบ PNG เริ่มต้นจะใช้เป็น RGBA โดยที่ช่องทางอัลฟ่าแสดงพิกเซลที่ถูกต้องและไม่ถูกต้อง ซึ่งกำหนดโดย `mask()` ของรูปภาพ พิกเซลที่ไม่ถูกต้องจะเป็นแบบโปร่งใส รูปแบบ JPEG (ไม่บังคับ) จะใช้เป็น RGB โดยระบบจะเติมค่า 0 ลงในพิกเซลรูปภาพที่ไม่ถูกต้องในช่อง RGB	สตริง เช่น "png" หรือ "jpg"

ข้อควรระวัง: อาร์กิวเมนต์ 'WIDTHxHEIGHT' dimensions สามารถเปลี่ยนสัดส่วนภาพเดิมของข้อมูลหรือขอบเขตภูมิภาค

รูปภาพย่านความถี่เดียวจะแสดงเป็นโมโนโครมโดยค่าเริ่มต้น เว้นแต่จะมีการใช้อาร์กิวเมนต์ palette รูปภาพหลายย่านความถี่จะใช้การแสดงภาพ RGB ของย่านความถี่ 3 ย่านแรกโดยค่าเริ่มต้น เว้นแต่จะมีการใช้อาร์กิวเมนต์ bands หากระบุเพียง 2 ย่านความถี่ ย่านความถี่แรกจะแมปกับสีแดง ย่านความถี่ที่ 2 จะแมปกับสีน้ำเงิน และช่องสีเขียวจะเติมด้วย 0

ต่อไปนี้คือชุดตัวอย่างที่แสดงการผสมผสานต่างๆ ของอาร์กิวเมนต์พารามิเตอร์ getThumbURL() คลิก URL ที่แสดงเมื่อคุณเรียกใช้สคริปต์นี้เพื่อดูภาพขนาดย่อ

เครื่องมือแก้ไขโค้ด (JavaScript)

// Fetch a digital elevation model.
var image = ee.Image('CGIAR/SRTM90_V4');

// Request a default thumbnail of the DEM with defined linear stretch.
// Set masked pixels (ocean) to 1000 so they map as gray.
var thumbnail1 = image.unmask(1000).getThumbURL({
  'min': 0,
  'max': 3000,
  'dimensions': 500,
});
print('Default extent:', thumbnail1);

// Specify region by rectangle, define palette, set larger aspect dimension size.
var thumbnail2 = image.getThumbURL({
  'min': 0,
  'max': 3000,
  'palette': ['00A600','63C600','E6E600','E9BD3A','ECB176','EFC2B3','F2F2F2'],
  'dimensions': 500,
  'region': ee.Geometry.Rectangle([-84.6, -55.9, -32.9, 15.7]),
});
print('Rectangle region and palette:', thumbnail2);

// Specify region by a linear ring and set display CRS as Web Mercator.
var thumbnail3 = image.getThumbURL({
  'min': 0,
  'max': 3000,
  'palette': ['00A600','63C600','E6E600','E9BD3A','ECB176','EFC2B3','F2F2F2'],
  'region': ee.Geometry.LinearRing([[-84.6, 15.7], [-84.6, -55.9], [-32.9, -55.9]]),
  'dimensions': 500,
  'crs': 'EPSG:3857'
});
print('Linear ring region and specified crs', thumbnail3);

การตั้งค่า Python

import ee
import geemap.core as geemap

Colab (Python)

# Fetch a digital elevation model.
image = ee.Image('CGIAR/SRTM90_V4')

# Request a default thumbnail of the DEM with defined linear stretch.
# Set masked pixels (ocean) to 1000 so they map as gray.
thumbnail_1 = image.unmask(1000).getThumbURL({
    'min': 0,
    'max': 3000,
    'dimensions': 500,
})
print('Default extent:', thumbnail_1)

# Specify region by rectangle, define palette, set larger aspect dimension size.
thumbnail_2 = image.getThumbURL({
    'min': 0,
    'max': 3000,
    'palette': [
        '00A600',
        '63C600',
        'E6E600',
        'E9BD3A',
        'ECB176',
        'EFC2B3',
        'F2F2F2',
    ],
    'dimensions': 500,
    'region': ee.Geometry.Rectangle([-84.6, -55.9, -32.9, 15.7]),
})
print('Rectangle region and palette:', thumbnail_2)

# Specify region by a linear ring and set display CRS as Web Mercator.
thumbnail_3 = image.getThumbURL({
    'min': 0,
    'max': 3000,
    'palette': [
        '00A600',
        '63C600',
        'E6E600',
        'E9BD3A',
        'ECB176',
        'EFC2B3',
        'F2F2F2',
    ],
    'region': ee.Geometry.LinearRing(
        [[-84.6, 15.7], [-84.6, -55.9], [-32.9, -55.9]]
    ),
    'dimensions': 500,
    'crs': 'EPSG:3857',
})
print('Linear ring region and specified crs:', thumbnail_3)

หมายเหตุ: getThumbURL มีไว้สำหรับสร้างรูปภาพตัวอย่างที่คุณอาจใส่ไว้ในงานนำเสนอ เว็บไซต์ และโพสต์โซเชียลมีเดีย โดยมีขนาดไม่เกิน 100,000,000 พิกเซล และเบราว์เซอร์อาจหมดเวลาสำหรับคำขอที่ซับซ้อน หากต้องการรูปภาพขนาดใหญ่หรือมีกระบวนการที่ซับซ้อน โปรดดูหน้าการส่งออกข้อมูล