Reducer के बारे में खास जानकारी

रिड्यूसर, Earth Engine में समय, स्पेस, बैंड, कलेक्शन, और अन्य डेटा स्ट्रक्चर के हिसाब से डेटा को एग्रीगेट करने का तरीका है. ee.Reducer क्लास से यह तय होता है कि डेटा को कैसे एग्रीगेट किया जाता है. इस क्लास में मौजूद रिड्यूसर, एग्रीगेशन के लिए इस्तेमाल किए जाने वाले आसान आंकड़े (जैसे, कम से कम, ज़्यादा से ज़्यादा, माध्य, माध्यिका, स्टैंडर्ड डेविएशन वगैरह) या इनपुट डेटा की ज़्यादा जटिल खास जानकारी (जैसे, हिस्टोग्राम, लीनियर रिग्रेशन, सूची) तय कर सकते हैं. समय (imageCollection.reduce()), स्पेस (image.reduceRegion(), image.reduceNeighborhood()), बैंड (image.reduce()) या FeatureCollection के एट्रिब्यूट स्पेस (featureCollection.reduceColumns() या aggregate_ से शुरू होने वाले FeatureCollection तरीके) के आधार पर, रिडक्शन हो सकते हैं.

रिड्यूसर में इनपुट और आउटपुट होते हैं

रिड्यूसर, इनपुट डेटासेट लेते हैं और एक आउटपुट जनरेट करते हैं. जब किसी मल्टी-बैंड इमेज पर सिंगल इनपुट रिड्यूसर लागू किया जाता है, तो Earth Engine अपने-आप रिड्यूसर को दोहराता है और उसे हर बैंड पर अलग से लागू करता है. इस वजह से, आउटपुट इमेज में उतने ही बैंड होते हैं जितने इनपुट इमेज में होते हैं. आउटपुट में मौजूद हर बैंड, इनपुट डेटा में मौजूद उससे जुड़े बैंड के पिक्सल को कम करके बनता है. कुछ रिड्यूसर, इनपुट डेटासेट के टपल लेते हैं. ये रिड्यूसर हर बैंड के लिए अपने-आप रेप्लिकेट नहीं होंगे. उदाहरण के लिए, ee.Reducer.LinearRegression(), किसी खास क्रम में कई प्रिडिक्टर डेटासेट (रिग्रेशन में इंडिपेंडेंट वैरिएबल को दिखाते हैं) लेता है (रिग्रेशन रिड्यूसर देखें).

कुछ रिड्यूसर कई आउटपुट जनरेट करते हैं. उदाहरण के लिए, ee.Reducer.minMax(), ee.Reducer.histogram() या ee.Reducer.toList(). उदाहरण के लिए:

कोड एडिटर (JavaScript)

// Load and filter the Sentinel-2 image collection.
var collection = ee.ImageCollection('COPERNICUS/S2_HARMONIZED')
    .filterDate('2016-01-01', '2016-12-31')
    .filterBounds(ee.Geometry.Point([-81.31, 29.90]));

// Reduce the collection.
var extrema = collection.reduce(ee.Reducer.minMax());

Python सेटअप

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

import ee
import geemap.core as geemap

Colab (Python)

# Load and filter the Sentinel-2 image collection.
collection = (
    ee.ImageCollection('COPERNICUS/S2_HARMONIZED')
    .filterDate('2016-01-01', '2016-12-31')
    .filterBounds(ee.Geometry.Point([-81.31, 29.90]))
)

# Reduce the collection.
extrema = collection.reduce(ee.Reducer.minMax())

इससे इनपुट के बैंड की संख्या से दोगुना आउटपुट मिलेगा. इसमें आउटपुट में बैंड के नामों के साथ '_min' या '_max' जुड़ा होगा.

आउटपुट टाइप, कंप्यूटेशन से मेल खाना चाहिए. उदाहरण के लिए, ImageCollection पर लागू किए गए रिड्यूसर का आउटपुट Image होता है. आउटपुट को पिक्सल वैल्यू के तौर पर समझा जाता है. इसलिए, आपको ImageCollection को कम करने के लिए, न्यूमेरिक आउटपुट वाले रिड्यूसर का इस्तेमाल करना होगा. toList() या histogram() जैसे रिड्यूसर काम नहीं करेंगे.

रिड्यूसर, वेटेड इनपुट का इस्तेमाल करते हैं

डिफ़ॉल्ट रूप से, पिक्सल वैल्यू में होने वाली कमी को उनके मास्क के हिसाब से वेटेज दिया जाता है. हालांकि, इस व्यवहार को बदला जा सकता है. इसके लिए, वेटेज सेक्शन देखें. जिन पिक्सल का मास्क 0 के बराबर होगा उनका इस्तेमाल, रिडक्शन में नहीं किया जाएगा.

रिड्यूसर को आपस में जोड़ना

अगर आपको एक ही इनपुट पर कई रिड्यूसर लागू करने हैं, तो बेहतर होगा कि आप रिड्यूसर को combine() करें. खास तौर पर, sharedInputs को true पर सेट करके, रिड्यूसर पर combine() को कॉल करने से, डेटा सिर्फ़ एक बार पास होगा. उदाहरण के लिए, किसी इमेज में पिक्सल के मीन और स्टैंडर्ड डेविएशन का हिसाब लगाने के लिए, इस तरह के कोड का इस्तेमाल किया जा सकता है:

कोड एडिटर (JavaScript)

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

// Combine the mean and standard deviation reducers.
var reducers = ee.Reducer.mean().combine({
  reducer2: ee.Reducer.stdDev(),
  sharedInputs: true
});

// Use the combined reducer to get the mean and SD of the image.
var stats = image.reduceRegion({
  reducer: reducers,
  bestEffort: true,
});

// Display the dictionary of band means and SDs.
print(stats);

Python सेटअप

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

import ee
import geemap.core as geemap

Colab (Python)

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

# Combine the mean and standard deviation reducers.
reducers = ee.Reducer.mean().combine(
    reducer2=ee.Reducer.stdDev(), sharedInputs=True
)

# Use the combined reducer to get the mean and SD of the image.
stats = image.reduceRegion(reducer=reducers, bestEffort=True)

# Display the dictionary of band means and SDs.
display(stats)

आउटपुट में, ध्यान दें कि रिड्यूसर के आउटपुट को अलग-अलग दिखाने के लिए, रिड्यूसर के नाम को इनपुट के नाम के साथ जोड़ दिया गया है. यह व्यवहार इमेज आउटपुट पर भी लागू होता है. इनमें आउटपुट बैंड के नामों के साथ, रिड्यूसर का नाम भी जोड़ दिया जाएगा.

अगर बिना वेटेज वाले इनपुट का इस्तेमाल करने वाले रिड्यूसर और वेटेज वाले इनपुट का इस्तेमाल करने वाले रिड्यूसर को जोड़ा जा रहा है, तो सभी वेटेज वाले इनपुट, बिना वेटेज वाले इनपुट से पहले होने चाहिए.