Os redutores são a maneira de agregar dados ao longo do tempo, espaço, bandas, matrizes e outras estruturas de dados no Earth Engine. A classe ee.Reducer especifica como os dados são agregados. Os redutores dessa classe podem especificar uma estatística simples para usar na
agregação (por exemplo, mínimo, máximo, média, mediana, desvio padrão etc.) ou um resumo mais complexo
dos dados de entrada (por exemplo, histograma, regressão linear, lista). As reduções podem ocorrer ao longo do tempo (imageCollection.reduce()), do espaço (image.reduceRegion(), image.reduceNeighborhood()), das bandas (image.reduce()) ou do espaço de atributos de um FeatureCollection (métodos featureCollection.reduceColumns() ou FeatureCollection que começam com aggregate_).
Os redutores têm entradas e saídas
Os redutores recebem um conjunto de dados de entrada e produzem uma única saída. Quando um redutor de entrada única é
aplicado a uma imagem multibanda, o Earth Engine replica automaticamente o redutor e o aplica
separadamente a cada banda. Como resultado, a imagem de saída tem o mesmo número de bandas que a imagem de entrada. Cada banda na saída é a redução de pixels da banda correspondente nos dados de entrada. Alguns redutores usam tuplas de conjuntos de dados de entrada. Esses redutores não serão
replicados automaticamente para cada banda. Por exemplo,
ee.Reducer.LinearRegression() usa vários conjuntos de dados de preditores (que representam
variáveis independentes na regressão) em uma ordem específica (consulte
Redutores de regressão).
Alguns redutores produzem várias saídas, por exemplo, ee.Reducer.minMax(),
ee.Reducer.histogram() ou ee.Reducer.toList(). Exemplo:
Editor de código (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());
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())
Isso vai produzir uma saída com o dobro do número de bandas das entradas, em que os nomes das bandas na saída têm "_min" ou "_max" anexados ao nome da banda.
O tipo de saída precisa corresponder ao cálculo. Por exemplo, um redutor aplicado a um
ImageCollection tem uma saída Image. Como a saída é
interpretada como um valor de pixel, é necessário usar redutores com uma saída numérica para reduzir um
ImageCollection (redutores como toList() ou
histogram() não vão funcionar).
Os redutores usam entradas ponderadas
Por padrão, as reduções nos valores de pixel são ponderadas pela máscara, mas esse comportamento pode ser alterado (consulte a seção "Ponderação"). Os pixels com máscara igual a 0 não serão usados na redução.
Combinar redutores
Se você quiser aplicar vários redutores às mesmas entradas, é recomendável
usar combine() nos redutores para aumentar a eficiência. Especificamente, chamar
combine() em um redutor com sharedInputs definido como
true vai resultar em apenas uma passagem pelos dados. Por exemplo, para calcular a
média e o desvio padrão de pixels em uma imagem, use algo como:
Editor de código (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);
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)
Na saída, observe que os nomes dos redutores foram anexados aos nomes das entradas para distinguir as saídas do redutor. Esse comportamento também se aplica a saídas de imagem, que terão o nome do redutor anexado aos nomes das bandas de saída.
Se você estiver combinando redutores que usam entradas não ponderadas e redutores que usam entradas ponderadas, todas as entradas ponderadas precisam estar antes de todas as entradas não ponderadas.