將 Landsat 8 TOA 反射率集合載入名為 l8 的變數後，您會發現下列程式碼會產生近期值合成影像：
程式碼編輯器 (JavaScript)
var l8 = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA'); var landsat2016 = l8.filterDate('2016-01-01', '2016-12-31'); Map.addLayer(landsat2016, visParams, 'l8 collection');
這項合成影像的問題之一是充滿雲朵。您不必只取得集合中的最後一個像素 (將集合新增至地圖時，Earth Engine 會隱含呼叫 mosaic())，而是可以減少 ImageCollection (進一步瞭解如何減少圖像集合)。
使用 Reducer 合成
您首先接觸的是取得圖片區域統計資料的縮減函式。這項措施可減少空間。將圖像集合縮減為單一圖像時，如果集合代表一段時間內的圖像，就是時間縮減。您使用的 Reducer 類型會定義 Earth Engine 如何處理重疊像素。Landsat 8 每 16 天會造訪地球上同一地點。也就是說，在 6 個月內，大約會有 12 張圖片 (如果場景重疊，則會更多)。地圖上的每個像素都是從一疊像素衍生而來，也就是所顯示集合中每張圖片各有一個像素。
只要將集合新增至地圖，系統就會選取最新的像素，也就是堆疊中最新影像的像素。您可以使用 Earth Engine 縮減器變更這項行為。舉例來說，Earth Engine 可以選擇堆疊中的中位數值，而非堆疊中的最新像素。這樣做的好處是可移除雲朵 (高值) 和陰影 (低值)。使用中位數縮減函式縮減圖像集合時，複合值是每個波段在一段時間內的中位數。舉例來說，使用 2016 年的 Landsat 場景：
程式碼編輯器 (JavaScript)
// Get the median over time, in each band, in each pixel. var median = l8.filterDate('2016-01-01', '2016-12-31').median(); // Make a handy variable of visualization parameters. var visParams = {bands: ['B4', 'B3', 'B2'], max: 0.3}; // Display the median composite. Map.addLayer(median, visParams, 'median');
這段程式碼的新功能是套用至圖片集合的 median() 方法。
與篩選方法類似，這是影像集合上更通用的 reduce()
方法的捷徑，會將 ee.Reducer() 做為引數。如要查看所有 Earth Engine 縮減函式的清單，請參閱程式碼編輯器的「Docs」(說明文件) 分頁中的 ee.Reducer 套件。考慮用於圖像集合的縮減函式時，請注意輸出內容是圖像，因此輸出內容為非數值的縮減函式 (例如 histogram 或 toList 縮減函式) 無法用於圖像集合。
縮小中位數合成影像時，您應該會看到類似圖 6 的畫面。這應該會比您先前製作的近期值組合好得多。此時，不妨回顧一下，為了製作中位數複合資料，您做了哪些事。Earth Engine 已載入美國本土的整個 Landsat 8 集合，並計算每個像素的中位數。這可是相當可觀的數量！當然，您可以先篩選集合，然後 如先前所述，計算年度中位數。重點是，如果必須下載所有圖像並製作這類合成圖片，這會是個大工程。使用 Earth Engine，您可以在幾秒內取得結果！
如要進一步瞭解合成和鑲嵌，請按這裡。
遮罩
雖然中位數複合影像比最近的值複合影像有所改善，但您可能還是想遮蓋影像的部分區域。遮蓋圖片中的像素可讓這些像素變成透明，並排除在分析範圍之外。圖片每個波段中的每個像素都有遮罩。遮罩值為 0 以下的像素會呈現透明。遮罩值大於 0 的像素都會顯示。圖片的遮罩是使用 image1.mask(image2) 等呼叫設定。這項呼叫會採用 image2 的值，並將這些值設為 image1 的遮罩。image2 中值為 0 的像素在 image1 中會變成透明。
舉例來說，假設您想遮蓋中位數合成影像中的所有水像素。您可以使用 Hansen 等人 (2013 年) 所述的資料集建立水體遮罩，該資料集位於 Earth Engine 資料目錄中。(如要進一步瞭解 Hansen 等人的資料集，請參閱本教學課程)。在這個資料集中，水的值為 2，土地的值為 1，「無資料」的值為 0。運用一些邏輯建立遮罩圖片，其中沒有陸地的地方為零：
程式碼編輯器 (JavaScript)
// Load or import the Hansen et al. forest change dataset. var hansenImage = ee.Image('UMD/hansen/global_forest_change_2015'); // Select the land/water mask. var datamask = hansenImage.select('datamask'); // Create a binary mask. var mask = datamask.eq(1); // Update the composite mask with the water mask. var maskedComposite = median.updateMask(mask); Map.addLayer(maskedComposite, visParams, 'masked');
這段程式碼中有幾項新功能值得詳細說明。首先，select() 函式可從圖片中擷取感興趣的波段。在這裡，我們只選取感興趣的頻帶：datamask。 下一個新功能是邏輯運算子 eq()，代表「等於」。我們使用 eq(1) 建立二進位圖片，其中 datamask 頻帶中所有值不是 1 的像素 (即水或沒有資料的像素)，在產生的圖片中都會得到 0。
因此，中位數合成影像中位於陸地上的所有像素 (根據 Hansen 等人的資料集) 都會顯示，但位於水上 (或無資料) 的像素則會呈現透明，且不會納入您對 maskedComposite 影像進行的任何分析。
影像拼接
結合圖像集合、邏輯運算子、遮罩和合成的概念，即可獲得有趣的製圖結果。舉例來說，假設您想要一張圖片，其中陸地像素以原色顯示，其他像素則以藍色顯示，可以執行類似下列的操作：
程式碼編輯器 (JavaScript)
// Make a water image out of the mask. var water = mask.not(); // Mask water with itself to mask all the zeros (non-water). water = water.mask(water); // Make an image collection of visualization images. var mosaic = ee.ImageCollection([ median.visualize(visParams), water.visualize({palette: '000044'}), ]).mosaic(); // Display the mosaic. Map.addLayer(mosaic, {}, 'custom mosaic');
這段程式碼的運作方式相當複雜，因此我們將逐一剖析。首先，我們使用 not() 邏輯運算子反轉先前建立的遮罩。具體來說，not() 會將所有零轉換為一，所有非零值轉換為零。將該變數稱為 water 並不完全正確，因為其中也包含一些 nodata 像素，但在目前的製圖環境中，這沒問題。接下來，請使用「water」遮蓋「water」。這樣一來，所有水像素都會變成 1，其他所有像素則會遭到遮蓋。最後一個步驟是使用 mosaic() 合併圖片。由於 mosaic() 會處理圖片集合，因此我們會將要合併的圖片清單傳遞至圖片集合建構函式，然後呼叫 mosaic() 做為最後一個步驟。清單中的圖片順序很重要。具體來說，輸出圖片會包含輸入集合中圖片堆疊的最後一個未遮蓋像素。在本例中，這項做法可行，因為水層是集合中的最後一個 (頂端) 圖像，且只包含出現水的位置未遮蓋的像素。
請注意，集合中的圖片是視覺化圖片。當您在圖片上呼叫
visualize()
時，系統會根據您傳入的視覺化參數，將圖片轉換為 3 波段 8 位元圖片。對於 3 波段的 8 位元圖片，預設的視覺化參數就足夠了，因此將圖片加入地圖時，不需要視覺化參數。結果應如圖 7 所示。
到目前為止，您已瞭解如何將圖片集合視覺化為近期值合成圖片、使用縮減器合成圖片集合的方法，以及透過遮罩和馬賽克處理圖片集合來製作自訂合成圖片的方法。在下一個頁面中，瞭解如何為集合中的每張圖片新增植被指數，並使用該指數製作「最綠像素」合成圖片。