Réduire une ImageCollection

Pour composer des images dans un ImageCollection, utilisez imageCollection.reduce(). Toutes les images de la collection sont alors composées en une seule image représentant, par exemple, la valeur minimale, maximale, moyenne ou l'écart type des images. (Pour en savoir plus sur les réducteurs, consultez la section Réducteurs.) Par exemple, pour créer une image de valeur médiane à partir d'une collection:

Éditeur de code (JavaScript)

// Load a Landsat 8 collection for a single path-row.
var collection = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
    .filter(ee.Filter.eq('WRS_PATH', 44))
    .filter(ee.Filter.eq('WRS_ROW', 34))
    .filterDate('2014-01-01', '2015-01-01');

// Compute a median image and display.
var median = collection.median();
Map.setCenter(-122.3578, 37.7726, 12);
Map.addLayer(median, {bands: ['B4', 'B3', 'B2'], max: 0.3}, 'Median');

Configuration de Python

Consultez la page Environnement Python pour en savoir plus sur l'API Python et l'utilisation de geemap pour le développement interactif.

import ee
import geemap.core as geemap

Colab (Python)

# Load a Landsat 8 collection for a single path-row.
collection = (
    ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
    .filter(ee.Filter.eq('WRS_PATH', 44))
    .filter(ee.Filter.eq('WRS_ROW', 34))
    .filterDate('2014-01-01', '2015-01-01')
)

# Compute a median image and display.
median = collection.median()
m = geemap.Map()
m.set_center(-122.3578, 37.7726, 12)
m.add_layer(median, {'bands': ['B4', 'B3', 'B2'], 'max': 0.3}, 'Median')
m

À chaque emplacement de l'image de sortie, dans chaque bande, la valeur du pixel correspond à la médiane de tous les pixels non masqués de l'imagerie d'entrée (les images de la collection). Dans l'exemple précédent, median() est une méthode pratique pour l'appel suivant:

Éditeur de code (JavaScript)

// Reduce the collection with a median reducer.
var median = collection.reduce(ee.Reducer.median());

// Display the median image.
Map.addLayer(median,
             {bands: ['B4_median', 'B3_median', 'B2_median'], max: 0.3},
             'Also median');

Configuration de Python

Consultez la page Environnement Python pour en savoir plus sur l'API Python et l'utilisation de geemap pour le développement interactif.

import ee
import geemap.core as geemap

Colab (Python)

# Reduce the collection with a median reducer.
median = collection.reduce(ee.Reducer.median())

# Display the median image.
m.add_layer(
    median,
    {'bands': ['B4_median', 'B3_median', 'B2_median'], 'max': 0.3},
    'Also median',
)
m

Notez que les noms des bandes diffèrent en raison de l'utilisation de reduce() au lieu de la méthode pratique. Plus précisément, les noms du réducteur ont été ajoutés aux noms des bandes.

Des réductions plus complexes sont également possibles avec reduce(). Par exemple, pour calculer la tendance linéaire à long terme sur une collection, utilisez l'un des réducteurs de régression linéaire. Le code suivant calcule la tendance linéaire de l'indice de végétation amélioré (EVI) MODIS :

Éditeur de code (JavaScript)

// This function adds a band representing the image timestamp.
var addTime = function(image) {
  return image.addBands(image.metadata('system:time_start')
    // Convert milliseconds from epoch to years to aid in
    // interpretation of the following trend calculation.
    .divide(1000 * 60 * 60 * 24 * 365));
};

// Load a MODIS collection, filter to several years of 16 day mosaics,
// and map the time band function over it.
var collection = ee.ImageCollection('MODIS/006/MYD13A1')
  .filterDate('2004-01-01', '2010-10-31')
  .map(addTime);

// Select the bands to model with the independent variable first.
var trend = collection.select(['system:time_start', 'EVI'])
  // Compute the linear trend over time.
  .reduce(ee.Reducer.linearFit());

// Display the trend with increasing slopes in green, decreasing in red.
Map.setCenter(-96.943, 39.436, 5);
Map.addLayer(
    trend,
    {min: 0, max: [-100, 100, 10000], bands: ['scale', 'scale', 'offset']},
    'EVI trend');

Configuration de Python

Consultez la page Environnement Python pour en savoir plus sur l'API Python et l'utilisation de geemap pour le développement interactif.

import ee
import geemap.core as geemap

Colab (Python)

# This function adds a band representing the image timestamp.
def add_time(image):
  return image.addBands(
      image.metadata('system:time_start')
      # Convert milliseconds from epoch to years to aid in
      # interpretation of the following trend calculation.
      .divide(1000 * 60 * 60 * 24 * 365)
  )


# Load a MODIS collection, filter to several years of 16 day mosaics,
# and map the time band function over it.
collection = (
    ee.ImageCollection('MODIS/006/MYD13A1')
    .filterDate('2004-01-01', '2010-10-31')
    .map(add_time)
)

# Select the bands to model with the independent variable first.
trend = collection.select(['system:time_start', 'EVI']).reduce(
    # Compute the linear trend over time.
    ee.Reducer.linearFit()
)

# Display the trend with increasing slopes in green, decreasing in red.
m.set_center(-96.943, 39.436, 5)
m = geemap.Map()
m.add_layer(
    trend,
    {
        'min': 0,
        'max': [-100, 100, 10000],
        'bands': ['scale', 'scale', 'offset'],
    },
    'EVI trend',
)
m

Notez que la sortie de la réduction dans cet exemple est une image à deux bandes avec une bande pour la pente d'une régression linéaire (scale) et une bande pour l'intercept (offset). Consultez la documentation de l'API pour obtenir la liste des réducteurs disponibles pour réduire une ImageCollection à une seule Image.

Les composites n'ont aucune projection.

Les images composites créées en réduisant une collection d'images peuvent produire des pixels dans n'importe quelle projection demandée. Par conséquent, elles n'ont pas de projection de sortie fixe. À la place, les composites ont la projection par défaut de WGS-84 avec des pixels de résolution de 1 degré. Les composites avec la projection par défaut seront calculés dans la projection de sortie demandée. Une requête est effectuée en affichant le composite dans l'éditeur de code (découvrez comment l'éditeur de code définit l'échelle et la projection), ou en spécifiant explicitement une projection/échelle comme dans une agrégation telle que ReduceRegion ou Export.