縮減 ImageCollection

如要在 ImageCollection 中合成圖片，請使用 imageCollection.reduce()。這會將集合中的所有圖片合成單一圖片，用來代表圖片的極小值、極大值、平均值或標準差。(如要進一步瞭解 Reducer，請參閱「Reducer 一節」)。例如，如要從集合建立中位值圖片：

程式碼編輯器 (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');

Python 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

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

在輸出圖像的每個位置和每個頻帶中，像素值都是輸入圖像 (集合中的圖像) 中所有未遮罩像素的中位數。在前述範例中，median() 是下列呼叫的便利方法：

程式碼編輯器 (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');

Python 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

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

請注意，由於使用 reduce() 而非便利方法，因此頻道名稱有所不同。具體來說，縮減器的名稱已附加至頻道名稱。

您也可以使用 reduce() 進行更複雜的縮減作業。舉例來說，如要計算集合中的長期線性趨勢，請使用其中一個線性迴歸縮減器。下列程式碼會計算 MODIS 增強植被指數 (EVI) 的線性趨勢：

程式碼編輯器 (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');

Python 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

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

請注意，本例中縮減作業的輸出內容是兩個帶狀圖像，其中一個帶狀圖像代表線性迴歸的斜率 (scale)，另一個帶狀圖像代表截距 (offset)。請參閱 API 說明文件，查看可用縮減器的清單，以便將 ImageCollection 縮減為單一 Image。

複合物沒有投影

透過縮減圖片集合所建立的複合圖片，可產生任何要求的專案中的像素，因此沒有固定的輸出投影方式。相反地，合成圖層具有 1 度解析度像素的 預設投影方式 WGS-84。使用預設投影的組合會在要求的任何輸出投影中計算。您可以在程式碼編輯器中顯示複合圖 (瞭解程式碼編輯器如何設定縮放和投影)，或是在匯總 (例如 ReduceRegion 或 Export) 中明確指定投影/縮放。