रिलेशनल, कंडीशनल, और बूलियन ऑपरेशन

ee.Image ऑब्जेक्ट में, फ़ैसला लेने वाले एक्सप्रेशन बनाने के लिए, रिलेशनल, कंडीशनल, और बूलियन तरीकों का एक सेट होता है. इन तरीकों से मिले नतीजों का इस्तेमाल, कुछ पिक्सल या इलाकों तक विश्लेषण को सीमित करने के लिए किया जा सकता है. इसके लिए, मास्किंग, कैटगरी वाले मैप बनाना, और वैल्यू को फिर से असाइन करना होता है.

रिलेशनल और बूलियन ऑपरेटर

रिलेशनल तरीकों में ये शामिल हैं:

eq(), gt(), gte(), lt(), और lte()

बूलियन के तरीकों में ये शामिल हैं:

कोड एडिटर (JavaScript)

and(),or(), और not()

Colab (Python)

And(),Or(), और Not()

इमेज के बीच हर पिक्सल की तुलना करने के लिए, रिलेशनल ऑपरेटर का इस्तेमाल करें. इस उदाहरण में, इमेज में शहरी इलाकों को हाइलाइट करने के लिए, स्पेक्ट्रल इंडेक्स के थ्रेशोल्ड के लिए रिलेशनल ऑपरेटर का इस्तेमाल किया गया है. साथ ही, थ्रेशोल्ड को और ऑपरेटर के साथ जोड़ा गया है:

कोड एडिटर (JavaScript)

// Load a Landsat 8 image.
var image = ee.Image('LANDSAT/LC08/C02/T1_TOA/LC08_044034_20140318');

// Create NDVI and NDWI spectral indices.
var ndvi = image.normalizedDifference(['B5', 'B4']);
var ndwi = image.normalizedDifference(['B3', 'B5']);

// Create a binary layer using logical operations.
var bare = ndvi.lt(0.2).and(ndwi.lt(0));

// Mask and display the binary layer.
Map.setCenter(-122.3578, 37.7726, 12);
Map.setOptions('satellite');
Map.addLayer(bare.selfMask(), {}, 'bare');

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_TOA/LC08_044034_20140318')

# Create NDVI and NDWI spectral indices.
ndvi = image.normalizedDifference(['B5', 'B4'])
ndwi = image.normalizedDifference(['B3', 'B5'])

# Create a binary layer using logical operations.
bare = ndvi.lt(0.2).And(ndwi.lt(0))

# Define a map centered on San Francisco Bay.
map_bare = geemap.Map(center=[37.7726, -122.3578], zoom=12)

# Add the masked image layer to the map and display it.
map_bare.add_layer(bare.selfMask(), None, 'bare')
display(map_bare)

इस उदाहरण में दिखाया गया है कि रिलेशनल और बूलियन ऑपरेटर का आउटपुट, सही (1) या गलत (0) होता है. 0 को मास्क करने के लिए, selfMask() का इस्तेमाल करके, बाइनरी इमेज को खुद से मास्क किया जा सकता है.

relational_sf
अमेरिका के सैन फ़्रांसिस्को, कैलिफ़ोर्निया में Landsat 8 से लिया गया कम एनडीवीआई और कम एनडीडब्ल्यूआई (सफ़ेद).

रिलेशनल और बूलियन ऑपरेटर से मिलने वाली बाइनरी इमेज का इस्तेमाल, मैथमैटिकल ऑपरेटर के साथ किया जा सकता है. इस उदाहरण में, रिलेशनल ऑपरेटर और add() का इस्तेमाल करके, रात में रोशनी वाली इमेज में शहरीकरण के ज़ोन बनाए गए हैं:

कोड एडिटर (JavaScript)

// Load a 2012 nightlights image.
var nl2012 = ee.Image('NOAA/DMSP-OLS/NIGHTTIME_LIGHTS/F182012');
var lights = nl2012.select('stable_lights');

// Define arbitrary thresholds on the 6-bit stable lights band.
var zones = lights.gt(30).add(lights.gt(55)).add(lights.gt(62));

// Display the thresholded image as three distinct zones near Paris.
var palette = ['000000', '0000FF', '00FF00', 'FF0000'];
Map.setCenter(2.373, 48.8683, 8);
Map.addLayer(zones, {min: 0, max: 3, palette: palette}, 'development zones');

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 2012 nightlights image.
nl_2012 = ee.Image('NOAA/DMSP-OLS/NIGHTTIME_LIGHTS/F182012')
lights = nl_2012.select('stable_lights')

# Define arbitrary thresholds on the 6-bit stable lights band.
zones = lights.gt(30).add(lights.gt(55)).add(lights.gt(62))

# Define a map centered on Paris, France.
map_zones = geemap.Map(center=[48.8683, 2.373], zoom=8)

# Display the thresholded image as three distinct zones near Paris.
palette = ['000000', '0000FF', '00FF00', 'FF0000']
map_zones.add_layer(
    zones, {'min': 0, 'max': 3, 'palette': palette}, 'development zones'
)
display(map_zones)

कंडीशनल ऑपरेटर

ध्यान दें कि पिछले उदाहरण में दिया गया कोड, expression() से लागू किए गए तीन आर्ग्युमेंट वाले ऑपरेटर का इस्तेमाल करने के बराबर है:

कोड एडिटर (JavaScript)

// Create zones using an expression, display.
var zonesExp = nl2012.expression(
    "(b('stable_lights') > 62) ? 3" +
      ": (b('stable_lights') > 55) ? 2" +
        ": (b('stable_lights') > 30) ? 1" +
          ": 0"
);
Map.addLayer(zonesExp,
             {min: 0, max: 3, palette: palette},
             'development zones (ternary)');

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)

# Create zones using an expression, display.
zones_exp = nl_2012.expression(
    "(b('stable_lights') > 62) ? 3 "
    ": (b('stable_lights') > 55) ? 2 "
    ": (b('stable_lights') > 30) ? 1 "
    ': 0'
)

# Define a map centered on Paris, France.
map_zones_exp = geemap.Map(center=[48.8683, 2.373], zoom=8)

# Add the image layer to the map and display it.
map_zones_exp.add_layer(
    zones_exp, {'min': 0, 'max': 3, 'palette': palette}, 'zones exp'
)
display(map_zones_exp)

ध्यान दें कि एक्सप्रेशन के पिछले उदाहरण में, वैरिएबल के नामों की डिक्शनरी के बजाय, b() फ़ंक्शन का इस्तेमाल करके, इंटरेस्ट बैंड का रेफ़रंस दिया गया है. इस पेज पर, इमेज एक्सप्रेशन के बारे में ज़्यादा जानें. मैथमैटिकल ऑपरेटर या एक्सप्रेशन, दोनों का इस्तेमाल करने पर एक ही नतीजा मिलेगा.

conditional_paris
फ़्रांस के पेरिस में, 2012 की रात की रोशनी की इमेज के मनमुताबिक ज़ोन.

इमेज पर शर्त के हिसाब से कार्रवाइयां लागू करने का एक और तरीका, where() ऑपरेटर का इस्तेमाल करना है. मास्क किए गए पिक्सल को किसी दूसरे डेटा से बदलने की ज़रूरत पर विचार करें. यहां दिए गए उदाहरण में, where() का इस्तेमाल करके, बादलों वाले पिक्सल को बादल-रहित इमेज के पिक्सल से बदला गया है:

कोड एडिटर (JavaScript)

// Load a cloudy Sentinel-2 image.
var image = ee.Image(
  'COPERNICUS/S2_SR/20210114T185729_20210114T185730_T10SEG');
Map.addLayer(image,
             {bands: ['B4', 'B3', 'B2'], min: 0, max: 2000},
             'original image');

// Load another image to replace the cloudy pixels.
var replacement = ee.Image(
  'COPERNICUS/S2_SR/20210109T185751_20210109T185931_T10SEG');

// Set cloudy pixels (greater than 5% probability) to the other image.
var replaced = image.where(image.select('MSK_CLDPRB').gt(5), replacement);

// Display the result.
Map.setCenter(-122.3769, 37.7349, 11);
Map.addLayer(replaced,
             {bands: ['B4', 'B3', 'B2'], min: 0, max: 2000},
             'clouds replaced');

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 cloudy Sentinel-2 image.
image = ee.Image('COPERNICUS/S2_SR/20210114T185729_20210114T185730_T10SEG')

# Load another image to replace the cloudy pixels.
replacement = ee.Image(
    'COPERNICUS/S2_SR/20210109T185751_20210109T185931_T10SEG'
)

# Set cloudy pixels (greater than 5% probability) to the other image.
replaced = image.where(image.select('MSK_CLDPRB').gt(5), replacement)

# Define a map centered on San Francisco Bay.
map_replaced = geemap.Map(center=[37.7349, -122.3769], zoom=11)

# Display the images on a map.
vis_params = {'bands': ['B4', 'B3', 'B2'], 'min': 0, 'max': 2000}
map_replaced.add_layer(image, vis_params, 'original image')
map_replaced.add_layer(replaced, vis_params, 'clouds replaced')
display(map_replaced)