内部結合

2 つのコレクションの要素間のすべての一致を列挙するには、ee.Join.inner() を使用します。内側結合の出力は FeatureCollection です（1 つの ImageCollection を別の ImageCollection に結合する場合でも同様です）。出力の各特徴は一致を表します。一致する要素は、特徴の 2 つのプロパティに保存されます。たとえば、feature.get('primary') は、feature.get('secondary') に保存されているセカンダリ コレクションの要素と一致するプライマリ コレクションの要素です。（これらのプロパティに異なる名前を inner() の引数として指定できますが、デフォルトは ‘primary’ と ‘secondary’ です）。1 対多の関係は、出力内の複数の特徴で表されます。どちらかのコレクションの要素に一致するものがない場合、その要素は出力に含まれません。

ImageCollection 入力を使用した結合の例は、変更せずに FeatureCollection 入力に適用できます。FeatureCollection を ImageCollection に結合することも、その逆も可能です。内結合の次のサンプル例について考えてみましょう。

コードエディタ（JavaScript）

// Create the primary collection.
var primaryFeatures = ee.FeatureCollection([
  ee.Feature(null, {foo: 0, label: 'a'}),
  ee.Feature(null, {foo: 1, label: 'b'}),
  ee.Feature(null, {foo: 1, label: 'c'}),
  ee.Feature(null, {foo: 2, label: 'd'}),
]);

// Create the secondary collection.
var secondaryFeatures = ee.FeatureCollection([
  ee.Feature(null, {bar: 1, label: 'e'}),
  ee.Feature(null, {bar: 1, label: 'f'}),
  ee.Feature(null, {bar: 2, label: 'g'}),
  ee.Feature(null, {bar: 3, label: 'h'}),
]);

// Use an equals filter to specify how the collections match.
var toyFilter = ee.Filter.equals({
  leftField: 'foo',
  rightField: 'bar'
});

// Define the join.
var innerJoin = ee.Join.inner('primary', 'secondary');

// Apply the join.
var toyJoin = innerJoin.apply(primaryFeatures, secondaryFeatures, toyFilter);

// Print the result.
print('Inner join toy example:', toyJoin);

Python の設定

Python API とインタラクティブな開発で geemap を使用する方法については、 Python 環境のページをご覧ください。

import ee
import geemap.core as geemap

Colab（Python）

# Create the primary collection.
primary_features = ee.FeatureCollection([
    ee.Feature(None, {'foo': 0, 'label': 'a'}),
    ee.Feature(None, {'foo': 1, 'label': 'b'}),
    ee.Feature(None, {'foo': 1, 'label': 'c'}),
    ee.Feature(None, {'foo': 2, 'label': 'd'}),
])

# Create the secondary collection.
secondary_features = ee.FeatureCollection([
    ee.Feature(None, {'bar': 1, 'label': 'e'}),
    ee.Feature(None, {'bar': 1, 'label': 'f'}),
    ee.Feature(None, {'bar': 2, 'label': 'g'}),
    ee.Feature(None, {'bar': 3, 'label': 'h'}),
])

# Use an equals filter to specify how the collections match.
toy_filter = ee.Filter.equals(leftField='foo', rightField='bar')

# Define the join.
inner_join = ee.Join.inner('primary', 'secondary')

# Apply the join.
toy_join = inner_join.apply(primary_features, secondary_features, toy_filter)

# Print the result.
display('Inner join toy example:', toy_join)

上の例では、テーブル間の関係がフィルタで定義されています。これは、フィールド ‘foo’ と ‘bar’ が結合フィールドであることを示しています。次に、内部結合を指定してコレクションに適用します。出力を調べて、考えられる各一致が 1 つの Feature として表されていることを確認します。

具体的な例として、MODIS ImageCollection オブジェクトの結合について考えてみましょう。MODIS 品質データは画像データとは別のコレクションに保存されていることがあるため、品質データを適用するために 2 つのコレクションを結合する場合は、内部結合が便利です。この場合、画像の取得時間は同じであるため、2 つのコレクション間のこの関係を指定するのは等価フィルタです。

コードエディタ（JavaScript）

// Make a date filter to get images in this date range.
var dateFilter = ee.Filter.date('2014-01-01', '2014-02-01');

// Load a MODIS collection with EVI data.
var mcd43a4 = ee.ImageCollection('MODIS/MCD43A4_006_EVI')
    .filter(dateFilter);

// Load a MODIS collection with quality data.
var mcd43a2 = ee.ImageCollection('MODIS/006/MCD43A2')
    .filter(dateFilter);

// Define an inner join.
var innerJoin = ee.Join.inner();

// Specify an equals filter for image timestamps.
var filterTimeEq = ee.Filter.equals({
  leftField: 'system:time_start',
  rightField: 'system:time_start'
});

// Apply the join.
var innerJoinedMODIS = innerJoin.apply(mcd43a4, mcd43a2, filterTimeEq);

// Display the join result: a FeatureCollection.
print('Inner join output:', innerJoinedMODIS);

Python の設定

Python API とインタラクティブな開発で geemap を使用する方法については、 Python 環境のページをご覧ください。

import ee
import geemap.core as geemap

Colab（Python）

# Make a date filter to get images in this date range.
date_filter = ee.Filter.date('2014-01-01', '2014-02-01')

# Load a MODIS collection with EVI data.
mcd43a4 = ee.ImageCollection('MODIS/MCD43A4_006_EVI').filter(date_filter)

# Load a MODIS collection with quality data.
mcd43a2 = ee.ImageCollection('MODIS/006/MCD43A2').filter(date_filter)

# Define an inner join.
inner_join = ee.Join.inner()

# Specify an equals filter for image timestamps.
filter_time_eq = ee.Filter.equals(
    leftField='system:time_start', rightField='system:time_start'
)

# Apply the join.
inner_joined_modis = inner_join.apply(mcd43a4, mcd43a2, filter_time_eq)

# Display the join result: a FeatureCollection.
display('Inner join output:', inner_joined_modis)

出力 FeatureCollection で結合された画像を使用するには、出力に対する結合関数 map() を使用します。たとえば、一致する画像を重ねて、品質帯が画像データに追加されるようにします。

コードエディタ（JavaScript）

// Map a function to merge the results in the output FeatureCollection.
var joinedMODIS = innerJoinedMODIS.map(function(feature) {
  return ee.Image.cat(feature.get('primary'), feature.get('secondary'));
});

// Print the result of merging.
print('Inner join, merged bands:', joinedMODIS);

Python の設定

Python API とインタラクティブな開発で geemap を使用する方法については、 Python 環境のページをご覧ください。

import ee
import geemap.core as geemap

Colab（Python）

# Map a function to merge the results in the output FeatureCollection.
joined_modis = inner_joined_modis.map(
    lambda feature: ee.Image.cat(
        feature.get('primary'), feature.get('secondary')
    )
)

# Print the result of merging.
display("Inner join, merged 'bands':", joined_modis)

この関数は FeatureCollection にマッピングされますが、結果は ImageCollection です。結果の ImageCollection の各画像には、プライマリ コレクション内の画像のすべてのバンド（この例では ‘EVI’ のみ）と、セカンダリ コレクション内の一致する画像のすべてのバンド（品質バンド）が含まれています。