內部彙整

如要列舉兩個集合元素之間的所有比對項目，請使用 ee.Join.inner()。內部彙整的輸出結果是 FeatureCollection (即使將一個 ImageCollection 彙整到另一個 ImageCollection 也是如此)。輸出結果中的每個地圖項目都代表一個相符項目，相符元素會儲存在地圖項目的兩個屬性中。舉例來說，feature.get('primary') 是主要集合中的元素，與 feature.get('secondary') 中儲存的次要集合元素相符。(這些屬性的不同名稱可指定為 inner() 的引數，但 ‘primary’ 和 ‘secondary’ 是預設值)。一對多關係會在輸出內容中以多個功能表示。如果任一集合中的元素沒有相符項目，就不會出現在輸出內容中。

使用 ImageCollection 輸入內容的彙整範例，可直接套用至 FeatureCollection 輸入內容，無須修改。您也可以將 FeatureCollection 與 ImageCollection 連結，反之亦然。請參考以下內部聯結的玩具範例：

程式碼編輯器 (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 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)

# 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)

請注意，在前述範例中，資料表之間的關係是在篩選器中定義，這表示欄位 ‘foo’ 和 ‘bar’ 是彙整欄位。接著，系統會指定內部彙整並套用至集合。檢查輸出內容，並觀察每個可能的比對結果都會以一個 Feature 表示。

舉例來說，您可以彙整 MODIS ImageCollection 物件。MODIS 品質資料有時會儲存在與圖像資料不同的集合中，因此內部彙整可方便彙整這兩個集合，以便套用品質資料。在這種情況下，圖片擷取時間相同，因此相等篩選器會處理在兩個集合之間指定這項關係的工作：

程式碼編輯器 (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 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)

# 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)

如要在輸出 FeatureCollection 中使用已彙整的圖片，請在輸出內容上使用 map() 的組合函式。舉例來說，您可以將相符的圖片堆疊在一起，以便將品質頻帶加入圖片資料：

程式碼編輯器 (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 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)

# 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)

雖然這個函式會對應至 FeatureCollection，但結果是 ImageCollection。結果 ImageCollection 中的每張圖片都包含主要集合 (在本例中為 ‘EVI’) 中的所有圖片頻帶，以及次要集合中相符圖片的所有頻帶 (品質頻帶)。