Save-Best Joins

Aby zapisać tylko najlepsze dopasowanie dla każdego elementu w kolekcji, użyj ee.Join.saveBest(). Złącze saveBest() działa w sposób podobny do złącza saveAll(), z tą różnicą, że dla każdego elementu w kolekcji primary zapisuje element z kolekcji secondary, który jest najlepszym dopasowaniem. Niepasujące elementy w pierwszej kolekcji są pomijane. Załóżmy, że chcesz znaleźć obraz meteorologiczny, który jest najbardziej zbliżony czasowo do każdego obrazu Landsat w zbiorze primary. Aby wykonać to złączanie, musisz zmienić definicję funkcji ee.Filter, aby odpowiadała ona jednemu warunkowi złączania (złożone filtry nie będą działać z funkcją saveBest(), ponieważ nie wiadomo, jak połączyć pozycje z wielu podfiltrów):

Edytor kodu (JavaScript)

// Load a primary collection: Landsat imagery.
var primary = ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
    .filterDate('2014-04-01', '2014-06-01')
    .filterBounds(ee.Geometry.Point(-122.092, 37.42));

// Load a secondary collection: GRIDMET meteorological data
var gridmet = ee.ImageCollection('IDAHO_EPSCOR/GRIDMET');

// Define a max difference filter to compare timestamps.
var maxDiffFilter = ee.Filter.maxDifference({
  difference: 2 * 24 * 60 * 60 * 1000,
  leftField: 'system:time_start',
  rightField: 'system:time_start'
});

// Define the join.
var saveBestJoin = ee.Join.saveBest({
  matchKey: 'bestImage',
  measureKey: 'timeDiff'
});

// Apply the join.
var landsatMet = saveBestJoin.apply(primary, gridmet, maxDiffFilter);

// Print the result.
print(landsatMet);

Konfiguracja Pythona

Informacje o interfejsie Python API i o używaniu pakietu geemap do programowania interaktywnego znajdziesz na stronie Python Environment.

import ee
import geemap.core as geemap

Colab (Python)

# Load a primary collection: Landsat imagery.
primary = (
    ee.ImageCollection('LANDSAT/LC08/C02/T1_TOA')
    .filterDate('2014-04-01', '2014-06-01')
    .filterBounds(ee.Geometry.Point(-122.092, 37.42))
)

# Load a secondary collection: GRIDMET meteorological data
gridmet = ee.ImageCollection('IDAHO_EPSCOR/GRIDMET')

# Define a max difference filter to compare timestamps.
max_diff_filter = ee.Filter.maxDifference(
    difference=2 * 24 * 60 * 60 * 1000,
    leftField='system:time_start',
    rightField='system:time_start',
)

# Define the join.
save_best_join = ee.Join.saveBest(matchKey='bestImage', measureKey='timeDiff')

# Apply the join.
landsat_met = save_best_join.apply(primary, gridmet, max_diff_filter)

# Print the result.
display(landsat_met)

Pamiętaj, że złączanie saveBest() definiuje nazwę właściwości, w której przechowywany jest najlepszy dopasowany obraz (‘bestImage’), oraz nazwę właściwości, w której przechowywana jest wartość miary dopasowania (‘timeDiff’). Analiza wyników wskazuje, że do właściwości bestImage dodano pasujący obraz DAYMET dla każdej sceny Landsat w zbiorze primary. Każdy z tych obrazów DAYMET ma właściwość timeDiff wskazującą różnicę w czasie w milisekundach między obrazem DAYMET a obrazem Landsat, która będzie minimalna w śród obrazów DAYMET spełniających warunek w filtrze.