'); })();
遥感云计算
GISer
2022-05-24
目录

ImageCollection

# 简介

影像集（ImageCollection）是PIE-Engine中的影像集合对象，包含一个或多个Image对象。PIE-Engine Studio提供构建影像集算子及影像集相关算法，包括但不限于加载影像集、获取影像集属性信息、影像过滤、影像拼接、统计计算、影像集内Image循环计算。

# ImageCollection

构造函数。

函数 返回值
ImageCollection(args,columns) ImageCollection
参数 类型 说明
args String 数据路径

# 示例

imageCollection = pie.ImageCollection("LC08/01/T1")

# filter

对ImageCollection对象通过指定过滤器进行过滤，返回过滤后的ImageCollection对象。

函数 返回值
filter(self,pieFilter) ImageCollection
参数 类型 说明
pieFilter Json对象 过滤方法

# 示例

geometry = pie.Geometry.Polygon([[
    [
        119.3491304643045,
        41.93963532628737
    ],
    [
        119.59902198978665,
        41.810901313779254
    ],
    [
        119.80720978302583,
        41.95876844737799
    ],
    [
        119.57030643209589,
        42.04057148950443
    ],
    [
        119.3491304643045,
        41.93963532628737
    ]
]], None)
filter = pie.Filter().date('2019-01-01','2019-03-01')
imageCollection = pie.ImageCollection("LC08/01/T1")
imageCollection = imageCollection.filter(filter).filterBounds(geometry)
print(imageCollection.size().getInfo())

# filterBounds

对ImageCollection对象进行空间范围过滤，筛选出在给定空间范围内的影像，返回过滤后的ImageCollection对象。

函数 返回值
filterBounds(self,geometry) ImageCollection
参数 类型 说明
Geometry Json 矢量数据范围

# 示例

polygon = pie.Geometry.Polygon([[[120, 41], [121, 41], [121, 42], [120, 42],[120, 41]]], None)
imageCollection = pie.ImageCollection().load("LC08/01/T1").filterBounds(polygon).filterDate("2019-01-01","2019-01-10")

# filterDate

对ImageCollection对象通过日期进行过滤，筛选出在给定时间范围内的影像，返回过滤后的ImageCollection对象。

函数 返回值
filterDate(self,start,end) ImageCollection
参数 类型 说明
start string 开始过滤日期（包括）
end string 结束过滤日期（不包括）

# 示例

imageCollection = pie.ImageCollection("LC08/01/T1")
imageCollection = imageCollection.filterDate("2019-01-06","2019-01-09")
print(imageCollection.size().getInfo())

# first

获得ImageCollection对象中的第一个Image对象。

函数 返回值
first() Image

# 示例

imageCollection = pie.ImageCollection("LC08/01/T1").filterDate("2019-12-01", "2019-12-31")
image = imageCollection.first()
print(image.getInfo())

# fromImages

根据Image列表构建ImageCollection对象。

函数 返回值
fromImages(args) ImageCollection
参数 类型 说明
args Array 影像数据列表

# 示例

image1 = pie.Image("LC08/01/T1/LC08_121031_20171203").select("B3")
image2 = pie.Image("LC08/01/T1/LC08_121032_20191225").select("B3")
imageCollection = pie.ImageCollection().fromImages([image1,image2])

# get

根据属性名获得ImageCollection下的属性值信息。

函数 返回值
get(key) String|Number|Boolean|Object|List
参数 类型 说明
key String 属性名

# 示例

imageCollection = pie.ImageCollection("LC08/01/T1").filterDate("2019-12-01", "2019-12-02")
imageCollection = imageCollection.set("key1", {'name':123})
value = imageCollection.get("key1")
print(value.getInfo())

# getAt

获得ImageCollection对象中指定编号的Image对象。

函数 返回值
getAt(index) Image
参数 类型 说明
index Number Image的编号

# 示例

imageCollection = pie.ImageCollection("LC08/01/T1").filterDate("2019-12-01", "2019-12-31")
image = imageCollection.getAt(0)
print(image.getInfo())

# getNumber

根据属性名获得ImageCollection下的属性值信息，并且将其转换为数值类型。

函数 返回值
getNumber(property) Number
参数 类型 说明
property String 属性名

# 示例

imageCollection = pie.ImageCollection("LC08/01/T1").filterDate("2019-12-01", "2019-12-02")
dict = {'key1': {'name':"abc", 'value':123}, 'key2': 12.34, 'key3': "12.34"}
imageCollection = imageCollection.setMulti(dict)
value = imageCollection.getString("key3").getInfo()
print(value)

# getString

根据属性名获得ImageCollection下的属性值信息，并且将其转换为字符串类型。

函数 返回值
getString(property) String
参数 类型 说明
property String 属性名

# 示例

imageCollection = pie.ImageCollection("LC08/01/T1").filterDate("2019-12-01", "2019-12-02")
dict = {'key1': {'name':"abc", 'value':123}, 'key2': 12.34, 'key3': "12.34"}
imageCollection = imageCollection.setMulti(dict)
value = imageCollection.getString("key2").getInfo()
print(value)

# id

返回ImageCollection对象的id。

函数 返回值
id() String

# 示例

imageCollection = pie.ImageCollection("LC08/01/T1").filterDate("2019-12-01", "2019-12-02")
id = imageCollection.id()
print(id.getInfo())

# load

根据提供路径加载ImageCollection对象，一般在ImageCollection初始化的时候会默认调用该方法。

函数 返回值
load(id) ImageCollection
参数 类型 说明
id String 数据路径

# 示例

imageCollection = pie.ImageCollection.load("LC08/01/T1")

# map

针对ImageCollection中的每个Image用同一函数进行循环计算，返回运算结果的ImageCollection。

函数 返回值
map(algorithm,dropNulls) ImageCollection
参数 类型 说明
algorithm Function 参数是Image的方法，需要返回Image
dropNulls Boolean 是否允许返回空值；

# 示例

imageCollection = pie.ImageCollection("LC08/01/T1").filterDate("2019-12-01", "2019-12-31")
imageCollectionNDVI = imageCollection.map(lambda image: image.select("B5").
subtract(image.select("B4")).divide(image.select("B5").add(image.select("B4"))), True)

# max

对ImageCollection中的Image进行最大值计算，返回一个将ImageCollection中每个影像对应波段的对应像素值求最大值得到的Image对象。

函数 返回值
max() Image

# 示例

geometry = pie.Geometry.Polygon([[
    [
        119.3491304643045,
        41.93963532628737
    ],
    [
        119.59902198978665,
        41.810901313779254
    ],
    [
        119.80720978302583,
        41.95876844737799
    ],
    [
        119.57030643209589,
        42.04057148950443
    ],
    [
        119.3491304643045,
        41.93963532628737
    ]
]], None)
filter = pie.Filter().date('2019-01-01','2019-03-01')
imageCollection = pie.ImageCollection("LC08/01/T1")
imageCollection = imageCollection.filter(filter).filterBounds(geometry)
image = imageCollection.max()
print(image.getInfo())

# mean

对ImageCollection中的Image进行平均值计算，返回一个将ImageCollection中每个影像对应波段的对应像素值求均值得到的Image对象。

函数 返回值
mean() Image

# 示例

geometry = pie.Geometry.Polygon([[
    [
        119.3491304643045,
        41.93963532628737
    ],
    [
        119.59902198978665,
        41.810901313779254
    ],
    [
        119.80720978302583,
        41.95876844737799
    ],
    [
        119.57030643209589,
        42.04057148950443
    ],
    [
        119.3491304643045,
        41.93963532628737
    ]
]], None)
filter = pie.Filter().date('2019-01-01','2019-03-01')
imageCollection = pie.ImageCollection("LC08/01/T1")
imageCollection = imageCollection.filter(filter).filterBounds(geometry)
image = imageCollection.mean()
print(image.getInfo())

# median

对ImageCollection中的Image进行中值计算，返回一个将ImageCollection中每个影像对应波段的对应像素值求中值得到的Image对象。

函数 返回值
median() Image

# 示例

geometry = pie.Geometry.Polygon([[
    [
        119.3491304643045,
        41.93963532628737
    ],
    [
        119.59902198978665,
        41.810901313779254
    ],
    [
        119.80720978302583,
        41.95876844737799
    ],
    [
        119.57030643209589,
        42.04057148950443
    ],
    [
        119.3491304643045,
        41.93963532628737
    ]
 ]], None)
filter = pie.Filter().date('2019-01-01','2019-03-01')
imageCollection = pie.ImageCollection("LC08/01/T1")
imageCollection = imageCollection.filter(filter).filterBounds(geometry)
image = imageCollection.median()
print(image.getInfo())

# min

对ImageCollection中的Image进行最小值计算，返回一个将ImageCollection中每个影像对应波段的对应像素值求最小值得到的Image对象。

函数 返回值
min() Image

# 示例

geometry = pie.Geometry.Polygon([[
    [
        119.3491304643045,
        41.93963532628737
    ],
    [
        119.59902198978665,
        41.810901313779254
    ],
    [
        119.80720978302583,
        41.95876844737799
    ],
    [
        119.57030643209589,
        42.04057148950443
    ],
    [
        119.3491304643045,
        41.93963532628737
    ]
]], None)
filter = pie.Filter().date('2019-01-01','2019-03-01')
imageCollection = pie.ImageCollection("LC08/01/T1")
imageCollection = imageCollection.filter(filter).filterBounds(geometry)
image = imageCollection.min()
print(image.getInfo())

# mosaic

对ImageCollection中的Image进行镶嵌，返回一个镶嵌合成后的Image对象。

函数 返回值
mosaic() Image

# 示例

geometry = pie.Geometry.Polygon([[
    [
        119.3491304643045,
        41.93963532628737
    ],
    [
        119.59902198978665,
        41.810901313779254
    ],
    [
        119.80720978302583,
        41.95876844737799
    ],
    [
        119.57030643209589,
        42.04057148950443
    ],
    [
        119.3491304643045,
        41.93963532628737
    ]
]], None)
filter = pie.Filter().date('2019-01-01','2019-03-01')
imageCollection = pie.ImageCollection("LC08/01/T1")
imageCollection = imageCollection.filter(filter).filterBounds(geometry)
image = imageCollection.mosaic()
print(image.getInfo())

# propertyNames

返回ImageCollection对象的属性信息。

函数 返回值
propertyNames() List

# 示例

imageCollection = pie.ImageCollection("LC08/01/T1").filterDate("2019-12-01", "2019-12-02")
imageCollection = imageCollection.set("key1", {'name':123})
propertyNames = imageCollection.propertyNames().getInfo()
print(propertyNames)

# qualityMosaic

使用质量波段作为参考，对ImageCollection中的Image进行镶嵌，返回一个镶嵌合成后的Image对象。

函数 返回值
qualityMosaic(args) Image
参数 类型 说明
args String 质量波段的名称

# 示例

geometry = pie.Geometry.Polygon([[
    [
        119.3491304643045,
        41.93963532628737
    ],
    [
        119.59902198978665,
        41.810901313779254
    ],
    [
        119.80720978302583,
        41.95876844737799
    ],
    [
        119.57030643209589,
        42.04057148950443
    ],
    [
        119.3491304643045,
        41.93963532628737
    ]
]], None)
filter = pie.Filter().date('2019-01-01','2019-03-01')
imageCollection = pie.ImageCollection("LC08/01/T1")
imageCollection = imageCollection.filter(filter).filterBounds(geometry)
image = imageCollection.qualityMosaic("B1")
print(image.getInfo())

# reduce

将一个统计器应用到影像集合中的所有影像。如果统计器有单一输入，则该统计器将被分别应用于该影像集中所有波段；否则输入个数需与影像集波段数一致。 输出波段名由统计器的输出名决定：多输入值的统计器将直接运用输出名，单一输入的统计器将在输出名前加输入波段的名称作为前缀。

函数 返回值
reduce(reducer) Image
参数 类型 说明
reducer Reducer 统计计算器

# 示例

filterCloud = pie.Filter.lte("cloudCover",5)
filterPro1 = pie.Filter.eq("wrsPath","119")
filterPro2 = pie.Filter.eq("wrsRow","38")
imageCollection = pie.ImageCollection().load("LC08/01/T1_SR").filterDate("2013-04-01", "2020-01-01").filter(filterCloud).filter(filterPro1).filter(filterPro2)
result = imageCollection.reduce(pie.Reducer.first())

Map = pie.Map()
Map.addLayer(result.select("B1"),{'min':0,'max':2000},"Layer")
Map.setCenter(120,31.5,7)
Map

# reduceColumns

根据指定selector中的属性值将统计器运用于一个ImageCollection中的所有元素，返回结果为以输出结果名为键的字典对象。

函数 返回值
reduceColumns(self,reducer,selector,weightSelectors) Dictionary
参数 类型 说明
reducer Reducer 统计器，目前仅支持toList统计器
selector Array 要统计的属性列表
weightSelectors Array 默认为None

# 示例

filter = pie.Filter.eq("date","2019-11-14")
imageCollection = pie.ImageCollection("LC08/01/T1").filter(filter).select("B3")
value = imageCollection.reduceColumns(pie.Reducer.toList(2),['cloudCover','sceneId'])
print(value.getInfo())

# select

根据波段名称从ImageCollection中选择波段，返回一个ImageCollection对象。

函数 返回值
select(args) ImageCollection
参数 类型 说明
args String|Array 波段名称或波段名称列表

# 示例

polygon = pie.Geometry.Polygon([[[120, 41], [121, 41], [121, 42], [120, 42],[120, 41]]], None)
imageCollection = pie.ImageCollection().load("LC08/01/T1").filterBounds(polygon).filterDate("2019-01-01","2019-01-10")
print(imageCollection.size().getInfo())
print(imageCollection.select('B3').getInfo())

# set

设置ImageCollection下的属性信息，如果存在就覆盖更新，如果不存在则直接创建。

函数 返回值
set(key,value) Void
参数 类型 说明
key String 属性名
value String|Number|Boolean|Object|List 属性值

# 示例

imageCollection = pie.ImageCollection("LC08/01/T1").filterDate("2019-12-01", "2019-12-02")
imageCollection = imageCollection.set("key1", {'name':123})
value = imageCollection.get("key1").getInfo()
print(value)

# setMaskValue

对ImageCollection中的Image设置过滤值，返回过滤后的ImageCollection对象。

函数 返回值
setMaskValue(value) ImageCollection
参数 类型 说明
value Number 过滤值

# 示例

geometry = pie.Geometry.Polygon([[
    [
        116.29721542611139,
        39.961859016358545
    ],
    [
        116.30175848687782,
        39.8352246197168
    ],
    [
        116.46530867451116,
        39.83755029383428
    ],
    [
        116.46379432092459,
        39.96534105732522
    ],
    [
        116.29721542611139,
        39.961859016358545
    ]
]], None)

l8collection = pie.ImageCollection('LC08/01/T1').filterBounds(geometry).filterDate("2019-01-01","2019-01-08").setMaskValue(3000)
print(l8collection.size().getInfo())
print(l8collection.getInfo())

# setMulti

批量设置ImageCollection下的属性信息，如果存在就覆盖更新，如果不存在则直接创建。

函数 返回值
setMulti(properties) Void
参数 类型 说明
properties Dictionary 属性键值对，以字典形式传入

# 示例

imageCollection = pie.ImageCollection("LC08/01/T1").filterDate("2019-12-01", "2019-12-02")
dict = {'key1': {'name':"abc", 'value':123}, 'key2': 12.34, 'key3': "12.34"}
imageCollection = imageCollection.setMulti(dict)
print(imageCollection.getInfo())

# size

获得ImageCollection中Image的个数。

函数 返回值
size() Number

# 示例

imageCollection = pie.ImageCollection("LC08/01/T1").filterDate("2019-12-01", "2019-12-31")
print(imageCollection.size().getInfo())

# sum

对ImageCollection中的Image进行求和计算，返回一个将ImageCollection中每个影像对应波段的对应像素值求和得到的Image对象。

函数 返回值
sum() Image

# 示例

geometry = pie.Geometry.Polygon([[
    [
        119.3491304643045,
        41.93963532628737
    ],
    [
        119.59902198978665,
        41.810901313779254
    ],
    [
        119.80720978302583,
        41.95876844737799
    ],
    [
        119.57030643209589,
        42.04057148950443
    ],
    [
        119.3491304643045,
        41.93963532628737
    ]
]], None)
filter = pie.Filter().date('2019-01-01','2019-03-01')
imageCollection = pie.ImageCollection("LC08/01/T1")
imageCollection = imageCollection.filter(filter).filterBounds(geometry)
image = imageCollection.sum()
print(image.getInfo())
有问题，我来改改 (opens new window)
上次更新: 2022/05/25, 07:37:39
Image
Kernel

← Kernel→

最近更新
01
太湖水体浑浊度计算
05-25
02
太湖水域蓝藻密度分析
05-25
03
北京城市建设用地情况分析
05-25
更多文章>
Theme by Vdoing | Copyright © 2021-2022 蜀ICP备2021024989号-3