【GEE笔记2】数据整合Reducer/遍历循环.map

Reducer是GEE中按照时间、空间、波段等进行整合数据的方法；类似于从部分到整体。

ee.Reducer()可以指定数据整合的方式，如：max\min\mean\etal。

• 时间：imageCollection.reduce()
• 空间：image.reduceRegion() ; image.reduceNeighborhood()
• 波段：image.reduce()
• Feature Collection 的属性：Feature Collection.reduceColumns()

以计算NDVI数值并添加至影像合集为例

具体需求：
为一个影像集合添加NDVI波段，同时计算每一景影像上roi的NDVI均值

var mean = ndvi.reduceRegion({  
   reducer: ee.Reducer.mean(),  
   geometry: roi,   
   scale: 30  
});  
print("reduceRegion value is: ", mean); 

map遍历循环

• map：用的最多，执行效率最快，相当于“并行执行任务”，能用 map,就用 map，但是函数里一般不能用 print,Map,toDrive 等方法

• for、while：就是基本的循环结构语句，但是在GEE里很少用，基本用 map 替代，因为是顺序执行代码，效率太慢

• iterate：“迭代”，顺序执行，每次执行都在前面执行的结果上继续执行，很遗憾，这次的例子没有体现“迭代”的意思

• evaluate：主要用来异步导出和显示，加快速度，一般没有返回值，结合 for 和 map 一起用，这里的 map 里可以有 print,Map,toDrive 方法

完整代码：
roi是我自己画的

var roi = ee.FeatureCollection(geometry);  
Map.addLayer(roi, {color: "red"}, "roi"); // 显示roi 
Map.centerObject(roi, 9); // 以roi为中心，缩放等级9
// 筛选影像 
var Col = ee.ImageCollection("LANDSAT/LC09/C02/T1_TOA")  
              .filterBounds(roi)  
              .filterDate("2022-1-1", "2022-7-1")  
              // 循环遍历影像集合，为每景影像计算并添加一个NDVI波段
              .map(function(image){  
                var ndvi = image.normalizedDifference(["B5", "B4"])  
                                .rename("NDVI");  
                return image.addBands(ndvi);  
              })  
              // 选择NDVI波段用于后续计算
              .select("NDVI")  
              // 循环遍历影像集合，计算每景影像roi的NDVI均值，并赋为新的属性字段“ndvi”
              .map(function(image) {  
                var dict = image.reduceRegion({  
                 reducer: ee.Reducer.mean(),  
                 geometry: roi,  
                 scale: 30  
                });
                var ndvi = ee.Number(dict.get("NDVI"));  
                image = image.set("ndvi", ndvi);  
                return image;  
              });  
// 可视化参数，加载显示新的影像集合，使用first()，返回集合的第一个非空元素，即第一景影像
print("Col", Col);  
var visParam = {  
 min: -0.2,   
 max: 0.8,  
 palette: ["FFFFFF", "CE7E45", "DF923D", "F1B555", "FCD163",   
            "99B718", "74A901", "66A000", "529400", "3E8601",   
            "207401", "056201", "004C00", "023B01", "012E01",   
            "011D01", "011301"]  
};  
Map.addLayer(Col.first().clip(roi), visParam, "Col");  

结果：