Из-за моего сокращенного объяснения я редактирую этот вопрос 20 января 2020 г. Извините за ответ оригинала.
Мне нужно значение отражательной способности TOA определенного диапазона широты/долготы. Я мог бы сделать это с помощью javascript с помощью приведенного ниже кода, но я не мог сделать то же самое с python. Буду рад вашей помощи в будущем.
var start = '2018-01-01'
var end = '2018-01-16'
var lon = 134.01
var lat = 34.04
var p = ee.Geometry.Point(lon, lat)
var imageCollection = ee.ImageCollection('LANDSAT/LC08/C01/T1_TOA')
.filterDate(start, end)
.filterBounds(p)
var im1 = imageCollection
.first()
var image = ee.Image(im1);
// Extract the data
var data_b1 = im1.select("B1").reduceRegion(ee.Reducer.mean(),p,10).get("B1")
print('B1 T1_TOA: ', data_b1)
Вывод Javascript - это отражение TOA:
B1 T1_TOA:
0.25892749428749084
Но в Python это работает не очень хорошо. Результатом является ComputedObject, но он не содержит значения отражательной способности TOA.
import ee
ee.Initialize()
start = '2018-01-01'
end = '2018-01-16'
lon = 134.01
lat = 34.04
p = ee.Geometry.Point([lon, lat])
imageCollection = ee.ImageCollection('LANDSAT/LC08/C01/T1_TOA').filterDate(start, end).filterBounds(p)
im1 = imageCollection.first()
data_b1 = im1.select("B1").reduceRegion(ee.Reducer.mean(),p,10).get("B1")
print(data_b1)
Выходные данные ниже json, не включая значение коэффициента отражения TOA «0,25892749428749084»:
ee.ComputedObject({
"type": "Invocation",
"arguments": {
"dictionary": {
"type": "Invocation",
"arguments": {
"image": {
"type": "Invocation",
"arguments": {
"input": {
"type": "Invocation",
"arguments": {
"collection": {
"type": "Invocation",
"arguments": {
"collection": {
"type": "Invocation",
"arguments": {
"collection": {
"type": "Invocation",
"arguments": {
"id": "LANDSAT/LC08/C01/T1_TOA"
},
"functionName": "ImageCollection.load"
},
"filter": {
"type": "Invocation",
"arguments": {
"rightField": "system:time_start",
"leftValue": {
"type": "Invocation",
"arguments": {
"start": "2018-01-01",
"end": "2018-01-16"
},
"functionName": "DateRange"
}
},
"functionName": "Filter.dateRangeContains"
}
},
"functionName": "Collection.filter"
},
"filter": {
"type": "Invocation",
"arguments": {
"leftField": ".all",
"rightValue": {
"type": "Invocation",
"arguments": {
"geometry": {
"type": "Point",
"coordinates": [
134.01,
34.04
]
}
},
"functionName": "Feature"
}
},
"functionName": "Filter.intersects"
}
},
"functionName": "Collection.filter"
}
},
"functionName": "Collection.first"
},
"bandSelectors": [
"B1"
]
},
"functionName": "Image.select"
},
"reducer": {
"type": "Invocation",
"arguments": {},
"functionName": "Reducer.mean"
},
"geometry": {
"type": "Point",
"coordinates": [
134.01,
34.04
]
},
"scale": 10
},
"functionName": "Image.reduceRegion"
},
"key": "B1"
},
"functionName": "Dictionary.get"
})
.getInfo()
для конечного объектаdata_b1
. Дополнительная информация: обзор концепций GEE - person Val   schedule 21.01.2020