在今天的第二篇推文里面，我们介绍使用SampleRegions函数采样的一些弱点，比如速度慢等，具体介绍见第二条推文或者之前推文：
其实，答案很简单，就是将sampleRegions函数替换为sample函数即可，sample的说明如下。不难发现，sample函数能够实现和sampleRegions函数相同的功能，也就是实现从Image里面提取出坐标点对应的像素值，最后组成一个FeatureCollection。
不过需要注意的是，sample函数不会保留样本点的属性信息，因此如果是用于分类等任务时，需要手动在样本中加入属性信息，这个也很简单。参加过课程的同学肯定都懂，只需要使用map操作就可以完成。
接下来，我们就看看sample函数有多快。假设我们有20万条样本数据需要采样，那么此时使用sampleRegions函数会很难，但是使用sample函数里面就能够提取出坐标值。
代码的话，使用下面的代码大家就可以测试.其中point就是自己的矢量数据，可以很大很大的那种。
// 加载一个影像（例如：Landsat 8影像）var image = ee.Image('LANDSAT/LC08/C02/T1_L2/LC08_044034_20140318');// Applies scaling factors.function applyScaleFactors(image) {var opticalBands = image.select('SR_B.').multiply(0.0000275).add(-0.2);var thermalBands = image.select('ST_B.*').multiply(0.00341802).add(149.0);return image.addBands(opticalBands, null, true).addBands(thermalBands, null, true);}var imgData = applyScaleFactors(image);print("image",image);// var imgBand = ['SR_B7', 'SR_B6', 'SR_B5', 'SR_B4', 'SR_B3', 'SR_B2'];var imgBand = ['SR_B4', 'SR_B3', 'SR_B2'];var std_band = ['red','green','blue'];imgData = imgData.select(imgBand,std_band);var feaCol_3 = imgData.multiply(1e6).double().sample({region:points.geometry(),scale:30,// projection:'EPSG:32610',// factor:null,numPixels:1e13,// seed:false,// dropNulls:true,// tileScale:true,geometries:true,// scale:null,// projection:null,// factor:null,// numPixels:null,// seed:false,// dropNulls:true,// tileScale:true,// geometries:false,});print('feaCol_3',feaCol_3.first());print("feaCol_3 size",feaCol_3.size());Map.addLayer(feaCol_3,{'color':'yellow'},'feaCol_3',false);
交流合作&科研搭子
想加入交流群的同学可加小编微信让其邀请进群（扫描下方二维码咨询报名或菜单栏“联系我们”选项框都可以找到小编哟）。注意，咨询加群验证信息请备注为“学位-研究方向-学校-加群”格式，否则不予通过。例如，假如你是武汉大学土地利用分类方向的博士研究生，则可以备注“博士-LULC-武大-加群”；假如你是清华水文方向的硕士研究生，则可以备注“硕士-水文-清华-加群”。
如果有帮助，点赞、关注、转发一下呗
