Google Earth Engine报错：reduceRegions is not a function 排查与解决

核心问题 #

• gpw_roi是**ImageCollection（影像集合）**类型，而reduceRegions()是单个Image对象的专属方法，直接调用会触发“不是函数”的错误。
• 代码逻辑混淆了影像集合与矢量集合的用法：你错误地将ImageCollection当作FeatureCollection使用map()遍历，且reduceRegions的collection参数要求传入FeatureCollection，但你传了单个geometry对象。

修正方案 #

根据你的需求，提供两种常见场景的修正代码：

场景1：获取某一特定年份的AOI人口总数 #

比如获取2020年的人口数据：

// Load GPW population count dataset
var gpw = ee.ImageCollection('CIESIN/GPWv4/population-count');

// Define the area of interest (AOI) using a polygon geometry
var aoi = ee.Geometry.Polygon([
  [-74.1, 40.6],
  [-74.1, 40.7],
  [-73.9, 40.7],
  [-73.9, 40.6],
]);

// 1. 筛选2020年的影像，转为单个Image对象
var gpw_2020 = gpw.filter(ee.Filter.eq('year', 2020)).first();

// 2. 将AOI转为FeatureCollection，作为reduceRegions的输入
var aoi_fc = ee.FeatureCollection([ee.Feature(aoi)]);

// 3. 计算AOI内的人口总和
var population = gpw_2020.reduceRegions({
  reducer: ee.Reducer.sum(),
  collection: aoi_fc,
  scale: 1000, // 分辨率，单位米，与GPW原始分辨率匹配
});

// 打印结果
print('2020年AOI人口总数:', population.first().get('sum'));

场景2：获取所有年份的AOI人口数据 #

如果需要遍历所有可用年份，计算各年份的人口：

// Load GPW population count dataset
var gpw = ee.ImageCollection('CIESIN/GPWv4/population-count');

// Define the area of interest (AOI) using a polygon geometry
var aoi = ee.Geometry.Polygon([
  [-74.1, 40.6],
  [-74.1, 40.7],
  [-73.9, 40.7],
  [-73.9, 40.6],
]);

// 将AOI转为FeatureCollection
var aoi_fc = ee.FeatureCollection([ee.Feature(aoi)]);

// 遍历影像集合，计算每个年份的人口
var populationByYear = gpw.map(function(image) {
  var year = image.get('year');
  // 对单张影像执行区域统计
  var totalPop = image.reduceRegions({
    reducer: ee.Reducer.sum(),
    collection: aoi_fc,
    scale: 1000,
  }).first().get('sum');
  // 返回包含年份和人口的Feature
  return ee.Feature(null, {
    year: year,
    total_population: totalPop
  });
});

// 打印所有年份的人口数据
print('各年份AOI人口数据:', populationByYear);

补充说明 #

• GPWv4可用年份为2000、2005、2010、2015、2020，可通过filter.eq('year', 目标年份)精准筛选。
• scale参数建议匹配影像原始分辨率（GPWv4为30弧秒，约1000米），过高的分辨率会导致计算冗余。
• 如果需要人口密度而非总数，可替换数据集为CIESIN/GPWv4/population-density，统计逻辑完全一致，只需根据需求选择Reducer.sum()或Reducer.mean()。

内容的提问来源于stack exchange，提问作者Shadow Walker