如何解决Earth Engine中sampleRectangle像素超出上限的报错？

sampleRectangle函数存在默认像素数量限制（通常为100万像素），当目标区域过大、分辨率过高导致总像素超过阈值时，就会触发报错。以下是几种可行的解决方案：

方案1：分块采样拼接（推荐直接在脚本内处理） #

把大区域拆成多个小矩形块，逐个采样后拼接成完整数组，避开单块像素上限：

import numpy as np
import ee

ee.Initialize()

# 替换为你的目标区域（ee.Geometry/ee.Feature）
a_file = ee.FeatureCollection("你的区域路径").first().geometry()

naipCollection = (
    ee.ImageCollection("USDA/NAIP/DOQQ")
    .filterBounds(a_file)
    .filterDate("2017-01-01", "2020-12-15")
)
naip = naipCollection.mosaic()
naipNDVI = naip.normalizedDifference(["R", "N"]).rename("NDVI")
naip_b = naipNDVI.reproject("EPSG:32613")

# 获取区域的投影和像素尺寸
proj = naip_b.projection()
region_bounds = a_file.bounds()
width = proj.nominalScale().multiply(region_bounds.width()).divide(proj.nominalScale()).round().getInfo()
height = proj.nominalScale().multiply(region_bounds.height()).divide(proj.nominalScale()).round().getInfo()

# 设定单块最大像素尺寸（比如1000x1000）
block_size = 1000
cols = int(np.ceil(width / block_size))
rows = int(np.ceil(height / block_size))

# 初始化完整数组
full_array = np.zeros((height, width), dtype=np.float32)

# 循环分块采样并拼接
for row in range(rows):
    for col in range(cols):
        x_offset = col * block_size
        y_offset = row * block_size
        block_width = min(block_size, width - x_offset)
        block_height = min(block_size, height - y_offset)
        
        # 创建当前块的有效区域（确保在目标范围内）
        block_region = ee.Geometry.Rectangle(
            [x_offset, y_offset, x_offset + block_width, y_offset + block_height],
            proj=proj
        ).intersection(a_file)
        
        # 采样当前块
        sample = naip_b.sampleRectangle(region=block_region, defaultValue=0)
        block_arr = np.array(sample.get("NDVI").getInfo())
        
        # 填入完整数组对应位置
        full_array[y_offset:y_offset+block_height, x_offset:x_offset+block_width] = block_arr

nonzero_or = np.count_nonzero(full_array)
print(nonzero_or)

方案2：降低采样分辨率 #

如果不需要原始精度，可通过重投影降低分辨率，减少总像素数：

# 重投影时设置更大的分辨率（示例：原1米分辨率改为10米）
naip_b_lowres = naipNDVI.reproject(crs="EPSG:32613", scale=10)
array_or = naip_b_lowres.sampleRectangle(a_file, defaultValue=0)
np_arr = np.array(array_or.get("NDVI").getInfo())
nonzero_or = np.count_nonzero(np_arr)

方案3：先导出再本地处理 #

针对超大规模区域，可先将图像导出到云存储/本地磁盘，再读取为Numpy数组：

# 导出到Google Drive（也可导出到Cloud Storage）
task = ee.batch.Export.image.toDrive(
    image=naip_b,
    description='NDVI_export',
    region=a_file,
    scale=1,
    maxPixels=1e13,  # 设置足够大的像素上限
    fileFormat='GeoTIFF'
)
task.start()

# 任务完成后下载文件，用rasterio读取为数组
import rasterio
with rasterio.open('NDVI_export.tif') as src:
    np_arr = src.read(1)
nonzero_or = np.count_nonzero(np_arr)

内容的提问来源于stack exchange，提问作者Alonso Gonzalez