GEE FeatureCollection 完全指南：从矢量数据本质到属性筛选与导出

在GEE里被问得最多的数据类型，除了逐像元的Image之外，大概就是矢量那一家子了。FeatureCollection这个类型，我见过太多人一开始被它绕晕：明明就是个"点线面集合"，为什么操作起来一会儿要map，一会儿要filter，还动不动就报错说"无法在Element上调用该函数"。其实如果你把FeatureCollection当成一张"带空间位置的表格"来理解，GEE里一大半的矢量操作逻辑就都顺了。这篇文章我就以FeatureCollection为主线，把它的概念、创建方式、属性筛选、渲染与导出整套流程讲透，尤其会把我这几年来踩过的坑一并列出来。适合刚开始学GEE的遥感、GIS从业者，也适合已经被filter和map折磨过一轮、想系统捋一遍的同学。

1. FeatureCollection究竟是什么：从一个Feature说起

1.1 Feature = Geometry + 属性的组合逻辑

很多教程一上来就给你摆ee.FeatureCollection的API文档，结果新手压根不知道这个对象内部长什么样。我的经验是，先搞明白Feature，再理解FeatureCollection就顺理成章。Feature这个类型在GEE里就做一件事：把一个几何对象（Geometry）和一堆属性（properties）捆绑在一起。

几何对象就是点、线、面，比如ee.Geometry.Point([lon, lat])是一个点，ee.Geometry.LineString([[lon1,lat1],[lon2,lat2]])是一条线。而Feature就是在这些几何上附加了一个字典，类似这样：

javascript复制var myFeature = ee.Feature(
  ee.Geometry.Point([121.47, 31.23]),
  {name: '观测点A', value: 35.6, time: '2024-06-01'}
);

这段代码创建了一个带两个字段（name、value）的"带位置记录"。属性字段不限制类型，字符串、数字、数组都可以放进去，唯一要注意的是GEE服务器的数据类型限制，嵌套结构别搞得过于复杂，否则后续序列化很容易出幺蛾子。Feature最方便的地方在于，你可以像操作普通对象一样，通过.get('name')去取属性值，也可以通过.set('value', 40)去更新属性，而几何对象始终跟着这条记录走，不会丢。

理解了Feature之后，FeatureCollection就好办了：它就是Feature的集合，存储方式类似于一个数组，内部每一条都带有形状不同的Geometry，以及结构一致或不一致的properties。不过GEE更希望你的集合里所有Feature的字段结构是统一的，因为很多聚合函数、筛选操作都是基于"整列字段"来做的，字段不齐会让后面统计时出现一堆null。

1.2 FeatureCollection的本质是一张"属性表"

我一直觉得FeatureCollection最恰当的类比，是GIS桌面软件里的属性表。你想想，在QGIS或ArcGIS里，一个矢量图层打开属性表，每一行是一个要素，每一列是一个字段，行里还隐含着这个要素的几何形状。FeatureCollection就是这样一张表，只是它跑在云端、面向海量数据，操作方式从鼠标点击换成了代码。

这个"表格"思维非常有用。比如你在QGIS里想按属性选要素，用"按属性选择"对话框；在GEE里就是fc.filter(ee.Filter.eq('字段名', 值))。你在QGIS里想做字段计算，在GEE里就是fc.map(function(f) { return f.set('新字段', 计算表达式); })。你在QGIS里想对某一列做统计，在GEE里就是fc.aggregate_mean('字段名')。一旦你把FeatureCollection当作属性表来用，GEE的矢量操作就不再是一堆孤立的API函数，而是一套有逻辑的表格处理流程。

也正是因为这一点，FeatureCollection和普通的JavaScript数组有天壤之别。你没法用for循环去遍历它，也没法直接用arr.push去追加元素。GEE里所有对FeatureCollection的操作都需要通过map、filter这类服务器端函数来完成，它们会被翻译成云端分布式计算任务。换句话说，你不是在操作一堆本地对象，而是在给一台"云端遥感计算引擎"下指令。

1.3 FeatureCollection与Image、Geometry的协作边界

在GEE里，数据类型之间不是孤立的，但它们的协作方式有明确边界。FeatureCollection是矢量侧的高层容器，Geometry是底层几何，Image是栅格侧的核心。实际项目中，矢量和栅格最常见的配合方式有这么几种：

• 用FeatureCollection去裁剪Image，做区域统计：image.reduceRegions({collection: fc, reducer: ee.Reducer.mean(), scale: 30})。
• 用Image的像素值去提取矢量点的属性：sampleRegions。
• 用FeatureCollection去筛选Image集合：ImageCollection.filterBounds(fc)。

这些操作里，FeatureCollection充当的是"空间范围"或者"采样点位"的角色。所以你可以看到，FeatureCollection不只是用来展示点线面的，它是连接矢量与栅格两大世界的桥梁。很多做地物分类的同学，整个工作流就是：先建样本点FeatureCollection，然后对每个样本点提取影像波段值，得到带特征字段的样本集，最后喂给分类器。分类器输出出来还是一个FeatureCollection，只是属性里多了一个"类别"字段。懂得让FeatureCollection在不同数据形态之间流转，GEE项目基本上就打通了一半。

2. 创建FeatureCollection的几种方式与关键参数

2.1 从零构造：ee.Feature与ee.FeatureCollection

最基础的方式，就是先构造单个Feature，再组成集合。直接上代码：

javascript复制var feat1 = ee.Feature(ee.Geometry.Point([121.47, 31.23]), {id: 1, type: 'obs'});
var feat2 = ee.Feature(ee.Geometry.Point([121.48, 31.24]), {id: 2, type: 'monitor'});
var fc = ee.FeatureCollection([feat1, feat2]);
print(fc);

这里有个细节值得注意：ee.Feature(geometry, properties)函数里，第二个参数是一个普通JavaScript对象，不是ee.Dictionary。不过你用ee.Dictionary包装一下也可以，GEE会自动转换。此外，如果属性值里有嵌套的数组或对象，建议提前测试一下，有些复杂结构在云端序列化时会被转换成奇怪的类型，等打印出来才傻眼。

如果你想直接从一个Geometry对象生成FeatureCollection，也是可以的：

javascript复制var poly = ee.Geometry.Polygon([[[110, 30], [111, 30], [111, 31], [110, 31]]]);
var fcFromGeom = ee.FeatureCollection(poly);

系统会自动把几何包装成一个没有属性的Feature。这种写法在做缓冲区分析、临时范围展示时非常顺手。但要注意：此时FeatureCollection里只有一个要素，没有属性列。

2.2 从Geometry列表批量生成

另一种常见需求是，你手上有一堆点坐标，想一次性生成多个点要素。新手容易犯的错是先用JavaScript的for循环一个个构建，然后push进数组，最后再转FeatureCollection。这种做法在小数据量下看着没问题，但它违背了GEE的"服务器端延迟计算"原则，一旦数据量变大，性能会很差，还可能触发GEE的某些内部限制。

正确姿势是用geometries参数直接传入一个几何列表：

javascript复制var points = [
  ee.Geometry.Point([121.47, 31.23]),
  ee.Geometry.Point([121.48, 31.24]),
  ee.Geometry.Point([121.49, 31.25])
];
var fcPoints = ee.FeatureCollection(points);
print(fcPoints);

如果这些点坐标是存放在一个普通数组里的，比如从CSV读取经纬度后得到了坐标对，你可以先用Array.map转成ee.Geometry.Point的数组，再喂给ee.FeatureCollection。不过实际项目中，我更推荐不要自己造轮子，直接用GEE内置的表格导入方式——直接从CSV或SHP文件上传，省时省力，还不用处理坐标系问题。

实际上最暴力的方式，是直接用ee.FeatureCollection的构造器接收一个"包含GeoJSON的要素列表"。比如：

javascript复制var geojsonFC = ee.FeatureCollection([
  {type: 'Feature', geometry: {type: 'Point', coordinates: [121.47, 31.23]}, properties: {name: 'A'}},
  {type: 'Feature', geometry: {type: 'Point', coordinates: [121.48, 31.24]}, properties: {name: 'B'}}
]);

这种方式适合把外部JSON数据转成GEE对象，代码和GeoJSON标准完全对齐，几乎零学习成本。

2.3 从本地表格数据导入（CSV/Shapefile/GeoJSON）

在真实项目里，样本点、行政区边界、生态分区这些数据，通常不可能在代码里手写坐标，基本都是外部准备好的。GEE最常用的导入方式是Assets面板上传。在Code Editor左侧Assets里，点击"New"按钮，选择"Table upload"，然后上传CSV、Shapefile（记得打包成zip）、GeoJSON或者KML。上传的时候会让你填写一个Asset ID，类似users/你的用户名/你的数据名，之后就可以在代码里引用了：

javascript复制var countries = ee.FeatureCollection('你的Asset完整路径');

这是最推荐的创建方式，尤其是数据量超过几千条时，把数据放进Assets比在代码里硬编码要稳定得多。另一种轻量方式是在代码里通过ee.FeatureCollection.fromTable或者ee.Table.parse...（旧版API）解析表格数据，但比较繁琐，我只在需要动态解析外部CSV时才会用。

这里必须提一个我在项目里反复踩过的坑：CSV上传时要特别注意几何列的定义。如果你上传的是带经纬度的CSV，GEE需要你指定X（经度）列和Y（纬度）列，并且CRS默认是EPSG:4326，也就是WGS84经纬度坐标。如果你在CSV里加了一列叫"lon"，一列叫"lat"，上传时会自动识别；但如果你的列名是中文或者稀奇古怪的缩写，上传面板里找不到对应字段，就会生成一堆没位置的要素。上传成功后，建议立刻打印一下集合大小和第一条要素，确认几何没有丢失。

2.4 构造时的关键参数与默认真相

创建FeatureCollection时，还有一个容易被忽略的参数是几何的"测地线"属性。GEE里点线面默认都是以大地线（geodesic）方式存储的，也就是说，两点之间的连线默认是沿地球椭球面的最短弧线，而不是平面上的直线。对大多数地图浏览场景来说，这个默认值没毛病；但如果你在做精确的面积计算或与小尺度局部数据叠加，可能会发现结果和ArcGIS里算的不一样，就是因为这个测地线设置。

如果你不希望线、面按大地线解释，可以在构造Geometry时显式指定：

javascript复制var line2D = ee.Geometry.LineString(
  [[121.47, 31.23], [121.48, 31.25]],
  {geodesic: false}
);

然后由这些几何生成的FeatureCollection自然也就不再是测地线几何了。同理，构造面时还有一个evenOdd参数，表示环方向规则，即多边形的内外环是通过绕行方向来区分的。普通场景用默认值就好，但如果你从外部导入的GeoJSON多边形偶尔出现挖洞异常，检查一下evenOdd设置往往能解决问题。

这些"默认真相"平时不显眼，一旦遇到跨平台数据互相调用，或者投影坐标系混用，就会变成排查问题的关键。我自己的习惯是，在创建任何FeatureCollection时，如果后续要用到面积/距离计算，先明确几何的CRS与测地线设置，而不是想当然用默认。

3. 核心属性操作：筛选、字段处理与统计

3.1 空间与时间筛选：filterBounds 与 filterDate

FeatureCollection最常用的功能之一就是筛选。筛选分两类，一类是按空间范围过滤，一类是按时间或属性过滤。

按空间范围过滤，最高频的写法是filterBounds：

javascript复制var roi = ee.Geometry.Polygon([[[110, 28], [115, 28], [115, 33], [110, 33]]]);
var filtered = fc.filterBounds(roi);
print(filtered);

filterBounds的逻辑很简单：返回那些几何与指定范围有相交的元素。注意这里用的是"相交"判定，不需要完全包含。所以如果你的点是落在范围边界上，也会被保留。与之类似的还有filterMetadata、filterEq这些老朋友，但filterBounds最常用，而且它在服务器端有空间索引优化，速度通常不错。一个小建议是，如果ROI很大，且原始FeatureCollection特别大，可以先给ROI做一个缓冲或简化，避免不必要的计算。

按时间过滤，直接调用filterDate：

javascript复制var fcInTime = fc.filterDate('2020-01-01', '2020-12-31');

这里要求你的FeatureCollection里含有date字段，否则过滤结果为空。GEE内部会自动识别属性里名为date、startDate之类的字段，但我建议还是显式构造一个标准字段，用ee.Date.parse转成时间对象后统一存储。

3.2 属性过滤：ee.Filter 从简单到组合

属性过滤的核心是ee.Filter。新手容易把ee.Filter和filter方法的名字混着用，其实流程是这样：构造一个Filter对象，然后传给filter方法。举个例子：

javascript复制var hotFC = fc.filter(ee.Filter.gt('value', 30));
var rangeFC = fc.filter(ee.Filter.rangeContains('value', 20, 40));

如果你要同时满足多个条件，用ee.Filter.and或逻辑运算：

javascript复制var bothFC = fc.filter(
  ee.Filter.and(
    ee.Filter.gt('value', 30),
    ee.Filter.stringStartsWith('name', 'A')
  )
);

GEE的ee.Filter家族特别大，常用的有eq、neq、gt、gte、lt、lte、rangeContains、stringStartsWith、stringEndsWith、listContains、inList。有一个值得记住的技巧是用ee.Filter.inList做批量筛选，比如你想保留多个指定日的记录，一条一条or写太啰嗦，直接inList('date', ['2020-01-01', '2020-02-01'])就搞定。

属性筛选的性能通常比空间筛选更好，因为它不涉及几何运算。所以能先用属性筛，再用空间筛，是比较推荐的执行顺序——先把记录数降下来，再做边界相交判断，云端计算量和传输量都会小很多。

3.3 字段处理：map、set、select、rename 的组合拳

当需要对每条记录属性进行逐条修改时，最常用的就是map。map的含义是"遍历集合，对每个Feature执行某个函数，返回新的Feature，最终拼成新的FeatureCollection"。比如给每个点新增一个字段：

javascript复制var fcNew = fc.map(function(f) {
  var val = ee.Number(f.get('value'));
  return f.set('value2', val.multiply(2));
});

注意，map里的函数必须返回一个Feature，如果你在函数里做了条件分支，务必保证所有分支都返回Feature，否则报错信息会非常绕。

还有一种常见需求是只保留某些字段，用select：

javascript复制var fcSelected = fc.select(['name', 'value']);

select会丢掉其他所有属性，只保留你指定的列。这在导出之前清理属性、缩减数据体积时非常有用。另一个操作是rename，用来给字段起别名：

javascript复制var fcRenamed = fc.select(['name', 'value'], ['名称', '数值']);

select和rename放到一起用，是同一次字段重命名的两种表达。如果字段名里有中文，或者需要对接外部系统的固定列名，这个操作几乎是必须的。

3.4 聚合统计：aggregate_* 系列速查

属性表最强大的地方，在于可以快速做整列统计。用aggregate_*系列函数，可以免去map+reduce的繁琐过程。我把常用的几个列出来：

举个例子，统计所有点的属性value总和：

javascript复制var total = fc.aggregate_sum('value');
print('total value:', total);

它返回的是一个数字，不需要再用reduce。这些函数还有对应的percentile版本，比如aggregate_interval('value', 90)，可以返回一个区间，做法物分类样本筛选时非常实用。如果你要多个统计量，可以分开调用，也可以配合reducer更精细地处理。在实际项目中，我很少手写reduceRegion来处理FeatureCollection的统计，aggregate_*已经完全够用。

3.5 排序、去重与抽样

除了筛选和字段计算，日常还经常碰到三类需求：按字段排序、去除重复记录、随机抽样。排序用sort：

javascript复制var sorted = fc.sort('value', false); // 第二个参数表示降序，默认false为升序

去重用distinct：

javascript复制var distinctDates = fc.distinct('date');

如果你希望基于某个字段去重并且保留某些记录，distinct支持的字段参数正好能用上。随机抽样用randomColumn之后结合limit，比如：

javascript复制var fcWithRandom = fc.randomColumn('random');
var sample = fcWithRandom.sort('random').limit(100);

先给每条记录加一个随机数列，再按随机数列排序，最后取前N条，这是GEE里最常见的均匀抽样方式。如果你想按比例抽样，可以用随机数列加filter，例如设置保留概率0.2，就是过滤random < 0.2的记录。这个方法比limit更灵活，抽样结果也接近完全随机。

4. FeatureCollection可视化与导出：结果呈现的几种姿势

4.1 矢量图层在地图上的渲染技巧

FeatureCollection作为矢量数据，最常见的展示方式就是Map.addLayer。默认情况下，如果不指定任何样式参数，GEE会随机给要素分配颜色，这在快速浏览时够用，但一旦要出图或者做分类专题，就必须手动控制样式。基础写法如下：

javascript复制Map.centerObject(fc, 10);
Map.addLayer(fc, {color: 'blue'}, '原始点');

对于点要素，你可以设置pointSize来控制点的大小，设置pointShape选择点的形状（默认是圆形）。对于线要素，color控制颜色，width控制线宽。对于面要素，color控制填充颜色，还可用color的透明度控制视觉效果。不过有个很重要的细节：在GEE的Map.addLayer参数里，面要素的color是填充色，而边线颜色是用outlineColor来控制的。很多人以为传一个color就是全部，结果面要素的边线变成默认黑色，出图效果很突兀。

javascript复制Map.addLayer(fcPoly, {color: '255, 0, 0, 0.5', outlineColor: '000000'}, 'polygon layer');

这个写法里color用的是RGBA的字符串形式，前三个值是红绿蓝，最后是透明度，范围0到1。透明度设置非常重要，尤其是多个面图层叠加时，不设透明度，下层信息全被挡住。点图层的默认样式很简单，建议加点pointSize，视觉上更清晰。

4.2 按属性着色：style函数的进阶玩法

如果你需要按属性值给要素上色，比如按某个连续字段的大小显示不同颜色，直接用Map.addLayer的参数就不够了。GEE提供了两种方案，一种比较老的style()函数，需要在FeatureCollection上调用：

javascript复制var styled = fc.style({
  color: '01000000',           // 填充颜色，这里的8位十六进制实际是ARGB
  pointSize: 8,
  pointShape: 'circle',
  styleProperty: 'value',
  styleValue: 'value'
});
Map.addLayer(styled, {}, 'styled points');

另一种是较新推荐的Map.addLayer的style参数方式。我更推荐把样式设为FeatureCollection的一个属性列，然后在addLayer里指定styleProperty。举例来说，你可以先map一个函数，给每个Feature新增一个"color"字段，写入不同的颜色字符串，然后再用style参数渲染：

javascript复制var fcStyled = fc.map(function(f) {
  var val = ee.Number(f.get('value'));
  var color = val.gt(30) ? 'red' : 'green';
  return f.set('style', {color: color, pointSize: 6});
});
Map.addLayer(fcStyled, {styleProperty: 'style'}, 'styled by value');

这种按属性着色的思路，在展示监测站点污染等级、分类样本点类别等场景中尤其好用。它也符合GEE"把样式作为数据的一部分"的理念，方便将样式信息随FeatureCollection一起导出。不过注意，style属性在导出到外部GIS软件时通常没有意义，建议导出前再select掉。

4.3 数据导出的正确打开方式（toDrive/toAsset）

最后，FeatureCollection的成果需要导出。最常用的是Export.table.toDrive，把矢量数据导出为GeoJSON、CSV或Shapefile（需要指定格式），也可以直接导出为SHP压缩包：

javascript复制Export.table.toDrive({
  collection: fcStyled,
  description: 'export_my_points',
  folder: 'GEE_export',
  fileNamePrefix: 'my_points',
  fileFormat: 'SHP'
});

如果你想把中间结果保存到Assets以便下次快速调用，用Export.table.toAsset：

javascript复制Export.table.toAsset({
  collection: fcStyled,
  description: 'save_to_asset',
  assetId: 'users/你的用户名/my_points'
});

这里有几个要点：description不能有空格和特殊字符，否则任务创建失败；folder是Drive里的文件夹名，如果不存在，GEE会在导出时自动创建；fileFormat支持CSV、GeoJSON、SHP、KML等，导出表格时尽量用GeoJSON或SHP，CSV虽然方便，但会丢掉几何信息。如果你想要Excel能直接打开的表格，导出CSV时可以用zip选项，或者直接导出为CSV后自己再转。

导出任务运行一般需要几分钟到几十分钟，取决于数据量和GEE服务器负载。建议导出前先print或Map查看一下数据是否满足预期，不要等导出完了才发现属性列名错乱。

5. 高频故障与排查：我踩过的那些坑

5.1 筛选结果总是空的元凶：经纬度顺序

我敢打赌，GEE新手最崩溃的瞬间，就是filterBounds返回了空集合，或者画出来的点跑到了完全错误的位置。排查这个问题的第一步，永远是核查你输入的坐标到底是[经度, 纬度]还是[纬度, 经度]。

GEE遵循GeoJSON标准：坐标顺序是[经度, 纬度]，也就是[lon, lat]。国内很多同学习惯先写纬度再写经度，写坐标对时顺手就是[30, 110]，结果点就飞到了海洋或者异常区域。这个问题在代码里非常隐蔽，因为GEE不会报错，打印点坐标时也显示得很正常，只有叠加到底图上才露馅。排查技巧是：把Map.centerObject设为你构造的点，然后看地图中心到底在哪个位置。

如果你的数据来自CSV，尤其要注意上传面板里的经纬度列顺序，它会要求你x列是经度、y列是纬度。有些数据源导出CSV时字段名写的是"lat, lon"，如果你不加辨别就按自然顺序填写，GEE会把纬度当经度用，点全部错位。

5.2 filterDate对字符串日期失效

filterDate看起来简单，但它要求你要过滤的字段真正存储为日期类型，而不是字符串。很多从外部表格导入的FeatureCollection，日期字段默认会被当成字符串，就算你写的是2024-06-01这种标准日期格式，GEE也没法自动识别为日期。这时候直接filterDate('2024-01-01', '2024-12-31')，结果一定是空集合。

解决办法是在数据导入或创建后，先做一个转换：

javascript复制var fcFixed = fc.map(function(f) {
  return f.set('date', ee.Date.parse('yyyy-MM-dd', f.get('date')));
});

这里ee.Date.parse的第一个参数是日期格式，第二个参数是字符串值。转换完成后再filterDate，就正常了。如果日期字符串格式很多样，建议统一处理好再入集合，否则后续每次用都要重复转换。我自己的习惯是，在创建FeatureCollection的第一步就规范字段类型，后续所有操作都建立在一套干净的数据结构上，能省掉无数隐藏bug。

5.3 Map.addLayer卡顿与视图加载慢

FeatureCollection动辄几万几十万个点，直接Map.addLayer，浏览器端很容易卡死。这其实是GEE的前端渲染限制，它不是计算瓶颈，而是客户端渲染瓶颈。应对办法有两个方向：一是数据抽样后再显示，二是用聚合生成密度网格来代替原始点。

抽样显示最简单：

javascript复制Map.addLayer(fc.randomColumn().sort('random').limit(5000), {color: 'red'}, 'sample 5000');

如果要展示所有点的空间分布，建议用reduceToImage或者先用reducer把点聚合到网格上，再用栅格底图方式展示。例如：

javascript复制var density = fc.reduceToImage({
  properties: ['value'],
  reducer: ee.Reducer.mean()
});
Map.addLayer(density, {min: 0, max: 50, palette: ['blue', 'yellow', 'red']}, 'grid mean');

reduceToImage会把矢量点按投影格网聚合生成栅格，既减轻了前端负担，又能可视化大样本的空间格局。这种方式在做人口分布、采样点密度时特别实用，比硬渲染几万个点要舒服得多。

5.4 属性值的null陷阱与类型强制转换

最后一个常见坑，是属性值里的null或类型不统一。比如你在feature1里设置了value为35.6，但feature2的value是字符串"35.6"，那么后面做aggregate_sum、聚合统计或者比较筛选时，结果很可能不符合预期，甚至会直接报错。

GEE对属性类型比较敏感，尤其是数字类型。我的建议是，所有数字字段在进入FeatureCollection之前，统一用ee.Number包一层，比如：

javascript复制var feat = ee.Feature(geometry, {
  value: ee.Number.parse(data_value),
  year: ee.Number(year),
});

在做数值类型强制转换时，常用的是ee.Number.parse()方法，处理字符串转数字非常可靠。另一个方法是在map函数里用ee.Number(f.get('value'))统一转换，这样即使原字段是数字或字符串，都能得到一个数字。对于可能缺失的值，用ee.Filter.notNull(['value'])先过滤掉空记录，再执行聚合，能有效避免null带来的边界问题。

另外，如果你使用distinct或者sort，但字段类型不统一（有的是数字有的是字符串），GEE的排序结果可能完全违背直觉。这时候同样需要先统一类型。别嫌麻烦，字段类型规范在GEE项目里是性价比最高的习惯。

写在首篇之后

这篇内容是基于FeatureCollection最常用、最核心的知识点来展开的。按照我个人的经验，你在实际项目里遇到的大部分矢量处理需求，都能通过上面这些方法组合实现。比如做一个"按行政区统计站点数量"的任务，思路就是：先构造站点点集，然后关联到行政区面集，再按行政区域做分组统计，最后输出表格。这些操作涉及的空间关联（join）、分组统计（reduce）还没有展开讲，我准备在FeatureCollection系列的下篇里专门拆解，尤其是ee.Join的几种用法和group reducer的实战场景。如果你刚接触GEE，先把这篇文章里的创建、筛选、字段处理、导出这些基本功练熟，再往深走会顺畅很多。