خروجی یک تصویر 5 باندی حاوی باندهای زیر است:
ewma: یک آرایه 1 بعدی از امتیاز EWMA برای هر تصویر ورودی. مقادیر منفی نشان دهنده اختلال و مقادیر مثبت نشان دهنده بهبود هستند.
ضرایب هارمونیک: آرایه 1 بعدی از جفت های ضریب هارمونیک محاسبه شده. ضرایب به صورت [ثابت، sin0، cos0، sin1، cos1...] مرتب شده اند.
rmse: RMSE از رگرسیون هارمونیک.
rSquared: مقدار r-squared از رگرسیون هارمونیک.
باقیمانده ها: آرایه 1 بعدی از باقیمانده ها از رگرسیون هارمونیک.
مشاهده کنید: Brooks, EB, Wynne, RH, Thomas, VA, Blinn, CE and Coulston, JW, 2014. تشخیص تغییرات انبوه چند زمانی در پرواز با استفاده از نمودارهای کنترل کیفیت آماری و داده های Landsat. IEEE Transactions on Geoscience and Remote Sensing, 52(6), pp.3316-3332.
| استفاده | برمی گرداند |
|---|---|
ee.Algorithms.TemporalSegmentation.Ewmacd(timeSeries, vegetationThreshold, trainingStartYear, trainingEndYear, harmonicCount , xBarLimit1 , xBarLimit2 , lambda , lambdasigs , rounding , persistence ) | تصویر |
| استدلال | تایپ کنید | جزئیات |
|---|---|---|
timeSeries | ImageCollection | مجموعه ای که از آن می توان EWMA را استخراج کرد. انتظار می رود این مجموعه شامل 1 تصویر برای هر سال باشد و به طور موقت مرتب شود. |
vegetationThreshold | شناور | آستانه پوشش گیاهی مقادیر زیر این غیر پوشش گیاهی در نظر گرفته می شوند. |
trainingStartYear | عدد صحیح | سال شروع دوره آموزشی، فراگیر. |
trainingEndYear | عدد صحیح | پایان سال دوره آموزشی، اختصاصی. |
harmonicCount | عدد صحیح، پیش فرض: 2 | تعداد جفت تابع هارمونیک (سینوس و کسینوس) استفاده شده. |
xBarLimit1 | شناور، پیش فرض: 1.5 | آستانه آموزش اولیه محدودیت xBar. |
xBarLimit2 | عدد صحیح، پیش فرض: 20 | آستانه اجرای محدودیت xBar. |
lambda | شناور، پیش فرض: 0.3 | پارامتر تنظیم "لامبدا" سال جدید را در مقابل میانگین در حال اجرا وزن می کند. |
lambdasigs | شناور، پیش فرض: 3 | مرزهای کنترل EWMA، در واحدهای انحراف استاندارد. |
rounding | بولی، پیش فرض: درست است | آیا باید گرد کردن برای EWMA انجام شود. |
persistence | عدد صحیح، پیش فرض: 3 | حداقل تعداد مشاهدات مورد نیاز برای در نظر گرفتن تغییر. |