ee.Algorithms.TemporalSegmentation.Ewmacd

एक्सपोनेंशियल वेटेज वाले मूविंग एवरेज में बदलाव का पता लगाना. यह एल्गोरिदम, इनपुट डेटा के 'ट्रेनिंग' हिस्से के लिए एक हार्मोनिक मॉडल तैयार करता है. इसके बाद, इसे ओरिजनल नतीजों से घटा देता है. इसके बाद, रेज़िडुअल को शेवर्ट एक्स-बार चार्ट और एक्सपोनेंशियल वेटेज वाले मूविंग ऐवरेज के हिसाब से तय किया जाता है. जब चार्ट, तय की गई कंट्रोल लिमिट से अलग होने का सिग्नल देते हैं, तब गड़बड़ी वाले पिक्सल के बारे में पता चलता है.

 आउटपुट में पांच बैंड वाली इमेज है. इसमें ये बैंड शामिल हैं:

    ewma: यह हर इनपुट इमेज के लिए, EWMA स्कोर का 1D कलेक्शन होता है. नेगेटिव वैल्यू से गड़बड़ी और पॉज़िटिव वैल्यू से सुधार का पता चलता है.

    harmonicCoefficients: यह कैलकुलेट किए गए हार्मोनिक कोएफ़िशिएंट पेयर का 1-डी ऐरे होता है. कोएफ़िशिएंट को [constant, sin0, cos0, sin1, cos1...] के तौर पर क्रम से लगाया जाता है

    rmse: हार्मोनिक रिग्रेशन से मिला RMSE.

    rSquared: हार्मोनिक रिग्रेशन से मिली r-स्क्वेयर्ड वैल्यू.

    residuals: यह हार्मोनिक रिग्रेशन से मिले रेसिडुअल का 1D कलेक्शन होता है.

देखें: ब्रूक्स, ई.बी., विन, आर॰ एच॰, थॉमस, वी॰ए॰, ब्लिन, सी॰ई॰ और कूलस्टन, जे॰डब्ल्यू॰, 2014. सांख्यिकीय क्वालिटी कंट्रोल चार्ट और Landsat डेटा का इस्तेमाल करके, एक साथ कई समय के बदलावों का पता लगाना. IEEE Transactions on Geoscience and Remote Sensing, 52(6), pp.3316-3332.

इस्तेमालरिटर्न
ee.Algorithms.TemporalSegmentation.Ewmacd(timeSeries, vegetationThreshold, trainingStartYear, trainingEndYear, harmonicCount, xBarLimit1, xBarLimit2, lambda, lambdasigs, rounding, persistence)इमेज
आर्ग्यूमेंटटाइपविवरण
timeSeriesImageCollectionवह कलेक्शन जिससे ईडब्ल्यूएमए निकालना है. इस कलेक्शन में हर साल के लिए एक इमेज होनी चाहिए. साथ ही, इन्हें समय के हिसाब से क्रम में लगाया जाना चाहिए.
vegetationThresholdफ़्लोटवनस्पति के लिए थ्रेशोल्ड. इससे कम वैल्यू को वनस्पति नहीं माना जाता.
trainingStartYearपूर्णांकट्रेनिंग पीरियड शुरू होने का साल शामिल है.
trainingEndYearपूर्णांकट्रेनिंग की अवधि खत्म होने का साल (अलग से उपलब्ध).
harmonicCountपूर्णांक, डिफ़ॉल्ट: 2इस्तेमाल किए गए हार्मोनिक फ़ंक्शन पेयर (साइन और कोसाइन) की संख्या.
xBarLimit1फ़्लोट, डिफ़ॉल्ट: 1.5शुरुआती ट्रेनिंग के लिए xBar की सीमा का थ्रेशोल्ड.
xBarLimit2पूर्णांक, डिफ़ॉल्ट: 20xBar सीमा को चलाने के लिए थ्रेशोल्ड.
lambdaफ़्लोट, डिफ़ॉल्ट: 0.3'lambda' ट्यूनिंग पैरामीटर, नए साल के मुकाबले मौजूदा औसत को ज़्यादा अहमियत देता है.
lambdasigsफ़्लोट, डिफ़ॉल्ट: 3ईडब्ल्यूएमए कंट्रोल बाउंड, स्टैंडर्ड डेविएशन की इकाइयों में.
roundingबूलियन, डिफ़ॉल्ट: trueक्या ईडब्ल्यूएमए के लिए राउंडिंग की जानी चाहिए.
persistenceपूर्णांक, डिफ़ॉल्ट: 3बदलाव को ध्यान में रखने के लिए, कम से कम कितनी बार डेटा इकट्ठा किया जाना चाहिए.