إشعار: يجب
إثبات أهلية جميع المشاريع غير التجارية المسجّلة لاستخدام Earth Engine قبل
15 أبريل 2025 من أجل الحفاظ على إمكانية الوصول إلى Earth Engine.
ee.Algorithms.TemporalSegmentation.LandTrendr
تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
رصد المؤشرات في الاضطراب والتعافي استنادًا إلى Landsat: يتم تقسيم سلسلة زمنية من الصور مؤقتًا من خلال استخراج المسارات الطيفية للتغيير بمرور الوقت. يتم استخدام النطاق الأول من كل صورة للعثور على نقاط توقف، ويتم استخدام نقاط التوقف هذه لتنفيذ عملية الملاءمة على جميع النطاقات اللاحقة. يتم عرض نقاط التوقف كمصفوفة ثنائية الأبعاد تتضمّن 4 صفوف وعددًا من الأعمدة يساوي عدد الصور. يمثّل الصفّان الأول والثاني قيمتَي X وY الأصليتَين. يحتوي الصف الثالث على قيم Y التي تمّت ملاءمتها مع المقاطع المقدّرة، ويحتوي الصف الرابع على 1 إذا تمّ استخدام النقطة المقابلة كقمة مقطع أو 0 إذا لم يتمّ استخدامها. تتم إضافة أي نطاقات إضافية مناسبة كصفوف في الناتج. يفترض تركيب نقطة التغيّر أنّ القيم المتزايدة تمثّل اضطرابًا وأنّ القيم المتناقصة تمثّل تحسّنًا.
يُرجى الاطّلاع على: Kennedy, R.E., Yang, Z. and Cohen, W.B., 2010. Detecting trends in forest disturbance and recovery using yearly Landsat time series: 1. LandTrendr - خوارزميات التقسيم الزمني Remote Sensing of Environment, 114(12), pp.2897-2910.
| الاستخدام | المرتجعات |
|---|
ee.Algorithms.TemporalSegmentation.LandTrendr(timeSeries, maxSegments, spikeThreshold, vertexCountOvershoot, preventOneYearRecovery, recoveryThreshold, pvalThreshold, bestModelProportion, minObservationsNeeded) | صورة |
| الوسيطة | النوع | التفاصيل |
|---|
timeSeries | ImageCollection | السلسلة الزمنية السنوية التي سيتم استخراج نقاط التوقف منها. يتم استخدام النطاق الأول للعثور على نقاط التوقف، ويتم ضبط جميع النطاقات اللاحقة باستخدام نقاط التوقف هذه. |
maxSegments | عدد صحيح | الحدّ الأقصى لعدد الأقسام التي سيتمّ ملاءمتها للسلسلة الزمنية |
spikeThreshold | عدد عشري، القيمة التلقائية: 0.9 | حدّ إيقاف الارتفاعات المفاجئة (تشير القيمة 1.0 إلى عدم إيقافها). |
vertexCountOvershoot | عدد صحيح، القيمة التلقائية: 3 | يمكن أن يتجاوز النموذج الأولي عدد الرؤوس maxSegments + 1 بهذا المقدار. لاحقًا، سيتم تقليل عددها إلى maxSegments + 1. |
preventOneYearRecovery | قيمة منطقية، القيمة التلقائية: false | منع الشرائح التي تمثّل عمليات استرداد البيانات لمدة عام واحد |
recoveryThreshold | Float، القيمة التلقائية: 0.25 | إذا كانت إحدى الشرائح تتضمّن معدّل استرداد أسرع من 1/recoveryThreshold (بالسنوات)، سيتم رفض الشريحة. |
pvalThreshold | عدد عشري، القيمة التلقائية: 0.1 | إذا تجاوزت القيمة الاحتمالية للنموذج الملائم هذا الحدّ، يتم تجاهل النموذج الحالي وتطبيق نموذج آخر باستخدام أداة التحسين Levenberg-Marquardt. |
bestModelProportion | التعويم، القيمة التلقائية: 0.75 | يسمح باختيار النماذج التي تحتوي على المزيد من الرؤوس إذا كانت القيمة الاحتمالية لا تزيد عن (2 - bestModelProportion) مرة القيمة الاحتمالية لأفضل نموذج. |
minObservationsNeeded | عدد صحيح، القيمة التلقائية: 6 | الحدّ الأدنى لعدد الملاحظات المطلوبة لتنفيذ عملية مطابقة النتائج |
إنّ محتوى هذه الصفحة مرخّص بموجب ترخيص Creative Commons Attribution 4.0 ما لم يُنصّ على خلاف ذلك، ونماذج الرموز مرخّصة بموجب ترخيص Apache 2.0. للاطّلاع على التفاصيل، يُرجى مراجعة سياسات موقع Google Developers. إنّ Java هي علامة تجارية مسجَّلة لشركة Oracle و/أو شركائها التابعين.
تاريخ التعديل الأخير: 2025-07-26 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2025-07-26 (حسب التوقيت العالمي المتفَّق عليه)"],[[["\u003cp\u003eLandTrendr is a temporal segmentation algorithm designed to detect trends in disturbance and recovery within yearly Landsat time-series data.\u003c/p\u003e\n"],["\u003cp\u003eIt identifies breakpoints in spectral trajectories, using the first band of the image collection for initial detection and then fitting the breakpoints to all other bands.\u003c/p\u003e\n"],["\u003cp\u003eThese breakpoints, representing changes in land cover, are fitted to a model assuming increasing values indicate disturbance and decreasing values signify recovery.\u003c/p\u003e\n"],["\u003cp\u003eThe algorithm offers parameters for controlling spike dampening, segment recovery rates, model selection, and minimum data requirements to fine-tune the analysis.\u003c/p\u003e\n"],["\u003cp\u003eThe output is an image containing the original and fitted values, segment vertices, and optionally fitted values for additional bands.\u003c/p\u003e\n"]]],["The LandTrendr algorithm segments a time-series of images, using the first band to find breakpoints that identify spectral changes. These breakpoints are then applied to fit all other bands. Breakpoints are returned as a matrix, with the original data, fitted values, and segment vertex indicators. Increasing values suggest disturbance, while decreasing values suggest recovery. Users define parameters like maximum segments, spike dampening, and recovery rates to guide the fitting process. The algorithm outputs an image containing the results.\n"],null,["# ee.Algorithms.TemporalSegmentation.LandTrendr\n\nLandsat-based detection of Trends in Disturbance and Recovery: temporally segments a time-series of images by extracting the spectral trajectories of change over time. The first band of each image is used to find breakpoints, and those breakpoints are used to perform fitting on all subsequent bands. The breakpoints are returned as a 2-D matrix of 4 rows and as many columns as images. The first two rows are the original X and Y values. The third row contains the Y values fitted to the estimated segments, and the 4th row contains a 1 if the corresponding point was used as a segment vertex or 0 if not. Any additional fitted bands are appended as rows in the output. Breakpoint fitting assumes that increasing values represent disturbance and decreasing values represent recovery.\n\n\u003cbr /\u003e\n\nSee: Kennedy, R.E., Yang, Z. and Cohen, W.B., 2010. Detecting trends in forest disturbance and recovery using yearly Landsat time series: 1. LandTrendr - Temporal segmentation algorithms. Remote Sensing of Environment, 114(12), pp.2897-2910.\n\n| Usage | Returns |\n|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|---------|\n| `ee.Algorithms.TemporalSegmentation.LandTrendr(timeSeries, maxSegments, `*spikeThreshold* `, `*vertexCountOvershoot* `, `*preventOneYearRecovery* `, `*recoveryThreshold* `, `*pvalThreshold* `, `*bestModelProportion* `, `*minObservationsNeeded*`)` | Image |\n\n| Argument | Type | Details |\n|--------------------------|-------------------------|-------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| `timeSeries` | ImageCollection | Yearly time-series from which to extract breakpoints. The first band is usedto find breakpoints, and all subsequent bands are fitted using those breakpoints. |\n| `maxSegments` | Integer | Maximum number of segments to be fitted on the time series. |\n| `spikeThreshold` | Float, default: 0.9 | Threshold for dampening the spikes (1.0 means no dampening). |\n| `vertexCountOvershoot` | Integer, default: 3 | The initial model can overshoot the maxSegments + 1 vertices by this amount. Later, it will be pruned down to maxSegments + 1. |\n| `preventOneYearRecovery` | Boolean, default: false | Prevent segments that represent one year recoveries. |\n| `recoveryThreshold` | Float, default: 0.25 | If a segment has a recovery rate faster than 1/recoveryThreshold (in years), then the segment is disallowed. |\n| `pvalThreshold` | Float, default: 0.1 | If the p-value of the fitted model exceeds this threshold, then the current model is discarded and another one is fitted using the Levenberg-Marquardt optimizer. |\n| `bestModelProportion` | Float, default: 0.75 | Allows models with more vertices to be chosen if their p-value is no more than (2 - bestModelProportion) times the p-value of the best model. |\n| `minObservationsNeeded` | Integer, default: 6 | Min observations needed to perform output fitting. |"]]
