ee.Algorithms.TemporalSegmentation.LandTrendr
קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
זיהוי מגמות של הפרעות והתאוששות על סמך נתונים מ-Landsat: פילוח זמני של סדרת תמונות על ידי חילוץ של מסלולי השינוי הספקטרליים לאורך זמן. הפס הראשון של כל תמונה משמש למציאת נקודות שבירה, והנקודות האלה משמשות לביצוע התאמה בכל הפסים הבאים. נקודות עצירה מוחזרות כמטריצה דו-ממדית עם 4 שורות ומספר העמודות כמספר התמונות. שתי השורות הראשונות הן הערכים המקוריים של X ו-Y. השורה השלישית מכילה את ערכי Y שהותאמו לפלחים המשוערים, והשורה הרביעית מכילה 1 אם הנקודה המתאימה שימשה כקודקוד של פלח, או 0 אם לא. כל רצועה נוספת שמתאימה לשימוש מופיעה כשורות נוספות בפלט. התאמה לנקודת שבירה מניחה שערכים עולים מייצגים הפרעה וערכים יורדים מייצגים התאוששות.
ראו: Kennedy, R.E., Yang, Z. and Cohen, W.B., 2010. זיהוי מגמות בהפרעות ביערות ובהתאוששות שלהם באמצעות סדרות זמן שנתיות של Landsat: 1. LandTrendr – אלגוריתמים של פילוח זמני. Remote Sensing of Environment, 114(12), pp.2897-2910.
| שימוש | החזרות |
|---|
ee.Algorithms.TemporalSegmentation.LandTrendr(timeSeries, maxSegments, spikeThreshold, vertexCountOvershoot, preventOneYearRecovery, recoveryThreshold, pvalThreshold, bestModelProportion, minObservationsNeeded) | תמונה |
| ארגומנט | סוג | פרטים |
|---|
timeSeries | ImageCollection | סדרת הזמן השנתית שממנה יש לחלץ נקודות שבירה. הרצועה הראשונה משמשת לאיתור נקודות עצירה, וכל הרצועות הבאות מותאמות באמצעות נקודות העצירה האלה. |
maxSegments | מספר שלם | מספר הפלחים המקסימלי שיוצגו בסדרת הזמן. |
spikeThreshold | מספר ממשי (float), ברירת מחדל: 0.9 | סף לריכוך נקודות השיא (1.0 פירושו ללא ריכוך). |
vertexCountOvershoot | מספר שלם, ברירת מחדל: 3 | המודל הראשוני יכול לחרוג ממספר הקודקודים המקסימלי (maxSegments + 1) בסכום הזה. בהמשך, הוא יקוצץ ל-maxSegments + 1. |
preventOneYearRecovery | בוליאני, ברירת מחדל: false | למנוע פלחים שמייצגים נתונים של שנה אחת. |
recoveryThreshold | מספר ממשי (float), ברירת המחדל: 0.25 | אם שיעור ההתאוששות של פלח מסוים מהיר יותר מ-1 חלקי recoveryThreshold (בשנים), הפלח הזה לא מותר. |
pvalThreshold | מספר ממשי (float), ברירת מחדל: 0.1 | אם ערך ה-p של המודל המותאם גבוה מהסף הזה, המודל הנוכחי נפסל ומותאם מודל אחר באמצעות אופטימיזציית Levenberg-Marquardt. |
bestModelProportion | מספר ממשי, ברירת מחדל: 0.75 | מאפשר לבחור מודלים עם יותר קודקודים אם ערך ה-p שלהם הוא לכל היותר (2 – bestModelProportion) פעמים ערך ה-p של המודל הטוב ביותר. |
minObservationsNeeded | מספר שלם, ברירת מחדל: 6 | מספר התצפיות המינימלי שנדרש כדי לבצע התאמה של הפלט. |
אלא אם צוין אחרת, התוכן של דף זה הוא ברישיון Creative Commons Attribution 4.0 ודוגמאות הקוד הן ברישיון Apache 2.0. לפרטים, ניתן לעיין במדיניות האתר Google Developers. Java הוא סימן מסחרי רשום של חברת Oracle ו/או של השותפים העצמאיים שלה.
עדכון אחרון: 2025-07-26 (שעון UTC).
[null,null,["עדכון אחרון: 2025-07-26 (שעון UTC)."],[[["\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. |"]]
