ee.Algorithms.TemporalSegmentation.VCT
Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
Vegetation Change Tracker, automatyczna metoda rekonstrukcji historii niedawnych zaburzeń w lasach za pomocą gęstych serii czasowych Landsat.
Dane wyjściowe to tablica 2D na piksel zawierająca 6 wierszy x N lat. Wiersze wyjściowe zawierają: lata wejściowe, maskę pokrycia terenu VCT, wielkość w postaci kompozytu UD, wielkość zakłócenia w paśmie 4, wielkość zakłócenia w NDVI i wielkość zakłócenia w dNBR.
Zobacz: Huang, C., Goward, S.N., Masek, J.G., Thomas, N., Zhu, Z. i Vogelmann, J.E., 2010 r. Automatyczne podejście do rekonstrukcji historii niedawnych zaburzeń w lesie za pomocą gęstych stosów szeregów czasowych Landsat. Remote Sensing of Environment, 114(1), s.183–198.
| Wykorzystanie | Zwroty |
|---|
ee.Algorithms.TemporalSegmentation.VCT(timeSeries, landCover, maxUd, minNdvi, forThrMax, nYears) | Obraz |
| Argument | Typ | Szczegóły |
|---|
timeSeries | ImageCollection | Kolekcja, z której mają być wyodrębniane zakłócenia VCT, zawierająca pasma: B3, B4, B5, B7, termiczne, NDVI, DNBR i COMP. Oczekuje się, że kolekcja będzie zawierać 1 obraz na każdy rok, posortowany według czasu. |
landCover | ImageCollection | Kolekcja, z której mają zostać wyodrębnione maski VCT. Ta kolekcja powinna zawierać 1 obraz dla każdego obrazu w ciągu czasowym, posortowanego według czasu. |
maxUd | Liczba zmiennoprzecinkowa, domyślnie: 4 | Maksymalna złożona wartość wyniku z dla wykrywania lasu. |
minNdvi | Liczba zmiennoprzecinkowa, domyślnie: 0,45 | Minimalna wartość NDVI dla lasu. |
forThrMax | Liczba zmiennoprzecinkowa, domyślnie: 3 | Maksymalny próg dla lasu. |
nYears | Liczba całkowita, domyślnie: 30 | Maksymalna liczba lat. |
O ile nie stwierdzono inaczej, treść tej strony jest objęta licencją Creative Commons – uznanie autorstwa 4.0, a fragmenty kodu są dostępne na licencji Apache 2.0. Szczegółowe informacje na ten temat zawierają zasady dotyczące witryny Google Developers. Java jest zastrzeżonym znakiem towarowym firmy Oracle i jej podmiotów stowarzyszonych.
Ostatnia aktualizacja: 2025-07-26 UTC.
[null,null,["Ostatnia aktualizacja: 2025-07-26 UTC."],[[["\u003cp\u003eThe Vegetation Change Tracker (VCT) automatically reconstructs forest disturbance history using dense Landsat time series stacks.\u003c/p\u003e\n"],["\u003cp\u003eVCT identifies disturbances by analyzing changes in spectral indices like NDVI, dNBR, and UD composite over time.\u003c/p\u003e\n"],["\u003cp\u003eThe output provides a per-pixel disturbance magnitude for each year within the analyzed Landsat time series.\u003c/p\u003e\n"],["\u003cp\u003eUsers can customize parameters like maximum UD composite value and minimum NDVI for forest detection.\u003c/p\u003e\n"],["\u003cp\u003eVCT requires input Landsat time series collections with specific bands, including B3, B4, B5, B7, thermal, NDVI, DNBR, and COMP.\u003c/p\u003e\n"]]],["Vegetation Change Tracker (VCT) reconstructs forest disturbance history using Landsat time series. It requires yearly image collections of `timeSeries` (containing specific bands) and `landCover` to produce a per-pixel 2D array. This array contains information for each year, including the VCT landcover mask, and the magnitude of disturbances based on UD composite, B4, NDVI, and dNBR. VCT's function can be customized by using arguments like `maxUd`, `minNdvi`, `forThrMax`, and `nYears`.\n"],null,["# ee.Algorithms.TemporalSegmentation.VCT\n\nVegetation Change Tracker, an automated approach for reconstructing recent forest disturbance history using dense Landsat time series stacks.\n\n\u003cbr /\u003e\n\nThe output is a 2D array per pixel containing 6 rows x N years. The output rows contain: input years, VCT landcover mask, magnitude in term of the UD composite, magnitude of distubance in B4, magnitude of distubance in NDVI, magnitude of distubance in dNBR.\n\nSee: Huang, C., Goward, S.N., Masek, J.G., Thomas, N., Zhu, Z. and Vogelmann, J.E., 2010. An automated approach for reconstructing recent forest disturbance history using dense Landsat time series stacks. Remote Sensing of Environment, 114(1), pp.183-198.\n\n| Usage | Returns |\n|-----------------------------------------------------------------------------------------------------------------------|---------|\n| `ee.Algorithms.TemporalSegmentation.VCT(timeSeries, landCover, `*maxUd* `, `*minNdvi* `, `*forThrMax* `, `*nYears*`)` | Image |\n\n| Argument | Type | Details |\n|--------------|----------------------|-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| `timeSeries` | ImageCollection | Collection from which to extract VCT disturbances, containing the bands: B3, B4, B5, B7, thermal, NDVI, DNBR, and COMP. This collection is expected to contain 1 image for each year, sorted by time. |\n| `landCover` | ImageCollection | Collection from which to extract VCT masks. This collection is expected to contain 1 image for each image in the timeSeries, sorted by time. |\n| `maxUd` | Float, default: 4 | Maximum Z-score composite value for detecting forest. |\n| `minNdvi` | Float, default: 0.45 | Minimum NDVI value for forest. |\n| `forThrMax` | Float, default: 3 | Maximum threshold for forest. |\n| `nYears` | Integer, default: 30 | Maximum number of years. |"]]
