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.Verdet
تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
تقديرات تجديد الغطاء النباتي واضطرابه بمرور الوقت، خوارزمية رصد التغيّر في الغابات تنتج هذه الخوارزمية صورة مركّبة سنوية للسماء الصافية من صور الأقمار الصناعية، وتحسب مؤشرًا طيفيًا للغطاء النباتي لكل بكسل في تلك الصورة المركّبة، وتقسّم صورة مؤشر الغطاء النباتي مكانيًا إلى رقع، وتقسّم السلسلة الزمنية مؤقتًا إلى مقاطع ذات ميل مختلف، ثم تصنّف تلك المقاطع على أنّها مضطربة أو مستقرة أو متجددة. يتم إجراء التقسيم في كل من الخطوات المكانية والزمنية باستخدام التسوية الكاملة للتغيّر.
يتألف الناتج من صفيف أحادي الأبعاد لكل بكسل يحتوي على ميل خطوط الاتجاه الملائمة. تشير القيم السالبة إلى الاضطراب والقيم الموجبة إلى التجديد.
يُرجى الاطّلاع على: Hughes, M.J., Kaylor, S.D. and Hayes, D.J., 2017. رصد التغيّرات في الغابات استنادًا إلى الرقع من السلاسل الزمنية لبيانات Landsat Forests, 8(5), p.166.
| الاستخدام | المرتجعات |
|---|
ee.Algorithms.TemporalSegmentation.Verdet(timeSeries, tolerance, alpha, nRuns) | صورة |
| الوسيطة | النوع | التفاصيل |
|---|
timeSeries | ImageCollection | المجموعة التي سيتم استخراج نتائج VeRDET منها. من المتوقّع أن تحتوي هذه المجموعة على صورة واحدة لكل عام، ويتم ترتيبها زمنيًا. |
tolerance | Float، القيمة التلقائية: 0.0001 | تفاوت التقارب: |
alpha | Float، القيمة التلقائية: 0.03333333333333333 | معلَمة التسوية للتصنيف |
nRuns | عدد صحيح، القيمة التلقائية: 100 | الحدّ الأقصى لعدد عمليات التشغيل اللازمة لتحقيق التقارب |
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\u003eThe algorithm detects forest change by analyzing yearly satellite imagery and identifying areas of disturbance and regeneration.\u003c/p\u003e\n"],["\u003cp\u003eIt uses a spectral vegetation index and segments the imagery spatially and temporally to track vegetation changes.\u003c/p\u003e\n"],["\u003cp\u003eDisturbance is indicated by negative trend slopes, while regeneration is indicated by positive slopes in the output array.\u003c/p\u003e\n"],["\u003cp\u003eThe algorithm utilizes total variation regularization for both spatial and temporal segmentation to enhance accuracy.\u003c/p\u003e\n"],["\u003cp\u003eUsers can adjust parameters like tolerance, regularization, and maximum runs for customized analysis using the provided function.\u003c/p\u003e\n"]]],[],null,["# ee.Algorithms.TemporalSegmentation.Verdet\n\nVegetation Regeneration and Disturbance Estimates through Time, forest change detection algorithm. This algorithm generates a yearly clear-sky composite from satellite imagery, calculates a spectral vegetation index for each pixel in that composite, spatially segments the vegetation index image into patches, temporally divides the time series into differently sloped segments, and then labels those segments as disturbed, stable, or regenerating. Segmentation at both the spatial and temporal steps are performed using total variation regularization.\n\n\u003cbr /\u003e\n\nThe output consists of a 1D array per pixel containing the slope of fitted trend lines. Negative values indicate disturbance and positive values regeneration.\n\nSee: Hughes, M.J., Kaylor, S.D. and Hayes, D.J., 2017. Patch-based forest change detection from Landsat time series. Forests, 8(5), p.166.\n\n| Usage | Returns |\n|------------------------------------------------------------------------------------------------|---------|\n| `ee.Algorithms.TemporalSegmentation.Verdet(timeSeries, `*tolerance* `, `*alpha* `, `*nRuns*`)` | Image |\n\n| Argument | Type | Details |\n|--------------|-------------------------------------|----------------------------------------------------------------------------------------------------------------------------------|\n| `timeSeries` | ImageCollection | Collection from which to extract VeRDET scores. This collection is expected to contain 1 image for each year, sorted temporally. |\n| `tolerance` | Float, default: 0.0001 | Convergence tolerance. |\n| `alpha` | Float, default: 0.03333333333333333 | Regularization parameter for segmentation. |\n| `nRuns` | Integer, default: 100 | Maximum number of runs for convergence. |"]]
