ee.Algorithms.TemporalSegmentation.Verdet

تخمین بازسازی و اختلال پوشش گیاهی از طریق زمان، الگوریتم تشخیص تغییر جنگل. این الگوریتم سالانه یک ترکیب آسمان صاف را از تصاویر ماهواره‌ای تولید می‌کند، یک شاخص پوشش گیاهی طیفی را برای هر پیکسل در آن ترکیب محاسبه می‌کند، تصویر شاخص پوشش گیاهی را به صورت مکانی تقسیم می‌کند، سری‌های زمانی را به بخش‌هایی با شیب متفاوت تقسیم می‌کند و سپس آن بخش‌ها را به‌عنوان مختل‌شده، ثابت‌کننده یا ثابت‌کننده مجدد برچسب‌گذاری می‌کند. تقسیم بندی در هر دو مرحله مکانی و زمانی با استفاده از تنظیم تغییرات کلی انجام می شود.

خروجی شامل یک آرایه 1 بعدی در هر پیکسل است که شامل شیب خطوط روند متناسب است. مقادیر منفی نشان دهنده اختلال و مقادیر مثبت بازسازی است.

ببینید: Hughes, MJ, Kaylor, SD and Hayes, DJ, 2017. تشخیص تغییر جنگل مبتنی بر پچ از سری زمانی Landsat. جنگل ها، 8(5)، ص166.

استفاده	برمی گرداند
ee.Algorithms.TemporalSegmentation.Verdet(timeSeries, tolerance , alpha , nRuns )	تصویر

استدلال	تایپ کنید	جزئیات
timeSeries	ImageCollection	مجموعه ای که از آن نمرات VerDET استخراج می شود. انتظار می رود این مجموعه شامل 1 تصویر برای هر سال باشد که به صورت زمانی مرتب شده است.
tolerance	شناور، پیش فرض: 0.0001	تحمل همگرایی
alpha	شناور، پیش فرض: 0.03333333333333333	پارامتر منظم سازی برای تقسیم بندی
nRuns	عدد صحیح، پیش فرض: 100	حداکثر تعداد اجراها برای همگرایی.