ee.Algorithms.TemporalSegmentation.Verdet

تخمین بازسازی پوشش گیاهی و اختلال در طول زمان، الگوریتم تشخیص تغییرات جنگل. این الگوریتم یک ترکیب سالانه آسمان صاف از تصاویر ماهواره‌ای ایجاد می‌کند، شاخص پوشش گیاهی طیفی را برای هر پیکسل در آن ترکیب محاسبه می‌کند، تصویر شاخص پوشش گیاهی را به صورت مکانی به تکه‌هایی تقسیم می‌کند، سری زمانی را به بخش‌هایی با شیب متفاوت تقسیم می‌کند و سپس آن بخش‌ها را به عنوان آشفته، پایدار یا در حال بازسازی برچسب‌گذاری می‌کند. تقسیم‌بندی در هر دو مرحله مکانی و زمانی با استفاده از منظم‌سازی تغییرات کلی انجام می‌شود.

خروجی شامل یک آرایه یک بعدی در هر پیکسل است که شامل شیب خطوط روند برازش شده می‌باشد. مقادیر منفی نشان‌دهنده اختلال و مقادیر مثبت نشان‌دهنده بازسازی هستند.

رجوع کنید به: هیوز، ام‌جی، کیلر، اس‌دی و هیز، دی‌جی، 2017. تشخیص تغییرات جنگل مبتنی بر لکه از سری‌های زمانی لندست. جنگل‌ها، 8(5)، صفحه 166.

کاربرد	بازگشت‌ها
ee.Algorithms.TemporalSegmentation.Verdet(timeSeries, tolerance , alpha , nRuns )	تصویر

استدلال	نوع	جزئیات
timeSeries	مجموعه تصاویر	مجموعه‌ای که از آن می‌توان نمرات VerDET را استخراج کرد. انتظار می‌رود این مجموعه شامل ۱ تصویر برای هر سال باشد که به صورت زمانی مرتب شده‌اند.
tolerance	مقدار شناور، پیش‌فرض: ۰.۰۰۰۱	تحمل همگرایی.
alpha	مقدار شناور، پیش‌فرض: 0.0333333333333333	پارامتر منظم‌سازی برای قطعه‌بندی.
nRuns	عدد صحیح، پیش‌فرض: ۱۰۰	حداکثر تعداد اجرا برای همگرایی.