ee.Algorithms.TemporalSegmentation.Verdet
Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Estimations de la régénération et des perturbations de la végétation au fil du temps, algorithme de détection des changements forestiers. Cet algorithme génère un composite annuel de ciel clair à partir d'images satellite, calcule un indice spectral de végétation pour chaque pixel de ce composite, segmente spatialement l'image de l'indice de végétation en zones, divise temporellement la série temporelle en segments de pente différente, puis étiquette ces segments comme perturbés, stables ou en régénération. La segmentation spatiale et temporelle est effectuée à l'aide d'une régularisation de la variation totale.
La sortie se compose d'un tableau à une dimension par pixel contenant la pente des lignes de tendance ajustées. Les valeurs négatives indiquent une perturbation et les valeurs positives une régénération.
Voir Hughes, M.J., Kaylor, S.D. et Hayes, D.J., 2017. Détection des changements forestiers basée sur les patchs à partir des séries temporelles Landsat. Forests, 8(5), p.166.
| Utilisation | Renvoie |
|---|
ee.Algorithms.TemporalSegmentation.Verdet(timeSeries, tolerance, alpha, nRuns) | Image |
| Argument | Type | Détails |
|---|
timeSeries | ImageCollection | Collection à partir de laquelle extraire les scores VeRDET. Cette collection doit contenir une image pour chaque année, triée de manière chronologique. |
tolerance | Flottant, valeur par défaut : 0,0001 | Tolérance de convergence. |
alpha | Float, valeur par défaut : 0.03333333333333333 | Paramètre de régularisation pour la segmentation. |
nRuns | Entier, valeur par défaut : 100 | Nombre maximal d'exécutions pour la convergence. |
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/07/26 (UTC).
[null,null,["Dernière mise à jour le 2025/07/26 (UTC)."],[[["\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. |"]]
