ee.Algorithms.TemporalSegmentation.Verdet
קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
הערכות של התחדשות הצמחייה והפרעות לאורך זמן, אלגוריתם לזיהוי שינויים ביערות. האלגוריתם הזה יוצר קומפוזיציה שנתית של שמיים בהירים מתמונות לוויין, מחשב מדד ספקטרלי של צמחייה לכל פיקסל בקומפוזיציה הזו, מפלח את תמונת מדד הצמחייה למקטעים לפי מיקום, מחלק את סדרת הזמן למקטעים עם שיפועים שונים, ואז מסמן את המקטעים האלה כהפרעה, יציבות או התחדשות. פילוח בשלבים המרחביים והזמניים מתבצע באמצעות רגולריזציה של שונות כוללת.
הפלט מורכב ממערך חד-ממדי לכל פיקסל שמכיל את השיפוע של קווי המגמה המותאמים. ערכים שליליים מציינים הפרעה וערכים חיוביים מציינים התחדשות.
ראו: Hughes, M.J., Kaylor, S.D. and Hayes, D.J., 2017. זיהוי שינויים ביערות על סמך תיקונים מסדרות זמן של Landsat. Forests, 8(5), עמוד 166.
| שימוש | החזרות |
|---|
ee.Algorithms.TemporalSegmentation.Verdet(timeSeries, tolerance, alpha, nRuns) | תמונה |
| ארגומנט | סוג | פרטים |
|---|
timeSeries | ImageCollection | אוסף שממנו יש לחלץ ציוני VeRDET. האוסף הזה צפוי להכיל תמונה אחת לכל שנה, ממוינות לפי זמן. |
tolerance | מספר ממשי (float), ברירת מחדל: 0.0001 | סבילות להתכנסות. |
alpha | מספר צף, ברירת מחדל: 0.03333333333333333 | פרמטר רגולריזציה לפילוח. |
nRuns | מספר שלם, ברירת מחדל: 100 | מספר ההרצות המקסימלי להתכנסות. |
אלא אם צוין אחרת, התוכן של דף זה הוא ברישיון Creative Commons Attribution 4.0 ודוגמאות הקוד הן ברישיון Apache 2.0. לפרטים, ניתן לעיין במדיניות האתר Google Developers. Java הוא סימן מסחרי רשום של חברת Oracle ו/או של השותפים העצמאיים שלה.
עדכון אחרון: 2025-07-26 (שעון UTC).
[null,null,["עדכון אחרון: 2025-07-26 (שעון 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. |"]]
