Pengumuman: Semua project nonkomersial yang terdaftar untuk menggunakan Earth Engine sebelum
15 April 2025 harus
memverifikasi kelayakan nonkomersial untuk mempertahankan akses Earth Engine.
ee.Algorithms.TemporalSegmentation.Verdet
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Estimasi Regenerasi dan Gangguan Vegetasi dari Waktu ke Waktu, algoritma deteksi perubahan hutan. Algoritma ini menghasilkan komposit langit cerah tahunan dari gambar satelit, menghitung indeks vegetasi spektral untuk setiap piksel dalam komposit tersebut, menyegmentasikan gambar indeks vegetasi secara spasial menjadi beberapa bagian, membagi deret waktu secara temporal menjadi beberapa segmen dengan kemiringan yang berbeda, lalu memberi label pada segmen tersebut sebagai terganggu, stabil, atau beregenerasi. Segmentasi pada langkah spasial dan temporal dilakukan menggunakan regularisasi variasi total.
Output terdiri dari array 1D per piksel yang berisi kemiringan garis tren yang sesuai. Nilai negatif menunjukkan gangguan dan nilai positif menunjukkan regenerasi.
Lihat: Hughes, M.J., Kaylor, S.D. dan Hayes, D.J., 2017. Deteksi perubahan hutan berbasis patch dari deret waktu Landsat. Forests, 8(5), hlm.166.
| Penggunaan | Hasil |
|---|
ee.Algorithms.TemporalSegmentation.Verdet(timeSeries, tolerance, alpha, nRuns) | Gambar |
| Argumen | Jenis | Detail |
|---|
timeSeries | ImageCollection | Koleksi yang akan diekstrak skor VeRDET-nya. Koleksi ini diharapkan berisi 1 gambar untuk setiap tahun, yang diurutkan secara temporal. |
tolerance | Float, default: 0,0001 | Toleransi konvergensi. |
alpha | Float, default: 0,03333333333333333 | Parameter regularisasi untuk segmentasi. |
nRuns | Bilangan bulat, default: 100 | Jumlah maksimum proses untuk konvergensi. |
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2025-07-26 UTC.
[null,null,["Terakhir diperbarui pada 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. |"]]
