Annuncio: tutti i progetti non commerciali registrati per l'utilizzo di Earth Engine prima del
15 aprile 2025 devono
verificare l'idoneità non commerciale per mantenere l'accesso a Earth Engine.
ee.Algorithms.TemporalSegmentation.Verdet
Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Algoritmo di rilevamento dei cambiamenti forestali e stime della rigenerazione e dei disturbi della vegetazione nel tempo. Questo algoritmo genera un composito annuale di cielo sereno dalle immagini satellitari, calcola un indice spettrale di vegetazione per ogni pixel del composito, segmenta spazialmente l'immagine dell'indice di vegetazione in patch, divide temporalmente la serie temporale in segmenti con pendenze diverse e poi etichetta questi segmenti come disturbati, stabili o in rigenerazione. La segmentazione sia nei passaggi spaziali che temporali viene eseguita utilizzando la regolarizzazione della variazione totale.
L'output è costituito da un array 1D per pixel contenente la pendenza delle linee di tendenza adattate. I valori negativi indicano disturbo e quelli positivi rigenerazione.
Vedi: Hughes, M.J., Kaylor, S.D. e Hayes, D.J., 2017. Rilevamento del cambiamento forestale basato su patch dalle serie temporali di Landsat. Forests, 8(5), p.166.
| Utilizzo | Resi |
|---|
ee.Algorithms.TemporalSegmentation.Verdet(timeSeries, tolerance, alpha, nRuns) | Immagine |
| Argomento | Tipo | Dettagli |
|---|
timeSeries | ImageCollection | Raccolta da cui estrarre i punteggi VeRDET. Questa raccolta dovrebbe contenere un'immagine per ogni anno, ordinate in base al tempo. |
tolerance | Float, valore predefinito: 0,0001 | Tolleranza di convergenza. |
alpha | Float, valore predefinito: 0,03333333333333333 | Parametro di regolarizzazione per la segmentazione. |
nRuns | Numero intero, valore predefinito: 100 | Numero massimo di esecuzioni per la convergenza. |
Salvo quando diversamente specificato, i contenuti di questa pagina sono concessi in base alla licenza Creative Commons Attribution 4.0, mentre gli esempi di codice sono concessi in base alla licenza Apache 2.0. Per ulteriori dettagli, consulta le norme del sito di Google Developers. Java è un marchio registrato di Oracle e/o delle sue consociate.
Ultimo aggiornamento 2025-07-26 UTC.
[null,null,["Ultimo aggiornamento 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. |"]]
