ee.Algorithms.TemporalSegmentation.Verdet
Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
Szacowanie regeneracji i zaburzeń wegetacji w czasie za pomocą algorytmu wykrywania zmian w lasach. Ten algorytm generuje roczny kompozyt nieba bez chmur na podstawie zdjęć satelitarnych, oblicza spektralny wskaźnik wegetacji dla każdego piksela w tym kompozycie, dzieli przestrzennie obraz wskaźnika wegetacji na obszary, dzieli czasowo ciąg czasowy na segmenty o różnym nachyleniu, a następnie oznacza te segmenty jako zaburzone, stabilne lub regenerujące się. Segmentacja na etapach przestrzennych i czasowych jest przeprowadzana przy użyciu regularyzacji całkowitej zmienności.
Dane wyjściowe składają się z jednowymiarowej tablicy na piksel zawierającej nachylenie dopasowanych linii trendu. Wartości ujemne wskazują zaburzenia, a wartości dodatnie – regenerację.
Zobacz: Hughes, M.J., Kaylor, S.D. i Hayes, D.J., 2017. Wykrywanie zmian w lesie na podstawie serii czasowych Landsat. Forests, 8(5), s.166.
| Wykorzystanie | Zwroty |
|---|
ee.Algorithms.TemporalSegmentation.Verdet(timeSeries, tolerance, alpha, nRuns) | Obraz |
| Argument | Typ | Szczegóły |
|---|
timeSeries | ImageCollection | Kolekcja, z której mają zostać wyodrębnione wyniki VeRDET. Ta kolekcja powinna zawierać 1 obraz na każdy rok, posortowany chronologicznie. |
tolerance | Liczba zmiennoprzecinkowa, domyślnie: 0,0001 | Tolerancja zbieżności. |
alpha | Liczba zmiennoprzecinkowa, domyślnie: 0,03333333333333333 | Parametr regularyzacji na potrzeby segmentacji. |
nRuns | Liczba całkowita, domyślnie: 100 | Maksymalna liczba uruchomień do osiągnięcia zbieżności. |
O ile nie stwierdzono inaczej, treść tej strony jest objęta licencją Creative Commons – uznanie autorstwa 4.0, a fragmenty kodu są dostępne na licencji Apache 2.0. Szczegółowe informacje na ten temat zawierają zasady dotyczące witryny Google Developers. Java jest zastrzeżonym znakiem towarowym firmy Oracle i jej podmiotów stowarzyszonych.
Ostatnia aktualizacja: 2025-07-26 UTC.
[null,null,["Ostatnia aktualizacja: 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. |"]]
