Anúncio: todos os projetos não comerciais registrados para usar o Earth Engine antes de
15 de abril de 2025 precisam
verificar a qualificação não comercial para manter o acesso ao Earth Engine.
ee.Algorithms.TemporalSegmentation.Verdet
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Estimativas de regeneração e perturbação da vegetação ao longo do tempo, algoritmo de detecção de mudanças florestais. Esse algoritmo gera um elemento composto anual de céu limpo com imagens de satélite, calcula um índice espectral de vegetação para cada pixel nesse elemento, segmenta espacialmente a imagem do índice de vegetação em manchas, divide temporalmente a série temporal em segmentos com inclinações diferentes e rotula esses segmentos como perturbados, estáveis ou em regeneração. A segmentação nas etapas espacial e temporal é realizada usando a regularização de variação total.
A saída consiste em uma matriz unidimensional por pixel que contém a inclinação das linhas de tendência ajustadas. Valores negativos indicam perturbação, e valores positivos indicam regeneração.
Consulte: Hughes, M.J., Kaylor, S.D. e Hayes, D.J., 2017. Detecção de mudanças florestais com base em patches de séries temporais do Landsat. Forests, 8(5), p.166.
| Uso | Retorna |
|---|
ee.Algorithms.TemporalSegmentation.Verdet(timeSeries, tolerance, alpha, nRuns) | Imagem |
| Argumento | Tipo | Detalhes |
|---|
timeSeries | ImageCollection | Coleção de onde extrair as pontuações do VeRDET. Essa coleção deve conter uma imagem para cada ano, classificadas temporalmente. |
tolerance | Ponto flutuante, padrão: 0,0001 | Tolerância de convergência. |
alpha | Ponto flutuante, padrão: 0,03333333333333333 | Parâmetro de regularização para segmentação. |
nRuns | Número inteiro. Padrão: 100 | Número máximo de execuções para convergência. |
Exceto em caso de indicação contrária, o conteúdo desta página é licenciado de acordo com a Licença de atribuição 4.0 do Creative Commons, e as amostras de código são licenciadas de acordo com a Licença Apache 2.0. Para mais detalhes, consulte as políticas do site do Google Developers. Java é uma marca registrada da Oracle e/ou afiliadas.
Última atualização 2025-07-26 UTC.
[null,null,["Última atualização 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. |"]]
