Объявление : Все некоммерческие проекты, зарегистрированные для использования Earth Engine до
15 апреля 2025 года, должны
подтвердить некоммерческое право на сохранение доступа к Earth Engine.
ee.Algorithms.TemporalSegmentation.Verdet
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Оценка регенерации и нарушения растительности во времени, алгоритм обнаружения изменений в лесном покрове. Этот алгоритм генерирует годовой композитный снимок ясного неба на основе спутниковых снимков, вычисляет спектральный индекс растительности для каждого пикселя композитного снимка, пространственно сегментирует изображение индекса растительности на участки, делит временной ряд на сегменты с разным уклоном и затем маркирует эти сегменты как нарушенные, стабильные или восстанавливающиеся. Сегментация как на пространственном, так и на временном этапе выполняется с использованием регуляризации полной вариации.
Выходные данные представляют собой одномерный массив, содержащий наклон подобранных линий тренда (по пикселям). Отрицательные значения указывают на возмущение, а положительные — на регенерацию.
См.: Хьюз, М.Дж., Кейлор, С.Д. и Хейз, Д.Дж., 2017. Обнаружение изменений в лесах на основе участков леса по временным рядам Landsat. Леса, 8(5), стр. 166.
| Использование | Возврат | ee.Algorithms.TemporalSegmentation.Verdet(timeSeries, tolerance , alpha , nRuns ) | Изображение |
| Аргумент | Тип | Подробности | timeSeries | Коллекция изображений | Коллекция, из которой будут извлечены баллы VeRDET. Ожидается, что эта коллекция будет содержать по одному изображению за каждый год, отсортированному по времени. |
tolerance | Плавающее число, по умолчанию: 0,0001 | Допуск конвергенции. |
alpha | С плавающей точкой, по умолчанию: 0,03333333333333333 | Параметр регуляризации для сегментации. |
nRuns | Целое число, по умолчанию: 100 | Максимальное количество прогонов для сходимости. |
Если не указано иное, контент на этой странице предоставляется по лицензии Creative Commons "С указанием авторства 4.0", а примеры кода – по лицензии Apache 2.0. Подробнее об этом написано в правилах сайта. Java – это зарегистрированный товарный знак корпорации Oracle и ее аффилированных лиц.
Последнее обновление: 2025-07-24 UTC.
[null,null,["Последнее обновление: 2025-07-24 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. |"]]
