Duyuru:
15 Nisan 2025'ten önce Earth Engine'i kullanmak için kaydedilen tüm ticari olmayan projelerin Earth Engine erişimini sürdürmek için
ticari olmayan uygunluğu doğrulaması gerekir.
ee.Algorithms.TemporalSegmentation.Verdet
Koleksiyonlar ile düzeninizi koruyun
İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.
Orman değişikliği algılama algoritmasıyla zaman içinde bitki örtüsünün yenilenmesi ve bozulması tahminleri. Bu algoritma, uydu görüntülerinden yıllık bir açık hava bileşiği oluşturur, bu bileşikteki her piksel için spektral bitki örtüsü indeksi hesaplar, bitki örtüsü indeksi görüntüsünü uzamsal olarak yamalara ayırır, zaman serisini zamansal olarak farklı eğimli segmentlere böler ve ardından bu segmentleri bozulmuş, kararlı veya yenilenen olarak etiketler. Hem mekansal hem de zamansal adımlarda segmentasyon, toplam varyasyon düzenlileştirme kullanılarak gerçekleştirilir.
Çıkış, her piksel için uyarlanmış trend çizgilerinin eğimini içeren 1 boyutlu bir diziden oluşur. Negatif değerler bozulmayı, pozitif değerler ise yenilenmeyi gösterir.
Bkz: Hughes, M.J., Kaylor, S.D. ve Hayes, D.J., 2017. Landsat zaman serilerinden yama tabanlı orman değişikliği algılama. Forests, 8(5), s.166.
| Kullanım | İadeler |
|---|
ee.Algorithms.TemporalSegmentation.Verdet(timeSeries, tolerance, alpha, nRuns) | Resim |
| Bağımsız Değişken | Tür | Ayrıntılar |
|---|
timeSeries | ImageCollection | VeRDET puanlarının ayıklanacağı koleksiyon. Bu koleksiyonda, her yıl için 1 resim olacak şekilde kronolojik olarak sıralanmış resimler yer alması beklenir. |
tolerance | Kayan nokta, varsayılan: 0,0001 | Yakınsama toleransı. |
alpha | Kayan nokta, varsayılan: 0,03333333333333333 | Segmentasyon için düzenlileştirme parametresi. |
nRuns | Tam sayı, varsayılan: 100 | Yakınsama için maksimum çalıştırma sayısı. |
Aksi belirtilmediği sürece bu sayfanın içeriği Creative Commons Atıf 4.0 Lisansı altında ve kod örnekleri Apache 2.0 Lisansı altında lisanslanmıştır. Ayrıntılı bilgi için Google Developers Site Politikaları'na göz atın. Java, Oracle ve/veya satış ortaklarının tescilli ticari markasıdır.
Son güncelleme tarihi: 2025-07-26 UTC.
[null,null,["Son güncelleme tarihi: 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. |"]]
