ee.Algorithms.TemporalSegmentation.Verdet
Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang
Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
Ước tính về sự tái sinh và xáo trộn của thảm thực vật theo thời gian, thuật toán phát hiện thay đổi của rừng. Thuật toán này tạo ra một hợp tử bầu trời quang đãng hằng năm từ hình ảnh vệ tinh, tính toán chỉ số quang phổ về thảm thực vật cho từng pixel trong hợp tử đó, phân đoạn không gian hình ảnh chỉ số về thảm thực vật thành các mảng, phân chia chuỗi thời gian thành các đoạn có độ dốc khác nhau theo thời gian, rồi gắn nhãn các đoạn đó là bị xáo trộn, ổn định hoặc tái sinh. Phân đoạn ở cả bước không gian và thời gian được thực hiện bằng cách sử dụng phương pháp chính quy hoá tổng biến thiên.
Đầu ra bao gồm một mảng 1D cho mỗi pixel chứa độ dốc của các đường xu hướng được điều chỉnh. Giá trị âm cho biết sự xáo trộn và giá trị dương cho biết sự tái tạo.
Xem: Hughes, M.J., Kaylor, S.D. và Hayes, D.J., 2017. Phát hiện thay đổi về rừng dựa trên các mảng từ chuỗi thời gian Landsat. Forests, 8(5), tr.166.
Cách sử dụng | Giá trị trả về |
---|
ee.Algorithms.TemporalSegmentation.Verdet(timeSeries, tolerance, alpha, nRuns) | Hình ảnh |
Đối số | Loại | Thông tin chi tiết |
---|
timeSeries | ImageCollection | Tập hợp mà từ đó bạn có thể trích xuất điểm VeRDET. Bộ sưu tập này dự kiến sẽ chứa 1 hình ảnh cho mỗi năm, được sắp xếp theo thời gian. |
tolerance | Độ chính xác đơn, mặc định: 0,0001 | Dung sai hội tụ. |
alpha | Độ chính xác đơn, mặc định: 0.03333333333333333 | Tham số điều chuẩn để phân đoạn. |
nRuns | Số nguyên, mặc định: 100 | Số lần chạy tối đa để hội tụ. |
Trừ phi có lưu ý khác, nội dung của trang này được cấp phép theo Giấy phép ghi nhận tác giả 4.0 của Creative Commons và các mẫu mã lập trình được cấp phép theo Giấy phép Apache 2.0. Để biết thông tin chi tiết, vui lòng tham khảo Chính sách trang web của Google Developers. Java là nhãn hiệu đã đăng ký của Oracle và/hoặc các đơn vị liên kết với Oracle.
Cập nhật lần gần đây nhất: 2025-07-26 UTC.
[null,null,["Cập nhật lần gần đây nhất: 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. |"]]