اطلاعیه : همه پروژه‌های غیرتجاری ثبت‌شده برای استفاده از Earth Engine قبل از ۱۵ آوریل ۲۰۲۵ باید واجد شرایط بودن غیرتجاری برای حفظ دسترسی را تأیید کنند . اگر تا 26 سپتامبر 2025 تأیید نکرده باشید، ممکن است دسترسی شما در حالت تعلیق باشد.
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
تشخیص روندهای اختلال و بازیابی مبتنی بر Landsat: به طور موقت یک سری زمانی از تصاویر را با استخراج مسیرهای طیفی تغییر در طول زمان تقسیم می کند. اولین باند هر تصویر برای یافتن نقاط شکست و از آن نقاط شکست برای انجام برازش در تمام باندهای بعدی استفاده می شود. نقاط شکست به عنوان یک ماتریس 2 بعدی از 4 ردیف و به تعداد ستون ها به عنوان تصویر برگردانده می شوند. دو ردیف اول مقادیر X و Y اصلی هستند. سطر سوم حاوی مقادیر Y است که به بخش های تخمین زده شده است، و سطر 4 حاوی 1 است اگر نقطه متناظر به عنوان راس قطعه استفاده شده باشد یا 0 در غیر این صورت. هر نوار نصب شده اضافی به عنوان ردیف در خروجی اضافه می شود. برازش نقطه شکست فرض می‌کند که مقادیر افزایشی نشان دهنده اختلال و مقادیر کاهشی نشان دهنده بازیابی است.
نگاه کنید به: کندی، RE، یانگ، زی و کوهن، WB، 2010. تشخیص روند اختلالات و بازیابی جنگل با استفاده از سری زمانی سالانه Landsat: 1. LandTrendr - الگوریتم های تقسیم بندی زمانی. سنجش از دور محیط زیست، 114(12)، صص2897-2910.
سری های زمانی سالانه که از آن نقاط شکست استخراج می شود. اولین باند برای یافتن نقاط شکست استفاده می شود و تمام باندهای بعدی با استفاده از آن نقاط شکست برازش می شوند.
maxSegments
عدد صحیح
حداکثر تعداد بخش هایی که باید در سری های زمانی نصب شوند.
spikeThreshold
شناور، پیش فرض: 0.9
آستانه برای مرطوب کردن سنبله ها (1.0 به معنای عدم رطوبت است).
vertexCountOvershoot
عدد صحیح، پیش فرض: 3
مدل اولیه می تواند از رئوس maxSegments + 1 تا این مقدار فراتر رود. بعداً به maxSegments + 1 بریده می شود.
preventOneYearRecovery
بولی، پیش فرض: نادرست
جلوگیری از بخش هایی که بازیابی یک ساله را نشان می دهند.
recoveryThreshold
شناور، پیش فرض: 0.25
اگر یک بخش دارای نرخ بازیابی سریعتر از 1/آستانه بازیابی (در سال) باشد، آن بخش غیرمجاز است.
pvalThreshold
شناور، پیش فرض: 0.1
اگر مقدار p مدل برازش شده از این آستانه فراتر رود، مدل فعلی کنار گذاشته می‌شود و مدل دیگری با استفاده از بهینه‌ساز Levenberg-Marquardt برازش می‌شود.
bestModelProportion
شناور، پیش فرض: 0.75
در صورتی که مقدار p آنها بیشتر از (2 - bestModelProportion) برابر مقدار p بهترین مدل نباشد، به مدل هایی با رئوس بیشتر اجازه می دهد تا انتخاب شوند.
تاریخ آخرین بهروزرسانی 2025-07-24 بهوقت ساعت هماهنگ جهانی.
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],["تاریخ آخرین بهروزرسانی 2025-07-24 بهوقت ساعت هماهنگ جهانی."],[],["The LandTrendr algorithm segments a time-series of images, using the first band to find breakpoints that identify spectral changes. These breakpoints are then applied to fit all other bands. Breakpoints are returned as a matrix, with the original data, fitted values, and segment vertex indicators. Increasing values suggest disturbance, while decreasing values suggest recovery. Users define parameters like maximum segments, spike dampening, and recovery rates to guide the fitting process. The algorithm outputs an image containing the results.\n"]]
