Earth Engine در حال معرفی سطوح سهمیهبندی غیرتجاری برای محافظت از منابع محاسباتی مشترک و تضمین عملکرد قابل اعتماد برای همه است. همه پروژههای غیرتجاری باید تا ۲۷ آوریل ۲۰۲۶ یک سطح سهمیهبندی را انتخاب کنند یا به طور پیشفرض از سطح Community استفاده خواهند کرد. سهمیهبندی سطوح برای همه پروژهها (صرف نظر از تاریخ انتخاب سطح) در ۲۷ آوریل ۲۰۲۶ اعمال خواهد شد. اطلاعات بیشتر.
ee.Algorithms.TemporalSegmentation.LandTrendr
با مجموعهها، منظم بمانید
ذخیره و طبقهبندی محتوا براساس اولویتهای شما.
تشخیص روندهای اختلال و بازیابی مبتنی بر لندست: با استخراج مسیرهای طیفی تغییر در طول زمان، یک سری زمانی از تصاویر را به صورت زمانی قطعهبندی میکند. اولین باند هر تصویر برای یافتن نقاط شکست استفاده میشود و آن نقاط شکست برای انجام برازش روی تمام باندهای بعدی استفاده میشوند. نقاط شکست به صورت یک ماتریس دو بعدی با ۴ سطر و به تعداد تصاویر، ستون، بازگردانده میشوند. دو سطر اول مقادیر اصلی X و Y هستند. سطر سوم شامل مقادیر Y برازش شده به قطعات تخمینی است و سطر چهارم شامل ۱ است اگر نقطه مربوطه به عنوان رأس قطعه استفاده شده باشد یا ۰ در غیر این صورت. هر باند برازش شده اضافی به عنوان سطر در خروجی اضافه میشود. برازش نقطه شکست فرض میکند که مقادیر افزایشی نشان دهنده اختلال و مقادیر کاهشی نشان دهنده بازیابی هستند.
رجوع کنید به: Kennedy, RE, Yang, Z. and Cohen, WB, 2010. تشخیص روندها در اختلال و بازیابی جنگل با استفاده از سریهای زمانی سالانه لندست: 1. LandTrendr - الگوریتمهای قطعهبندی زمانی. سنجش از دور محیط زیست، 114(12)، صفحات 2897-2910.
سری زمانی سالانه که از آن نقاط شکست استخراج میشود. اولین باند برای یافتن نقاط شکست استفاده میشود و تمام باندهای بعدی با استفاده از آن نقاط شکست برازش میشوند.
maxSegments
عدد صحیح
حداکثر تعداد قطعاتی که باید روی سری زمانی قرار داده شوند.
spikeThreshold
شناور، پیشفرض: ۰.۹
آستانهی میرایی اسپایکها (۱.۰ به معنی عدم میرایی است).
vertexCountOvershoot
عدد صحیح، پیشفرض: ۳
مدل اولیه میتواند از رأسهای maxSegments + 1 به این مقدار فراتر رود. بعداً، به maxSegments + 1 هرس خواهد شد.
preventOneYearRecovery
بولی، پیشفرض: false
از بخشهایی که نشاندهندهی بازیابیهای یک ساله هستند، جلوگیری کنید.
recoveryThreshold
شناور، پیشفرض: ۰.۲۵
اگر نرخ بازیابی یک بخش سریعتر از ۱/آستانه بازیابی (برحسب سال) باشد، آن بخش مجاز نیست.
pvalThreshold
شناور، پیشفرض: ۰.۱
اگر مقدار p مدل برازش داده شده از این آستانه بیشتر شود، مدل فعلی کنار گذاشته میشود و مدل دیگری با استفاده از بهینهساز Levenberg-Marquardt برازش داده میشود.
bestModelProportion
مقدار شناور، پیشفرض: ۰.۷۵
به مدلهایی با تعداد رأس بیشتر اجازه میدهد انتخاب شوند، اگر مقدار p آنها بیشتر از (2 - bestModelProportion) ضربدر مقدار p بهترین مدل نباشد.
تاریخ آخرین بهروزرسانی 2026-04-20 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 2026-04-20 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"]]
