تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
تشغيل ميزة رصد نقاط التوقّف، على غرار دالة strucchange::breakpoints في R
يتم احتواء كل بكسل من خلال نموذج توافقي/خطي متقطع، بالشكل
Y = A + B * t + C * cos(2 * pi * season(t)) + D * sin(2 * pi * season(t)) + E * cos(4 * pi * season(t)) + F * sin(4 * pi * season(t)) + ...
في هذه المعادلة، يمثّل "t" وقت بدء الصورة بالتنسيق المحدّد بواسطة "dateFormat"، ويمثّل "season(t)" الجزء الكسري من السنة لوقت البدء هذا (راجِع وصف dateFormat للحصول على التفاصيل). يتم تحديد الحد الأقصى لترتيب الحدود التوافقية من خلال 'seasonalModelOrder'.
النتيجة هي صورة تحتوي على فرقتَين، بالإضافة إلى فرقتَين لكل فرقة في الإدخال:
tStart وtEnd: يحتوي كل منهما على مصفوفة أحادية الأبعاد، مع إدخال واحد لكل جزء في النموذج الخطي المتواصل، ويحتوي كل إدخال على وقت بدء الصور الأولى أو الأخيرة في هذا الجزء. تكون القيم هنا تلقائيًا بالسنوات الجزئية، وذلك لتسهيل استخدامها مع المعاملات.
coefs_BANDNAME: سيكون هناك نطاق إخراج واحد لكل نطاق إدخال. يحتوي كلّ منها على مصفوفة ثنائية الأبعاد، مع صف واحد لكلّ شريحة. القيم في هذا الصف هي معاملات المطابقة الخطية لهذه الشريحة، أي قيم A وB وC وما إلى ذلك لهذه الشريحة. كما هو موضّح أعلاه، تتأثّر القيم هنا بـ "dateFormat"
.rmse_BANDNAME: سيكون هناك نطاق إخراج واحد لكل نطاق إدخال. يحتوي هذا الحقل على مصفوفة أحادية البُعد، مع إدخال واحد لكل جزء. قيمة كل شريحة هي الجذر التربيعي لمتوسط مربعات الخطأ (RMSE) لمتبقيات الملاءمة الخطية لهذه الشريحة.
اسم النطاق المستخدَم لرصد نقاط التوقف اختياري فقط إذا كانت الصور تحتوي على نطاق واحد فقط.
seasonalModelOrder
عدد صحيح، القيمة التلقائية: 3
تمثّل هذه السمة ترتيب النموذج الموسمي التوافقي.
minSpacing
التعويم، القيمة التلقائية: 0.15
الحدّ الأدنى للمسافة بين نقاط التوقّف إذا كان هذا الرقم بين 0 و1 (باستثناء هذين الرقمين)، سيتم تفسيره على أنّه جزء من عدد الصور في المجموعة. بخلاف ذلك، سيتم تفسيرها على أنّها عدد من العيّنات.
maxBreaks
عدد صحيح، القيمة التلقائية: 0
تمثّل هذه السمة الحد الأقصى لعدد نقاط التوقّف.
dateFormat
عدد صحيح، القيمة التلقائية: 1
تمثيل الوقت الذي سيتم استخدامه في النتائج: 1 = سنوات كسرية، 2 = التوقيت بتنسيق Unix بالملّي ثانية يؤثّر ذلك في القيم ضمن النطاقَين tStart وtEnd وقيم "t" المستخدَمة في النموذج التوافقي. يتم تعريف السنوات الجزئية المستخدَمة هنا وفي هذا النموذج على أنّها العدد الجزئي للسنوات التي تبلغ 365.25 يومًا منذ 1 يناير 1970.
تاريخ التعديل الأخير: 2025-07-26 (حسب التوقيت العالمي المتفَّق عليه)
[[["يسهُل فهم المحتوى.","easyToUnderstand","thumb-up"],["ساعَدني المحتوى في حلّ مشكلتي.","solvedMyProblem","thumb-up"],["غير ذلك","otherUp","thumb-up"]],[["لا يحتوي على المعلومات التي أحتاج إليها.","missingTheInformationINeed","thumb-down"],["الخطوات معقدة للغاية / كثيرة جدًا.","tooComplicatedTooManySteps","thumb-down"],["المحتوى قديم.","outOfDate","thumb-down"],["ثمة مشكلة في الترجمة.","translationIssue","thumb-down"],["مشكلة في العيّنات / التعليمات البرمجية","samplesCodeIssue","thumb-down"],["غير ذلك","otherDown","thumb-down"]],["تاريخ التعديل الأخير: 2025-07-26 (حسب التوقيت العالمي المتفَّق عليه)"],[[["Detects breakpoints in an image collection using a piecewise linear/harmonic model, similar to R's `strucchange::breakpoints` function."],["Outputs an image with bands indicating breakpoint start/end times, model coefficients for each segment, and RMSE for each segment's fit."],["Allows customization of the harmonic model's order, minimum breakpoint spacing, maximum number of breakpoints, and time representation format."],["Uses a model that incorporates a linear trend and seasonal harmonics to fit pixel values over time."],["The algorithm identifies the optimal breakpoints by minimizing the residual error of the piecewise model."]]],["The function `StructuralChangeBreakpoints` detects breakpoints in an image collection, fitting each pixel with a piecewise linear/harmonic model. Input parameters include `collection`, `breakpointBand`, `seasonalModelOrder`, `minSpacing`, `maxBreaks`, and `dateFormat`. The output image contains `tStart` and `tEnd` bands, which hold segment start and end times. Additionally, there are `coefs_BANDNAME` bands, that contain linear fit coefficients and `rmse_BANDNAME` bands with the root-mean-square error for each segment.\n"]]