ee.Algorithms.TemporalSegmentation.C2c

复合 2 变化 (C2C) 算法的实现。此算法使用分段线性拟合来对时间序列进行分段,并使用最少的分段数来拟合给定最大均方根误差 (RMSE) 内的数据。对于给定的每个频段,算法将返回以下频段:

    changeDate:一个双精度型一维数组,表示每个拟合段的开始日期和结束日期对。日期格式由 dateFormat 实参决定。

    value:一个一维双精度数组,包含 changeDate 处波段的值。

    magnitude:一个双精度型的一维数组,用于提供更改日期之前和之后的值之间的绝对差。第一个幅度始终为 NaN。

    duration:一个双精度浮点数的一维数组,表示更改日期之前的细分时长。第一个时长始终为 NaN。

    rate:一个一维双精度数组,表示更改日期之前的数据变化率。第一个比率始终为 NaN。

    postMagnitude:一个双精度浮点数的一维数组,表示更改日期之后的值与更改日期时的值之间的绝对差值。最后一个 postMagnitude 始终为 NaN。

    postDuration:更改日期之后的细分时长。最后一个 postDuration 始终为 NaN。

    postRate:更改日期之后的数据变化率。最后一个 postRate 始终为 NaN。

    indexRegrwoth:更改日期中的值与五个数据点之后的值之间的差值。

    recoveryIndicator:指数增长率与幅度之比。

    regrowth60:断点与序列值达到干扰前值的 60% 的数据点之间的时间差。

    regrowth60:断点与序列值达到干扰前值的 80% 的数据点之间的时间差。

    regrowth60:断点与序列值达到干扰前值的 100% 的数据点之间的时间差。

有关原始算法的更多详细信息,请参阅:Hermosilla 等人 (2015) dx.doi.org/10.1016/j.rse.2014.11.005。

您可以在 GitHub 上找到算法实现:https://github.com/saveriofrancini/C2C-GEE

致谢:FORWARDS 和 NextGenCarbon。

 引用:Txomin Hermosilla、Michael A. Wulder, Joanne C. White, Nicholas C. Coops、Daniel Coelho、Giovanni Ciatto、Noel Gorelick 和 Saverio Francini。准备中。图像合成、时间序列变化检测和时间指标:在 Google Earth Engine 上实现 Composite2Change (C2C) 算法。 此算法处于预览阶段,可能会发生变化。

用法返回
ee.Algorithms.TemporalSegmentation.C2c(collection, dateFormat, maxError, maxSegments, startYear, endYear, infill, spikesTolerance, includePostMetrics, includeRegrowth, useRelativeRegrowth, negativeMagnitudeOnly)图片
参数类型详细信息
collectionImageCollection要运行 C2C 的图片集合。
dateFormat整数,默认值:0拟合期间要使用的时间表示形式:0 = jDays,1 = 小数年,2 = 以毫秒为单位的 Unix 时间。每个时间段的开始时间、结束时间和中断时间将以这种方式进行编码。
maxError浮点数,默认值:75
maxSegments整数,默认值:6
startYear整数,默认值:1984
endYear整数,默认值:2019
infill布尔值,默认值:true
spikesTolerance浮点数,默认值:0.85
includePostMetrics布尔值,默认值:true
includeRegrowth布尔值,默认值:false
useRelativeRegrowth布尔值,默认值:false
negativeMagnitudeOnly布尔值,默认值:false