ee.Algorithms.TemporalSegmentation.Ccdc
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Implementiert den temporalen Haltepunktalgorithmus „Continuous Change Detection and Classification“ (Kontinuierliche Änderungserkennung und ‑klassifizierung). Mit diesem Algorithmus werden temporale Haltepunkte in einer Bildsammlung gefunden, indem harmonische Funktionen iterativ an die Daten angepasst werden. Für alle Eingabebänder werden Anpassungskoeffizienten erstellt. Die Bänder, die für die Breakpoint-Erkennung verwendet werden, können mit dem Argument „breakpointBands“ angegeben werden.
Weitere Informationen finden Sie unter Zhu, Z. und Woodcock, C.E., 2014. Kontinuierliche Änderungserkennung und Klassifizierung der Bodenbedeckung mit allen verfügbaren Landsat-Daten. Remote Sensing of Environment, 144, S.152–171.
Nutzung | Ausgabe |
---|
ee.Algorithms.TemporalSegmentation.Ccdc(collection, breakpointBands, tmaskBands, minObservations, chiSquareProbability, minNumOfYearsScaler, dateFormat, lambda, maxIterations) | Bild |
Argument | Typ | Details |
---|
collection | ImageCollection | Sammlung von Bildern, auf denen CCDC ausgeführt werden soll. |
breakpointBands | Liste, Standard: null | Der Name oder Index der Bänder, die für die Änderungserkennung verwendet werden sollen. Wenn nichts angegeben ist, werden alle Bänder verwendet. |
tmaskBands | Liste, Standard: null | Der Name oder Index der Bänder, die für die iterative TMask-Wolken-Erkennung verwendet werden sollen. In der Regel sind das das grüne Band und das SWIR1-Band. Wenn nichts angegeben ist, wird „TMask“ nicht verwendet. Falls angegeben, müssen „tmaskBands“ in „breakpointBands“ enthalten sein. |
minObservations | Ganzzahl, Standard: 6 | Die Anzahl der Beobachtungen, die erforderlich sind, um eine Änderung zu kennzeichnen. |
chiSquareProbability | Gleitkommazahl, Standardwert: 0,99 | Der Chi-Quadrat-Wahrscheinlichkeitsschwellenwert für die Änderungserkennung im Bereich [0, 1]. |
minNumOfYearsScaler | Gleitkommazahl, Standardwert: 1,33 | Faktoren für die Mindestanzahl von Jahren, nach denen eine neue Anpassung angewendet werden soll. |
dateFormat | Ganzzahl, Standardwert: 0 | Die Zeitdarstellung, die während der Anpassung verwendet werden soll: 0 = jDays, 1 = Bruchteile von Jahren, 2 = Unix-Zeit in Millisekunden. Die Start-, End- und Pausenzeiten für jedes Zeitsegment werden auf diese Weise codiert. |
lambda | Gleitkommazahl, Standard: 20 | Lambda für die Anpassung der LASSO-Regression. Wenn dieser Wert auf 0 gesetzt ist, wird anstelle von LASSO die reguläre OLS verwendet. |
maxIterations | Ganzzahl, Standard: 25.000 | Maximale Anzahl von Läufen für die Konvergenz der LASSO-Regression. Wenn dieser Wert auf 0 gesetzt ist, wird anstelle von LASSO die reguläre OLS verwendet. |
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2025-07-26 (UTC).
[null,null,["Zuletzt aktualisiert: 2025-07-26 (UTC)."],[[["\u003cp\u003eImplements the Continuous Change Detection and Classification (CCDC) algorithm to identify temporal breakpoints (changes over time) within an image collection.\u003c/p\u003e\n"],["\u003cp\u003eUses harmonic functions to fit the image data and detect changes based on specified bands and statistical thresholds.\u003c/p\u003e\n"],["\u003cp\u003eOffers customization options such as selecting specific bands for change detection, adjusting sensitivity parameters, and configuring the time format for results.\u003c/p\u003e\n"],["\u003cp\u003eProvides fit coefficients for all input bands, aiding in understanding the nature of the detected changes.\u003c/p\u003e\n"],["\u003cp\u003eRelies on iterative fitting and statistical analysis to pinpoint breakpoints and ensure robust change detection.\u003c/p\u003e\n"]]],[],null,["# ee.Algorithms.TemporalSegmentation.Ccdc\n\nImplements the Continuous Change Detection and Classification temporal breakpoint algorithm. This algorithm finds temporal breakpoints in an image collection by iteratively fitting harmonic functions to the data. Fit coefficients are produced for all input bands, but the bands used for breakpoint detection can be specified with the 'breakpointBands' argument.\n\n\u003cbr /\u003e\n\nFor more details, see Zhu, Z. and Woodcock, C.E., 2014. Continuous change detection and classification of land cover using all available Landsat data. Remote sensing of Environment, 144, pp.152-171.\n\n| Usage | Returns |\n|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|---------|\n| `ee.Algorithms.TemporalSegmentation.Ccdc(collection, `*breakpointBands* `, `*tmaskBands* `, `*minObservations* `, `*chiSquareProbability* `, `*minNumOfYearsScaler* `, `*dateFormat* `, `*lambda* `, `*maxIterations*`)` | Image |\n\n| Argument | Type | Details |\n|------------------------|-------------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| `collection` | ImageCollection | Collection of images on which to run CCDC. |\n| `breakpointBands` | List, default: null | The name or index of the bands to use for change detection. If unspecified, all bands are used. |\n| `tmaskBands` | List, default: null | The name or index of the bands to use for iterative TMask cloud detection. These are typically the green band and the SWIR1 band. If unspecified, TMask is not used. If specified, 'tmaskBands' must be included in 'breakpointBands'. |\n| `minObservations` | Integer, default: 6 | The number of observations required to flag a change. |\n| `chiSquareProbability` | Float, default: 0.99 | The chi-square probability threshold for change detection in the range of \\[0, 1\\]. |\n| `minNumOfYearsScaler` | Float, default: 1.33 | Factors of minimum number of years to apply new fitting. |\n| `dateFormat` | Integer, default: 0 | The time representation to use during fitting: 0 = jDays, 1 = fractional years, 2 = unix time in milliseconds. The start, end and break times for each temporal segment will be encoded this way. |\n| `lambda` | Float, default: 20 | Lambda for LASSO regression fitting. If set to 0, regular OLS is used instead of LASSO. |\n| `maxIterations` | Integer, default: 25000 | Maximum number of runs for LASSO regression convergence. If set to 0, regular OLS is used instead of LASSO. |"]]