ee.Algorithms.TemporalSegmentation.Ccdc
संग्रह की मदद से व्यवस्थित रहें
अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.
यह एल्गोरिदम, समय के साथ होने वाले बदलावों का पता लगाने और उन्हें कैटगरी में बांटने के लिए, लगातार बदलाव का पता लगाने वाले एल्गोरिदम को लागू करता है. यह एल्गोरिदम, इमेज कलेक्शन में समय के हिसाब से ब्रेकपॉइंट ढूंढता है. इसके लिए, यह डेटा में हार्मोनिक फ़ंक्शन को बार-बार फ़िट करता है. सभी इनपुट बैंड के लिए फ़िट कोएफ़िशिएंट जनरेट किए जाते हैं. हालांकि, ब्रेकपॉइंट का पता लगाने के लिए इस्तेमाल किए गए बैंड को 'breakpointBands' आर्ग्युमेंट की मदद से तय किया जा सकता है.
ज़्यादा जानकारी के लिए, Zhu, Z. and Woodcock, C.E., 2014. उपलब्ध सभी Landsat डेटा का इस्तेमाल करके, ज़मीन के इस्तेमाल में होने वाले बदलावों का लगातार पता लगाना और उन्हें कैटगरी में बांटना. Remote sensing of Environment, 144, pp.152-171.
| इस्तेमाल | रिटर्न |
|---|
ee.Algorithms.TemporalSegmentation.Ccdc(collection, breakpointBands, tmaskBands, minObservations, chiSquareProbability, minNumOfYearsScaler, dateFormat, lambda, maxIterations) | इमेज |
| आर्ग्यूमेंट | टाइप | विवरण |
|---|
collection | ImageCollection | इमेज का ऐसा कलेक्शन जिस पर CCDC को लागू करना है. |
breakpointBands | सूची, डिफ़ॉल्ट: null | बदलाव का पता लगाने के लिए इस्तेमाल किए जाने वाले बैंड का नाम या इंडेक्स. अगर कोई बैंड तय नहीं किया गया है, तो सभी बैंड का इस्तेमाल किया जाता है. |
tmaskBands | सूची, डिफ़ॉल्ट: null | बादल का पता लगाने के लिए, टीमास्क को बार-बार चलाने के लिए इस्तेमाल किए जाने वाले बैंड का नाम या इंडेक्स. आम तौर पर, ये ग्रीन बैंड और SWIR1 बैंड होते हैं. अगर यह जानकारी नहीं दी गई है, तो टीमास्क का इस्तेमाल नहीं किया जाता. अगर 'tmaskBands' एट्रिब्यूट की वैल्यू दी गई है, तो 'breakpointBands' एट्रिब्यूट में 'tmaskBands' एट्रिब्यूट की वैल्यू शामिल होनी चाहिए. |
minObservations | पूर्णांक, डिफ़ॉल्ट: 6 | बदलाव को फ़्लैग करने के लिए ज़रूरी ऑब्ज़र्वेशन की संख्या. |
chiSquareProbability | फ़्लोट, डिफ़ॉल्ट: 0.99 | बदलाव का पता लगाने के लिए, काई-स्क्वेयर प्रोबैबिलिटी थ्रेशोल्ड [0, 1] की रेंज में होता है. |
minNumOfYearsScaler | फ़्लोट, डिफ़ॉल्ट: 1.33 | नए फ़िट को लागू करने के लिए, कम से कम सालों के फ़ैक्टर. |
dateFormat | पूर्णांक, डिफ़ॉल्ट: 0 | फ़िटिंग के दौरान इस्तेमाल करने के लिए समय का फ़ॉर्मैट: 0 = jDays, 1 = फ़्रैक्शनल साल, 2 = यूनिक्स टाइम (मिलीसेकंड में). हर टाइमलाइन सेगमेंट के शुरू होने, खत्म होने, और ब्रेक का समय इस तरह से कोड किया जाएगा. |
lambda | फ़्लोट, डिफ़ॉल्ट: 20 | LASSO रिग्रेशन फ़िटिंग के लिए लैम्डा. इसे 0 पर सेट करने पर, LASSO के बजाय सामान्य ओएलएस का इस्तेमाल किया जाता है. |
maxIterations | पूर्णांक, डिफ़ॉल्ट: 25000 | एलएएसएसओ रिग्रेशन कन्वर्जेंस के लिए ज़्यादा से ज़्यादा रन की संख्या. इसे 0 पर सेट करने पर, LASSO के बजाय सामान्य ओएलएस का इस्तेमाल किया जाता है. |
जब तक कुछ अलग से न बताया जाए, तब तक इस पेज की सामग्री को Creative Commons Attribution 4.0 License के तहत और कोड के नमूनों को Apache 2.0 License के तहत लाइसेंस मिला है. ज़्यादा जानकारी के लिए, Google Developers साइट नीतियां देखें. Oracle और/या इससे जुड़ी हुई कंपनियों का, Java एक रजिस्टर किया हुआ ट्रेडमार्क है.
आखिरी बार 2025-07-26 (UTC) को अपडेट किया गया.
[null,null,["आखिरी बार 2025-07-26 (UTC) को अपडेट किया गया."],[[["\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. |"]]
