Pengumuman: Semua project nonkomersial yang terdaftar untuk menggunakan Earth Engine sebelum
15 April 2025 harus
memverifikasi kelayakan nonkomersial untuk mempertahankan akses Earth Engine.
ee.Algorithms.TemporalSegmentation.Ccdc
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Menerapkan algoritma titik henti sementara temporal Deteksi dan Klasifikasi Perubahan Berkelanjutan. Algoritma ini menemukan titik henti sementara dalam kumpulan gambar dengan menyesuaikan fungsi harmonik secara iteratif ke data. Koefisien kecocokan dihasilkan untuk semua band input, tetapi band yang digunakan untuk deteksi titik henti dapat ditentukan dengan argumen 'breakpointBands'.
Untuk mengetahui detail selengkapnya, lihat Zhu, Z. dan Woodcock, C.E., 2014. Deteksi dan klasifikasi perubahan berkelanjutan pada tutupan lahan menggunakan semua data Landsat yang tersedia. Remote sensing of Environment, 144, hlm.152-171.
| Penggunaan | Hasil |
|---|
ee.Algorithms.TemporalSegmentation.Ccdc(collection, breakpointBands, tmaskBands, minObservations, chiSquareProbability, minNumOfYearsScaler, dateFormat, lambda, maxIterations) | Gambar |
| Argumen | Jenis | Detail |
|---|
collection | ImageCollection | Kumpulan gambar yang akan menjalankan CCDC. |
breakpointBands | Daftar, default: null | Nama atau indeks band yang akan digunakan untuk deteksi perubahan. Jika tidak ditentukan, semua rentang akan digunakan. |
tmaskBands | Daftar, default: null | Nama atau indeks band yang akan digunakan untuk deteksi awan TMask iteratif. Biasanya, pita ini adalah pita hijau dan pita SWIR1. Jika tidak ditentukan, TMask tidak digunakan. Jika ditentukan, 'tmaskBands' harus disertakan dalam 'breakpointBands'. |
minObservations | Bilangan bulat, default: 6 | Jumlah pengamatan yang diperlukan untuk menandai perubahan. |
chiSquareProbability | Float, default: 0,99 | Nilai minimum probabilitas chi-kuadrat untuk deteksi perubahan dalam rentang [0, 1]. |
minNumOfYearsScaler | Float, default: 1.33 | Faktor jumlah tahun minimum untuk menerapkan pemasangan baru. |
dateFormat | Bilangan bulat, default: 0 | Representasi waktu yang akan digunakan selama penyesuaian: 0 = jDays, 1 = tahun pecahan, 2 = waktu unix dalam milidetik. Waktu mulai, akhir, dan istirahat untuk setiap segmen temporal akan dienkode dengan cara ini. |
lambda | Float, default: 20 | Lambda untuk penyesuaian regresi LASSO. Jika disetel ke 0, OLS reguler akan digunakan, bukan LASSO. |
maxIterations | Bilangan bulat, default: 25000 | Jumlah maksimum eksekusi untuk konvergensi regresi LASSO. Jika disetel ke 0, OLS reguler akan digunakan, bukan LASSO. |
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2025-07-26 UTC.
[null,null,["Terakhir diperbarui pada 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. |"]]
