공지사항:
2025년 4월 15일 전에 Earth Engine 사용을 위해 등록된 모든 비상업용 프로젝트는 Earth Engine 액세스를 유지하기 위해
비상업용 자격 요건을 인증해야 합니다.
ee.Algorithms.TemporalSegmentation.Ccdc
컬렉션을 사용해 정리하기
내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요.
지속적인 변경 감지 및 분류 시간 중단점 알고리즘을 구현합니다. 이 알고리즘은 데이터에 조화 함수를 반복적으로 피팅하여 이미지 모음의 시간적 중단점을 찾습니다. 적합 계수는 모든 입력 밴드에 대해 생성되지만, 중단점 감지에 사용되는 밴드는 'breakpointBands' 인수로 지정할 수 있습니다.
자세한 내용은 Zhu, Z. 및 Woodcock, C.E., 2014년. 사용 가능한 모든 Landsat 데이터를 사용하여 토지 피복을 지속적으로 변경 감지하고 분류합니다. Remote sensing of Environment, 144, pp.152-171.
| 사용 | 반환 값 |
|---|
ee.Algorithms.TemporalSegmentation.Ccdc(collection, breakpointBands, tmaskBands, minObservations, chiSquareProbability, minNumOfYearsScaler, dateFormat, lambda, maxIterations) | 이미지 |
| 인수 | 유형 | 세부정보 |
|---|
collection | ImageCollection | CCDC를 실행할 이미지 모음입니다. |
breakpointBands | 목록, 기본값: null | 변경 감지에 사용할 밴드의 이름 또는 색인입니다. 지정하지 않으면 모든 밴드가 사용됩니다. |
tmaskBands | 목록, 기본값: null | 반복적인 TMask 클라우드 감지에 사용할 밴드의 이름 또는 색인입니다. 일반적으로 녹색 대역과 SWIR1 대역입니다. 지정하지 않으면 TMask가 사용되지 않습니다. 지정된 경우 'tmaskBands'가 'breakpointBands'에 포함되어야 합니다. |
minObservations | 정수, 기본값: 6 | 변경사항을 표시하는 데 필요한 관측치 수입니다. |
chiSquareProbability | 부동 소수점, 기본값: 0.99 | [0, 1] 범위의 변화 감지를 위한 카이제곱 확률 기준점입니다. |
minNumOfYearsScaler | 부동 소수점, 기본값: 1.33 | 새 피팅을 적용할 최소 연수의 요소입니다. |
dateFormat | 정수, 기본값: 0 | 피팅 중에 사용할 시간 표현입니다. 0 = jDays, 1 = fractional years, 2 = unix time in milliseconds. 각 시간 세그먼트의 시작, 종료, 휴식 시간이 이 방식으로 인코딩됩니다. |
lambda | 부동 소수점, 기본값: 20 | LASSO 회귀 적합을 위한 람다입니다. 0으로 설정하면 LASSO 대신 일반 OLS가 사용됩니다. |
maxIterations | 정수, 기본값: 25000 | LASSO 회귀 수렴의 최대 실행 횟수입니다. 0으로 설정하면 LASSO 대신 일반 OLS가 사용됩니다. |
달리 명시되지 않는 한 이 페이지의 콘텐츠에는 Creative Commons Attribution 4.0 라이선스에 따라 라이선스가 부여되며, 코드 샘플에는 Apache 2.0 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 Google Developers 사이트 정책을 참조하세요. 자바는 Oracle 및/또는 Oracle 계열사의 등록 상표입니다.
최종 업데이트: 2025-07-26(UTC)
[null,null,["최종 업데이트: 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. |"]]
