Wprowadzamy w Earth Engine
poziomy limitów niekomercyjnych, aby chronić współdzielone zasoby obliczeniowe i zapewnić niezawodną wydajność dla wszystkich. We wszystkich projektach niekomercyjnych trzeba będzie wybrać poziom limitu do
27 kwietnia 2026 r.. W przeciwnym razie zostanie im przydzielony poziom Społeczność. Limity poziomu zaczną obowiązywać we wszystkich projektach (niezależnie od daty wyboru poziomu) od
27 kwietnia 2026 r. Więcej informacji
ee.Algorithms.TemporalSegmentation.Ccdc
Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
Implementuje algorytm punktu czasowego ciągłego wykrywania i klasyfikacji zmian. Ten algorytm znajduje w kolekcji obrazów punkty przerwania czasowej, iteracyjnie dopasowując do danych funkcje harmoniczne. Współczynniki dopasowania są generowane dla wszystkich pasm wejściowych, ale pasma używane do wykrywania punktów przerwania można określić za pomocą argumentu „breakpointBands”.
Więcej informacji znajdziesz w artykule Zhu, Z. i Woodcock, C.E., 2014 r. Ciągłe wykrywanie zmian i klasyfikacja pokrycia terenu z użyciem wszystkich dostępnych danych z satelity Landsat. Remote sensing of Environment, 144, pp.152-171.
| Wykorzystanie | Zwroty |
|---|
ee.Algorithms.TemporalSegmentation.Ccdc(collection, breakpointBands, tmaskBands, minObservations, chiSquareProbability, minNumOfYearsScaler, dateFormat, lambda, maxIterations) | Obraz |
| Argument | Typ | Szczegóły |
|---|
collection | ImageCollection | Kolekcja obrazów, na których ma być uruchomiony algorytm CCDC. |
breakpointBands | Lista, domyślnie: null | Nazwa lub indeks pasm, które mają być używane do wykrywania zmian. Jeśli nie zostanie określony, używane będą wszystkie pasma. |
tmaskBands | Lista, domyślnie: null | Nazwa lub indeks pasm do użycia na potrzeby iteracyjnego wykrywania chmur za pomocą TMask. Są to zwykle pasmo zielone i pasmo SWIR1. Jeśli nie zostanie określony, maska TMask nie będzie używana. Jeśli parametr „tmaskBands” jest określony, musi być uwzględniony w parametrze „breakpointBands”. |
minObservations | Liczba całkowita, domyślnie: 6 | Liczba obserwacji wymaganych do oznaczenia zmiany. |
chiSquareProbability | Liczba zmiennoprzecinkowa, domyślnie: 0,99 | Próg prawdopodobieństwa chi-kwadrat dla wykrywania zmian z zakresu [0, 1]. |
minNumOfYearsScaler | Liczba zmiennoprzecinkowa, domyślnie: 1,33 | Czynniki minimalnej liczby lat, po których należy zastosować nowe dopasowanie. |
dateFormat | Liczba całkowita, domyślnie: 0 | Reprezentacja czasu, która ma być używana podczas dopasowywania: 0 = dni juliańskie, 1 = ułamkowe lata, 2 = czas systemu UNIX w milisekundach. W ten sposób będą kodowane czasy rozpoczęcia, zakończenia i przerwy dla każdego segmentu czasowego. |
lambda | Liczba zmiennoprzecinkowa, domyślnie: 20 | Lambda do dopasowywania regresji LASSO. Jeśli wartość wynosi 0, zamiast LASSO używana jest zwykła metoda najmniejszych kwadratów. |
maxIterations | Liczba całkowita, domyślnie: 25000 | Maksymalna liczba uruchomień zbieżności regresji LASSO. Jeśli wartość wynosi 0, zamiast LASSO używana jest zwykła metoda najmniejszych kwadratów. |
O ile nie stwierdzono inaczej, treść tej strony jest objęta licencją Creative Commons – uznanie autorstwa 4.0, a fragmenty kodu są dostępne na licencji Apache 2.0. Szczegółowe informacje na ten temat zawierają zasady dotyczące witryny Google Developers. Java jest zastrzeżonym znakiem towarowym firmy Oracle i jej podmiotów stowarzyszonych.
Ostatnia aktualizacja: 2026-04-20 UTC.
[null,null,["Ostatnia aktualizacja: 2026-04-20 UTC."],[],[]]