Duyuru:
15 Nisan 2025'ten önce Earth Engine'i kullanmak için kaydedilen tüm ticari olmayan projelerin Earth Engine erişimini sürdürmek için
ticari olmayan uygunluğu doğrulaması gerekir.
ee.Algorithms.TemporalSegmentation.Ccdc
Koleksiyonlar ile düzeninizi koruyun
İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.
Sürekli Değişiklik Algılama ve Sınıflandırma zamansal kesme noktası algoritmasını uygular. Bu algoritma, verileri yinelemeli olarak harmonik işlevlere uydurarak bir resim koleksiyonundaki zamansal kesme noktalarını bulur. Tüm giriş bantları için uygunluk katsayıları oluşturulur ancak kesme noktası algılama için kullanılan bantlar "breakpointBands" bağımsız değişkeniyle belirtilebilir.
Daha fazla bilgi için Zhu, Z. ve Woodcock, C.E., 2014. Mevcut tüm Landsat verilerini kullanarak arazi örtüsünün sürekli olarak değişimini algılama ve sınıflandırma. Remote sensing of Environment, 144, pp.152-171.
| Kullanım | İadeler |
|---|
ee.Algorithms.TemporalSegmentation.Ccdc(collection, breakpointBands, tmaskBands, minObservations, chiSquareProbability, minNumOfYearsScaler, dateFormat, lambda, maxIterations) | Resim |
| Bağımsız Değişken | Tür | Ayrıntılar |
|---|
collection | ImageCollection | CCDC'nin çalıştırılacağı görüntü koleksiyonu. |
breakpointBands | Liste, varsayılan: null | Değişiklik algılama için kullanılacak bantların adı veya dizini. Belirtilmezse tüm bantlar kullanılır. |
tmaskBands | Liste, varsayılan: null | Yinelemeli TMask bulut algılama için kullanılacak bantların adı veya dizini. Bunlar genellikle yeşil bant ve SWIR1 bandıdır. Belirtilmezse TMask kullanılmaz. Belirtilirse "tmaskBands", "breakpointBands" içinde yer almalıdır. |
minObservations | Tam sayı, varsayılan: 6 | Bir değişikliği işaretlemek için gereken gözlem sayısı. |
chiSquareProbability | Kayan nokta, varsayılan: 0,99 | [0, 1] aralığında değişiklik algılama için ki-kare olasılık eşiği. |
minNumOfYearsScaler | Ondalık sayı, varsayılan: 1,33 | Yeni bir uyum uygulamak için gereken minimum yıl sayısı faktörleri. |
dateFormat | Tamsayı, varsayılan: 0 | Uydurma sırasında kullanılacak zaman gösterimi: 0 = jDays, 1 = kesirli yıllar, 2 = milisaniye cinsinden Unix saati. Her bir zamansal segmentin başlangıç, bitiş ve ara zamanları bu şekilde kodlanır. |
lambda | Ondalık sayı, varsayılan: 20 | LASSO regresyon uyumu için Lambda. 0 olarak ayarlanırsa LASSO yerine normal OLS kullanılır. |
maxIterations | Tamsayı, varsayılan: 25000 | LASSO regresyon yakınsaması için maksimum çalıştırma sayısı. 0 olarak ayarlanırsa LASSO yerine normal OLS kullanılır. |
Aksi belirtilmediği sürece bu sayfanın içeriği Creative Commons Atıf 4.0 Lisansı altında ve kod örnekleri Apache 2.0 Lisansı altında lisanslanmıştır. Ayrıntılı bilgi için Google Developers Site Politikaları'na göz atın. Java, Oracle ve/veya satış ortaklarının tescilli ticari markasıdır.
Son güncelleme tarihi: 2025-07-26 UTC.
[null,null,["Son güncelleme tarihi: 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. |"]]
