Tập hợp này chứa các kết quả được tính toán trước từ việc chạy thuật toán Phát hiện và phân loại thay đổi liên tục (CCDC) trên 20 năm dữ liệu về độ phản xạ bề mặt của Landsat. CCDC là một thuật toán tìm điểm ngắt sử dụng phương pháp khớp hài hoà với ngưỡng RMSE động để phát hiện điểm ngắt trong dữ liệu chuỗi thời gian.
Tập dữ liệu này được tạo từ Landsat 5, 7 và 8 Collection-1, Tier-1, chuỗi thời gian phản xạ bề mặt, sử dụng tất cả hình ảnh ban ngày trong khoảng thời gian từ ngày 1 tháng 1 năm 1999 đến ngày 31 tháng 12 năm 2019. Mỗi hình ảnh được xử lý trước để che các pixel được xác định là mây, bóng hoặc tuyết (theo dải tần "pixel_qa"), các pixel bão hoà và các pixel có độ mờ khí quyển > 300 (do dải tần "sr_atmos_opacity" và "sr_aerosol" xác định). Các pixel lặp lại trong phần chồng chéo cảnh theo hướng bắc/nam đã được loại bỏ. Kết quả được xuất ra ở các ô 2 độ cho tất cả các khối đất giữa vĩ độ -60° và +85°.
Các hình ảnh này phù hợp để ghép thành một hình ảnh toàn cầu duy nhất bằng cách sử dụng hàm mosaic().
Thuật toán CCDC được chạy với các thông số thuật toán mặc định, ngoại trừ dateFormat:
tmaskBands: ['green', 'swir']
minObservations: 6
chiSquareProbability: 0.99
minNumOfYearsScaler: 1.33
dateFormat: 1 (năm phân số)
lambda: 20
maxIterations: 25000
Mỗi pixel trong đầu ra được mã hoá bằng cách sử dụng mảng có độ dài thay đổi. Độ dài bên ngoài của mỗi mảng (trục 0) tương ứng với số lượng điểm ngắt được tìm thấy tại vị trí đó. Các dải coefs chứa mảng 2 chiều, trong đó mỗi mảng bên trong chứa các hệ số tỷ lệ cho 8 số hạng trong mô hình điều hoà tuyến tính, theo thứ tự: [offset, t, cos(ωt), sin(ωt), cos(2ωt), sin(2ωt), cos(3ωt), sin(3ωt)], trong đó ω = 2Π. Các mô hình được điều chỉnh để tạo ra các đơn vị phản xạ (0,0 – 1,0) cho các dải quang học và độ (K) / 100,0 cho dải nhiệt.
Xin lưu ý rằng vì các dải đầu ra là mảng và chỉ có thể được lấy mẫu xuống bằng chính sách tạo kim tự tháp SAMPLE. Ở mức thu phóng thấp hơn, kết quả thường không còn đại diện cho dữ liệu có độ phân giải đầy đủ nữa và chẳng hạn như có thể thấy ranh giới ô do mặt nạ được lấy mẫu xuống.
Do đó, bạn không nên sử dụng tập dữ liệu này ở độ phân giải dưới 240m/pixel.
Hiện tại, chúng tôi không có kế hoạch bổ sung các thành phần sau năm 2019 vào tập dữ liệu này.
Băng tần
Kích thước pixel 30 mét
Băng tần
Tên
Kích thước pixel
Mô tả
tStart
mét
Mảng 1 chiều chứa ngày bắt đầu của mỗi đoạn (năm phân số).
tEnd
mét
Mảng 1 chiều chứa ngày kết thúc của mỗi đoạn (năm phân số).
tBreak
mét
Mảng 1 chiều chứa ngày của điểm ngắt được phát hiện của mỗi đoạn (năm phân số).
numObs
mét
Mảng 1 chiều chứa số lượng quan sát được tìm thấy trong mỗi phân khúc.
changeProb
mét
Xác suất giả của điểm ngắt được phát hiện là có thật.
BLUE_coefs
mét
Mảng 2 chiều chứa các hệ số mô hình hài hoà cho dải màu xanh dương, cho từng đoạn.
GREEN_coefs
mét
Mảng 2 chiều chứa các hệ số mô hình hài hoà cho dải màu xanh lục, cho từng đoạn.
RED_coefs
mét
Mảng 2 chiều chứa các hệ số mô hình hài hoà cho dải màu đỏ, cho từng đoạn.
NIR_coefs
mét
Mảng 2 chiều chứa các hệ số mô hình hài cho dải tần cận hồng ngoại, cho từng đoạn.
SWIR1_coefs
mét
Mảng 2 chiều chứa các hệ số mô hình điều hoà cho dải sóng ngắn (1,55 μm – 1,75 μm), cho từng đoạn.
SWIR2_coefs
mét
Mảng 2 chiều chứa các hệ số mô hình điều hoà cho dải sóng ngắn (2,09 μm – 2,35 μm), cho từng phân đoạn.
TEMP_coefs
mét
Mảng 2 chiều chứa các hệ số mô hình điều hoà cho dải nhiệt, cho từng đoạn.
BLUE_rmse
mét
Mảng 1 chiều chứa RMSE của mô hình cho dải màu xanh dương, cho từng phân đoạn.
GREEN_rmse
mét
Mảng 1 chiều chứa RMSE của mô hình cho dải màu xanh lục, cho từng đoạn.
RED_rmse
mét
Mảng 1 chiều chứa RMSE của mô hình cho dải màu đỏ, cho từng phân đoạn.
NIR_rmse
mét
Mảng 1 chiều chứa RMSE của mô hình cho dải tần cận hồng ngoại, cho từng đoạn.
SWIR1_rmse
mét
Mảng 1 chiều chứa RMSE của mô hình cho dải hồng ngoại sóng ngắn (1,55 μm – 1,75 μm), cho từng đoạn.
SWIR2_rmse
mét
Mảng 1 chiều chứa RMSE của mô hình cho dải sóng ngắn (2,09 μm – 2,35 μm), cho từng phân đoạn.
TEMP_rmse
mét
Mảng 1 chiều chứa RMSE của mô hình cho dải nhiệt, cho từng đoạn.
BLUE_magnitude
mét
Mảng 1 chiều chứa độ lớn của điểm ngắt được phát hiện cho dải màu xanh dương, cho mỗi đoạn.
GREEN_magnitude
mét
Mảng 1 chiều chứa độ lớn của điểm ngắt được phát hiện cho dải màu xanh lục, cho mỗi đoạn.
RED_magnitude
mét
Mảng 1 chiều chứa độ lớn của điểm ngắt được phát hiện cho dải màu đỏ, cho mỗi phân đoạn.
NIR_magnitude
mét
Mảng 1 chiều chứa độ lớn của điểm ngắt được phát hiện cho dải tần cận hồng ngoại, cho mỗi đoạn.
SWIR1_magnitude
mét
Mảng 1 chiều chứa độ lớn của điểm ngắt được phát hiện cho dải sóng ngắn hồng ngoại 1 (1,55 μm – 1,75 μm) cho từng phân đoạn.
SWIR2_magnitude
mét
Mảng 1 chiều chứa độ lớn của điểm ngắt được phát hiện cho dải sóng ngắn hồng ngoại 2 (2,09 μm – 2,35 μm), cho mỗi phân đoạn.
TEMP_magnitude
mét
Mảng 1 chiều chứa độ lớn của điểm ngắt được phát hiện cho dải nhiệt, cho từng đoạn.
Tập hợp này chứa các kết quả được tính toán trước từ việc chạy thuật toán Phát hiện và phân loại thay đổi liên tục (CCDC) trên 20 năm dữ liệu về độ phản xạ bề mặt của Landsat. CCDC là một thuật toán tìm điểm ngắt sử dụng phương pháp khớp hài hoà với ngưỡng RMSE động để phát hiện điểm ngắt trong dữ liệu chuỗi thời gian. Tập dữ liệu được tạo từ …
[null,null,[],[[["\u003cp\u003eThe Google Global Landsat-based CCDC Segments dataset provides precomputed results of the Continuous Change Detection and Classification (CCDC) algorithm applied to 20 years of Landsat data (1999-2019).\u003c/p\u003e\n"],["\u003cp\u003eCCDC detects breakpoints in time-series data using harmonic fitting with a dynamic RMSE threshold, identifying changes in land cover and land use.\u003c/p\u003e\n"],["\u003cp\u003eThe dataset covers landmasses between -60° and +85° latitude at a 30-meter resolution, derived from Landsat 5, 7, and 8 Collection-1, Tier-1 surface reflectance data.\u003c/p\u003e\n"],["\u003cp\u003eEach pixel contains information about detected breakpoints, including start and end dates, magnitude of change, and harmonic model coefficients for various spectral bands.\u003c/p\u003e\n"],["\u003cp\u003eThe dataset is available in Earth Engine and is intended for research, education, and non-profit use under a CC-BY-4.0 license.\u003c/p\u003e\n"]]],["The dataset, available from 1999-01-01 to 2020-01-01 via Google Earth Engine, provides precomputed results from the Continuous Change Detection and Classification (CCDC) algorithm applied to 20 years of Landsat data. Using harmonic fitting, CCDC identifies breakpoints in time-series data across landmasses between -60° and +85° latitude. The output, at 30-meter resolution, includes start, end, and breakpoint dates, observation counts, change probabilities, model coefficients, RMSE, and breakpoint magnitudes for various spectral bands.\n"],null,["# Google Global Landsat-based CCDC Segments (1999-2019)\n\nDataset Availability\n: 1999-01-01T00:00:00Z--2020-01-01T00:00:00Z\n\nDataset Provider\n:\n\n\n [Google](https://earthengine.google.com/)\n\nTags\n:\n[change-detection](/earth-engine/datasets/tags/change-detection) [google](/earth-engine/datasets/tags/google) [landcover](/earth-engine/datasets/tags/landcover) [landsat-derived](/earth-engine/datasets/tags/landsat-derived) [landuse](/earth-engine/datasets/tags/landuse) [landuse-landcover](/earth-engine/datasets/tags/landuse-landcover) \n\n#### Description\n\nThis collection contains precomputed results from running the\nContinuous Change Detection and Classification (CCDC) algorithm on\n20 years of Landsat surface reflectance data. CCDC is a break-point\nfinding algorithm that uses harmonic fitting with a dynamic RMSE\nthreshold to detect breakpoints in time-series data.\n\nThe dataset was created from the Landsat 5, 7, and 8 Collection-1, Tier-1,\nsurface reflectance time series, using all daytime images between 1999-01-01\nand 2019-12-31. Each image was preprocessed to mask pixels identified as\ncloud, shadow, or snow (according to the 'pixel_qa' band), saturated pixels,\nand pixels with an atmospheric opacity \\\u003e 300 (as identified by the\n'sr_atmos_opacity' and 'sr_aerosol' bands). Pixels repeated in\nnorth/south scene overlap were deduplicated. The results were\noutput in 2-degree tiles for all landmasses between -60° and +85° latitude.\nThe images are suitable to simply mosaic() into one global image.\n\nThe CCDC algorithm was run with the default algorithm parameters except for\nthe dateFormat:\n\n- tmaskBands: \\['green', 'swir'\\]\n- minObservations: 6\n- chiSquareProbability: 0.99\n- minNumOfYearsScaler: 1.33\n- dateFormat: 1 (fractional year)\n- lambda: 20\n- maxIterations: 25000\n\nEach pixel in the output is encoded using variable length arrays. The outer\nlength of each array (axis 0) corresponds to the number of breakpoints\nfound at that location. The coefs bands contain 2-D arrays, where each inner\narray contains the scaling factors for the 8 terms in the linear harmonic\nmodel, in the order: \\[offset, t, cos(ωt), sin(ωt), cos(2ωt),\nsin(2ωt), cos(3ωt), sin(3ωt)\\], where ω = 2Π. The\nmodels are scale to produce refelectance units (0.0 - 1.0) for the optical\nbands and degrees (K) / 100.0 for the thermal band.\n\nNote that since the output bands are arrays and can only be downsampled\nusing a SAMPLE pyramiding policy. At lower zoom levels, the\nresults are usually no longer representative of the full-resolution data,\nand, for instance, tile boundaries can be seen due to the downsampled masks.\nIt's therefore not recommended to use this dataset at resolutions less than\n240m/pixel.\n\nThere are no current plans to add post-2019 assets to this dataset.\n\n### Bands\n\n\n**Pixel Size**\n\n30 meters\n\n**Bands**\n\n| Name | Pixel Size | Description |\n|-------------------|------------|------------------------------------------------------------------------------------------------------------------------------------|\n| `tStart` | meters | 1-D Array containing the date of the start of each segment (fractional year). |\n| `tEnd` | meters | 1-D Array containing the date of the end of each segment (fractional year). |\n| `tBreak` | meters | 1-D Array containing the date of the detected breakpoint of each segment (fractional year). |\n| `numObs` | meters | 1-D Array containing the number of observations found in each segment. |\n| `changeProb` | meters | A pseudo-probability of the detected breakpoint being real. |\n| `BLUE_coefs` | meters | 2-D array containing harmonic model coefficients for the blue band, for each segment. |\n| `GREEN_coefs` | meters | 2-D array containing harmonic model coefficients for the green band, for each segment. |\n| `RED_coefs` | meters | 2-D array containing harmonic model coefficients for the red band, for each segment. |\n| `NIR_coefs` | meters | 2-D array containing harmonic model coefficients for the near-infrared band, for each segment. |\n| `SWIR1_coefs` | meters | 2-D array containing harmonic model coefficients for the shortwave-infrared (1.55μm-1.75μm) band, for each segment. |\n| `SWIR2_coefs` | meters | 2-D array containing harmonic model coefficients for the shortwave-infrared (2.09μm-2.35μm) band, for each segment. |\n| `TEMP_coefs` | meters | 2-D array containing harmonic model coefficients for the thermal band, for each segment. |\n| `BLUE_rmse` | meters | 1-D array containing the RMSE of the model for the blue band, for each segment. |\n| `GREEN_rmse` | meters | 1-D array containing the RMSE of the model for the green band, for each segment. |\n| `RED_rmse` | meters | 1-D array containing the RMSE of the model for the red band, for each segment. |\n| `NIR_rmse` | meters | 1-D array containing the RMSE of the model for the near-infrared band, for each segment. |\n| `SWIR1_rmse` | meters | 1-D array containing the RMSE of the model for the the shortwave-infrared (1.55μm-1.75μm) band, for each segment. |\n| `SWIR2_rmse` | meters | 1-D array containing the RMSE of the model for the shortwave-infrared (2.09μm-2.35μm) band, for each segment. |\n| `TEMP_rmse` | meters | 1-D array containing the RMSE of the model for the thermal band, for each segment. |\n| `BLUE_magnitude` | meters | 1-D array containing the magnitude of the detected breakpoint for the blue band, for each segment. |\n| `GREEN_magnitude` | meters | 1-D array containing the magnitude of the detected breakpoint for the green band, for each segment. |\n| `RED_magnitude` | meters | 1-D array containing the magnitude of the detected breakpoint for the red band, for each segment. |\n| `NIR_magnitude` | meters | 1-D array containing the magnitude of the detected breakpoint for the near-infrared band, for each segment. |\n| `SWIR1_magnitude` | meters | 1-D array containing the magnitude of the detected breakpoint for the shortwave-infrared-1 (1.55μm-1.75μm) band, for each segment. |\n| `SWIR2_magnitude` | meters | 1-D array containing the magnitude of the detected breakpoint for the shortwave-infrared-2 (2.09μm-2.35μm) band, for each segment. |\n| `TEMP_magnitude` | meters | 1-D array containing the magnitude of the detected breakpoint for the thermal band, for each segment. |\n\n### Terms of Use\n\n**Terms of Use**\n\n[CC-BY-4.0](https://spdx.org/licenses/CC-BY-4.0.html)\n**Important:** Earth Engine is a platform for petabyte-scale scientific analysis and visualization of geospatial datasets, both for public benefit and for business and government users. Earth Engine is free to use for research, education, and nonprofit use. To get started, please [register for Earth Engine access.](https://console.cloud.google.com/earth-engine) \n[Google Global Landsat-based CCDC Segments (1999-2019)](/earth-engine/datasets/catalog/GOOGLE_GLOBAL_CCDC_V1) \nThis collection contains precomputed results from running the Continuous Change Detection and Classification (CCDC) algorithm on 20 years of Landsat surface reflectance data. CCDC is a break-point finding algorithm that uses harmonic fitting with a dynamic RMSE threshold to detect breakpoints in time-series data. The dataset was created from the ... \nGOOGLE/GLOBAL_CCDC/V1, change-detection,google,landcover,landsat-derived,landuse,landuse-landcover \n1999-01-01T00:00:00Z/2020-01-01T00:00:00Z \n-60 -180 72 180 \nGoogle Earth Engine \nhttps://developers.google.com/earth-engine/datasets\n\n- [](https://doi.org/https://earthengine.google.com/)\n- [](https://doi.org/https://developers.google.com/earth-engine/datasets/catalog/GOOGLE_GLOBAL_CCDC_V1)"]]
