تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
تنفّذ هذه السمة خوارزمية نقاط التوقف المؤقتة المستندة إلى الوقت لتصنيف التغييرات المستمرة ورصدها. تجد هذه الخوارزمية نقاط توقّف مؤقتة في مجموعة صور من خلال تركيب دوال توافقية بشكل متكرّر على البيانات. يتم إنشاء معاملات المطابقة لجميع النطاقات المُدخَلة، ولكن يمكن تحديد النطاقات المستخدَمة لرصد نقاط التوقف باستخدام الوسيطة 'breakpointBands'.
لمزيد من التفاصيل، يُرجى الاطّلاع على Zhu, Z. and Woodcock, C.E., 2014. رصد التغييرات المستمرة وتصنيف الغطاء الأرضي باستخدام جميع بيانات Landsat المتاحة Remote sensing of Environment, 144, pp.152-171.
اسم أو فهرس النطاقات المطلوب استخدامها لرصد التغيّرات. في حال عدم تحديدها، يتم استخدام جميع النطاقات.
tmaskBands
قائمة، القيمة التلقائية: فارغة
اسم أو فهرس النطاقات التي سيتم استخدامها في عملية التكرار لاكتشاف السحب باستخدام TMask. وهي عادةً النطاق الأخضر والنطاق SWIR1. في حال عدم تحديدها، لن يتم استخدام TMask. في حال تحديدها، يجب تضمين "tmaskBands" في "breakpointBands".
minObservations
عدد صحيح، القيمة التلقائية: 6
عدد المشاهدات المطلوبة لوضع علامة على تغيير
chiSquareProbability
Float, default: 0.99
الحدّ الأدنى لاحتمالية مربع كاي لرصد التغيُّر في النطاق [0, 1].
minNumOfYearsScaler
العدد العائم، القيمة التلقائية: 1.33
عوامل الحد الأدنى لعدد السنوات لتطبيق مقاس جديد
dateFormat
عدد صحيح، القيمة التلقائية: 0
تمثيل الوقت الذي سيتم استخدامه أثناء المطابقة: 0 = أيام جوليانية، 1 = سنوات كسرية، 2 = وقت Unix بالمللي ثانية. سيتم ترميز أوقات البدء والانتهاء والاستراحة لكل مقطع زمني بهذه الطريقة.
lambda
Float، القيمة التلقائية: 20
قيمة Lambda لتركيب الانحدار LASSO في حال ضبطها على 0، يتم استخدام طريقة المربّعات الصغرى العادية بدلاً من طريقة LASSO.
maxIterations
عدد صحيح، القيمة التلقائية: 25000
الحدّ الأقصى لعدد عمليات التشغيل اللازمة لتقارب الانحدار LASSO. في حال ضبطها على 0، يتم استخدام طريقة المربّعات الصغرى العادية بدلاً من طريقة LASSO.
تاريخ التعديل الأخير: 2025-07-26 (حسب التوقيت العالمي المتفَّق عليه)
[[["يسهُل فهم المحتوى.","easyToUnderstand","thumb-up"],["ساعَدني المحتوى في حلّ مشكلتي.","solvedMyProblem","thumb-up"],["غير ذلك","otherUp","thumb-up"]],[["لا يحتوي على المعلومات التي أحتاج إليها.","missingTheInformationINeed","thumb-down"],["الخطوات معقدة للغاية / كثيرة جدًا.","tooComplicatedTooManySteps","thumb-down"],["المحتوى قديم.","outOfDate","thumb-down"],["ثمة مشكلة في الترجمة.","translationIssue","thumb-down"],["مشكلة في العيّنات / التعليمات البرمجية","samplesCodeIssue","thumb-down"],["غير ذلك","otherDown","thumb-down"]],["تاريخ التعديل الأخير: 2025-07-26 (حسب التوقيت العالمي المتفَّق عليه)"],[[["Implements the Continuous Change Detection and Classification (CCDC) algorithm to identify temporal breakpoints (changes over time) within an image collection."],["Uses harmonic functions to fit the image data and detect changes based on specified bands and statistical thresholds."],["Offers customization options such as selecting specific bands for change detection, adjusting sensitivity parameters, and configuring the time format for results."],["Provides fit coefficients for all input bands, aiding in understanding the nature of the detected changes."],["Relies on iterative fitting and statistical analysis to pinpoint breakpoints and ensure robust change detection."]]],[]]
