ee.Algorithms.TemporalSegmentation.Ccdc

מיישם את האלגוריתם של נקודת זמן זמנית לזיהוי וסיווג שינויים רציפים. האלגוריתם הזה מוצא נקודות שבירה זמניות באוסף תמונות על ידי התאמה איטרטיבית של פונקציות הרמוניות לנתונים. מקבלים מקדמי התאמה לכל רצועות הקלט, אבל אפשר לציין את הרצועות שמשמשות לזיהוי נקודות שבירה באמצעות הארגומנט breakpointBands.

לפרטים נוספים, אפשר לעיין במאמר של Zhu, Z. and Woodcock, C.E., ‫2014. זיהוי רציף של שינויים וסיווג של כיסוי הקרקע באמצעות כל הנתונים הזמינים של Landsat. חישה מרחוק של הסביבה, 144, עמ' 152-171.

שימוש	החזרות
ee.Algorithms.TemporalSegmentation.Ccdc(collection, breakpointBands, tmaskBands, minObservations, chiSquareProbability, minNumOfYearsScaler, dateFormat, lambda, maxIterations)	תמונה

ארגומנט	סוג	פרטים
collection	ImageCollection	אוסף תמונות שרוצים להריץ עליהן CCDC.
breakpointBands	רשימה, ברירת מחדל: null	השם או האינדקס של הפסים לשימוש בזיהוי שינויים. אם לא מציינים, נעשה שימוש בכל הטווחים.
tmaskBands	רשימה, ברירת מחדל: null	השם או האינדקס של הפסים לשימוש בזיהוי איטרטיבי של עננים ב-TMask. בדרך כלל מדובר בפס הירוק ובפס SWIR1. אם לא צוין, לא נעשה שימוש ב-TMask. אם מציינים את המאפיין tmaskBands, הוא חייב להיכלל במאפיין breakpointBands.
minObservations	מספר שלם, ברירת מחדל: 6	מספר התצפיות שנדרשות כדי לסמן שינוי.
chiSquareProbability	מספר ממשי (float), ברירת מחדל: 0.99	הסף של ההסתברות לשינוי במבחן חי בריבוע בטווח [0, 1].
minNumOfYearsScaler	מספר ממשי (float), ברירת מחדל: 1.33	גורמים שקובעים את מספר השנים המינימלי שצריך לעבור כדי להחיל התאמה חדשה.
dateFormat	מספר שלם, ברירת מחדל: 0	ייצוג הזמן שבו צריך להשתמש במהלך ההתאמה: 0 = ימים, 1 = שברים של שנים, 2 = זמן יוניקס באלפיות השנייה. שעות ההתחלה, הסיום וההפסקה של כל מקטע זמני יקודדו בצורה הזו.
lambda	מספר ממשי (float), ברירת מחדל: 20	‫Lambda להתאמת רגרסיה של LASSO. אם הערך הוא 0, נעשה שימוש ב-OLS רגיל במקום ב-LASSO.
maxIterations	מספר שלם, ברירת מחדל: 25000	מספר הריצות המקסימלי להתכנסות של רגרסיית LASSO. אם הערך הוא 0, נעשה שימוש ב-OLS רגיל במקום ב-LASSO.