- Dataset-Verfügbarkeit
- 1999-01-01T00:00:00Z–2020-01-01T00:00:00Z
- Ersteller des Datasets
- Tags
Beschreibung
Diese Sammlung enthält vorab berechnete Ergebnisse aus der Ausführung des CCDC-Algorithmus (Continuous Change Detection and Classification) für 20 Jahre mit Landsat-Daten zur Oberflächenreflexion. CCDC ist ein Algorithmus zur Suche nach Haltepunkten, der harmonische Anpassung mit einem dynamischen RMSE-Schwellenwert verwendet, um Haltepunkte in Zeitreihendaten zu erkennen.
Der Datensatz wurde aus den Landsat 5-, 7- und 8-Zeitreihen für die Oberflächenreflexion der Sammlung 1, Tier 1, erstellt. Dabei wurden alle Tagesbilder zwischen dem 01.01.1999 und dem 31.12.2019 verwendet. Jedes Bild wurde vorverarbeitet, um Pixel zu maskieren, die als Wolke, Schatten oder Schnee (gemäß dem Band „pixel_qa“), gesättigte Pixel und Pixel mit einer atmosphärischen Opazität > 300 (gemäß den Bändern „sr_atmos_opacity“ und „sr_aerosol“) identifiziert wurden. Pixel, die sich in der Überlappung von Szenen im Norden/Süden wiederholten, wurden dedupliziert. Die Ergebnisse wurden in 2-Grad-Kacheln für alle Landmassen zwischen -60° und +85° Breitengrad ausgegeben. Die Bilder eignen sich, um mit mosaic() zu einem globalen Bild zusammengefügt zu werden.
Der CCDC-Algorithmus wurde mit den Standardalgorithmusparametern ausgeführt, mit Ausnahme von „dateFormat“:
- tmaskBands: ['green', 'swir']
- minObservations: 6
- chiSquareProbability: 0.99
- minNumOfYearsScaler: 1.33
- dateFormat: 1 (Bruchteil eines Jahres)
- lambda: 20
- maxIterations: 25000
Jeder Pixel im Ergebnis wird mit Arrays variabler Länge codiert. Die äußere Länge jedes Arrays (Achse 0) entspricht der Anzahl der Breakpoints, die an diesem Ort gefunden wurden. Die „coefs“-Bereiche enthalten 2‑D-Arrays. Jedes innere Array enthält die Skalierungsfaktoren für die 8 Terme im linearen harmonischen Modell in der Reihenfolge: [offset, t, cos(ωt), sin(ωt), cos(2ωt), sin(2ωt), cos(3ωt), sin(3ωt)], wobei ω = 2Π ist. Die Modelle werden skaliert, um Reflektanzeinheiten (0,0 bis 1,0) für die optischen Bänder und Grad (K) / 100,0 für das thermische Band zu erzeugen.
Da die Ausgabebänder Arrays sind, können sie nur mit einer SAMPLE-Pyramidenrichtlinie downsampled werden. Bei niedrigeren Zoomstufen sind die Ergebnisse in der Regel nicht mehr repräsentativ für die Daten in voller Auflösung. So können beispielsweise aufgrund der downsampling-Masken Kachelgrenzen zu sehen sein. Daher wird nicht empfohlen, dieses Dataset bei Auflösungen von weniger als 240 m/Pixel zu verwenden.
Derzeit ist nicht geplant, diesem Dataset Assets hinzuzufügen, die nach 2019 aufgenommen wurden.
Bänder
Bänder
Pixelgröße: 30 Meter (alle Bänder)
| Name | Pixelgröße | Beschreibung |
|---|---|---|
tStart |
30 Meter | 1‑D-Array mit dem Datum des Beginns der einzelnen Segmente (Bruchteil des Jahres). |
tEnd |
30 Meter | 1‑D-Array mit dem Datum des Endes jedes Segments (Bruchteil eines Jahres). |
tBreak |
30 Meter | 1‑D-Array mit dem Datum des erkannten Haltepunkts für jedes Segment (Bruchteil eines Jahres). |
numObs |
30 Meter | 1‑D-Array mit der Anzahl der Beobachtungen in jedem Segment. |
changeProb |
30 Meter | Eine Pseudowahrscheinlichkeit dafür, dass der erkannte Haltepunkt tatsächlich vorhanden ist. |
BLUE_coefs |
30 Meter | 2‑D-Array mit Koeffizienten des harmonischen Modells für das blaue Band für jedes Segment. |
GREEN_coefs |
30 Meter | 2‑D-Array mit Koeffizienten des harmonischen Modells für das grüne Band für jedes Segment. |
RED_coefs |
30 Meter | 2‑D-Array mit Koeffizienten des harmonischen Modells für das rote Band für jedes Segment. |
NIR_coefs |
30 Meter | 2‑D-Array mit Koeffizienten des harmonischen Modells für das Nahinfrarotband für jedes Segment. |
SWIR1_coefs |
30 Meter | 2‑D-Array mit Koeffizienten des harmonischen Modells für das kurzwellige Infrarotband (1,55 μm bis 1,75 μm) für jedes Segment. |
SWIR2_coefs |
30 Meter | 2‑D-Array mit harmonischen Modellkoeffizienten für das kurzwellige Infrarotband (2,09 μm bis 2,35 μm) für jedes Segment. |
TEMP_coefs |
30 Meter | 2‑D-Array mit Koeffizienten des harmonischen Modells für das thermische Band für jedes Segment. |
BLUE_rmse |
30 Meter | 1‑D-Array mit dem RMSE des Modells für das blaue Band für jedes Segment. |
GREEN_rmse |
30 Meter | 1‑D-Array mit dem RMSE des Modells für das grüne Band für jedes Segment. |
RED_rmse |
30 Meter | 1‑D-Array mit dem RMSE des Modells für das rote Band für jedes Segment. |
NIR_rmse |
30 Meter | 1‑D-Array mit dem RMSE des Modells für das Nahinfrarotband für jedes Segment. |
SWIR1_rmse |
30 Meter | 1‑D-Array mit dem RMSE des Modells für das kurzwellige Infrarotband (1,55 μm bis 1,75 μm) für jedes Segment. |
SWIR2_rmse |
30 Meter | 1‑D-Array mit dem RMSE des Modells für das kurzwellige Infrarotband (2,09 μm bis 2,35 μm) für jedes Segment. |
TEMP_rmse |
30 Meter | 1‑D-Array mit dem RMSE des Modells für das thermische Band für jedes Segment. |
BLUE_magnitude |
30 Meter | 1‑D-Array mit der Größe des erkannten Haltepunkts für das blaue Band für jedes Segment. |
GREEN_magnitude |
30 Meter | 1‑D-Array mit der Größe des erkannten Haltepunkts für das grüne Band für jedes Segment. |
RED_magnitude |
30 Meter | 1‑D-Array mit der Größe des erkannten Haltepunkts für das rote Band für jedes Segment. |
NIR_magnitude |
30 Meter | 1‑D-Array mit der Größe des erkannten Haltepunkts für das Nahinfrarotband für jedes Segment. |
SWIR1_magnitude |
30 Meter | 1‑D-Array mit der Größe des erkannten Haltepunkts für das kurzwellige Infrarotband 1 (1,55 μm bis 1,75 μm) für jedes Segment. |
SWIR2_magnitude |
30 Meter | 1‑D-Array mit der Größe des erkannten Haltepunkts für das kurzwellige Infrarotband 2 (2,09–2,35 μm) für jedes Segment. |
TEMP_magnitude |
30 Meter | 1‑D-Array mit der Größe des erkannten Haltepunkts für das thermische Band für jedes Segment. |
Nutzungsbedingungen
Nutzungsbedingungen