Evaluates changes in pixel values over time using the Continuous Change Detection and Classification (CCDC) method and generates a change analysis raster containing the model results.
Aby uzyskać informacje na temat algorytmu CCDC, zapoznaj się z sekcją Jak działa analiza zmian z użyciem algorytmu CCDC.
Notatka:
Ta funkcja rastrowania jest obsługiwana tylko w połączeniu z funkcją Wykrywanie zmian przy użyciu analizy zmian. Użyj warstwy wynikowej funkcji Analiza CCDC jako wartości wejściowej funkcji Wykrywanie zmian przy użyciu analizy zmian. Aby utworzyć wynikowy zestaw danych rastrowych, połącz funkcję Analiza CCDC z funkcją Wykrywanie zmian przy użyciu analizy zmian za pomocą Edytora funkcji, zapisz go jako szablon funkcji rastrowej i użyj go jako wartości wejściowej narzędzia geoprzetwarzania Generuj raster z funkcji rastrowej.
Uwagi
Ta funkcja rastrowa może być używana tylko do generowania danych wejściowych funkcji rastrowej Wykrywanie zmian przy użyciu analizy zmian. Aby wygenerować raster wynikowy, połącz funkcję Analiza CCDC z funkcją Wykrywanie zmian przy użyciu analizy zmian w szablonie funkcji rastrowej i użyj tego szablonu jako danych wejściowych narzędzia geoprzetwarzania Generuj raster z funkcji rastrowej. Wynikiem jest raster zawierający informacje o czasie, w którym zmieniły się wartości pikseli.
The Bands for Temporal Masking parameter specifies the bands that will be used for cloud, cloud shadow, and snow masking. Because cloud shadow and snow appear dark in the shortwave infrared (SWIR) band, and clouds and snow are bright in the green band, it is recommended that you mask the band indexes for the SWIR and green bands.
The Updating Fitting Frequency (in years) parameter defines how often the time series model will be updated with new observations. Updating a model frequently can be computationally intensive and the benefit can be minimal. For example, if there are 365 slices or clear observations per year in the multidimensional raster, and the updating frequency is for every observation, the processing will be 365 times more computationally intensive compared to updating once per year, but the accuracy may not be higher.
Parametry
| Parametr | Opis |
|---|---|
Raster | Wejściowa wielowymiarowa warstwa rastrowa. |
Pasma na potrzeby wykrywania zmian | Identyfikatory pasm używane podczas wykrywania zmian. Jeśli nie zostaną podane identyfikatory pasm, będą używane wszystkie pasma wejściowego zestawu danych rastrowych. Wartości identyfikatorów powinny być liczbami całkowitymi rozdzielanymi spacjami. |
Pasma na potrzeby maskowania czasowego | Identyfikatory pasm zieleni i SWIR służące do maskowania chmur, cieni chmur i śniegu. Jeśli nie zostaną podane żadne identyfikatory pasm, maskowanie nie zostanie przeprowadzone. Wartości identyfikatorów powinny być liczbami całkowitymi rozdzielanymi spacjami. |
Próg chi-kwadrat na potrzeby wykrywania zmian | Próg prawdopodobieństwa zmiany chi kwadrat. Jeśli dla obserwacji zostało obliczone prawdopodobieństwo zmiany, które jest wyższe niż ta wartość progowa, obserwacja jest oznaczana jako anomalia, co jest potencjalnym zdarzeniem zmiany. Wartość domyślna wynosi 0,99. |
Minimalna liczba kolejnych obserwacji anomalii | Minimalna liczba kolejnych obserwacji anomalnych, które muszą wystąpić, zanim zdarzenie zostanie uznane za zmianę. Piksel musi zostać oznaczony jako anomalia dla określonej liczby kolejnych klatek czasu, zanim zostanie uznany za prawdziwą zmianę. Domyślna wartość to 6. |
Aktualizowanie częstotliwości dopasowywania (w latach) | Częstotliwość aktualizowania modelu szeregów czasowych nowymi obserwacjami. Domyślnie model jest aktualizowany raz w roku. |