Google Earth Engine（GEE）——连续变化检测和分类（CCDC）

连续变化检测和分类（CCDC）是一种土地变化监测算法，旨在对卫星数据的时间序列进行操作，特别是陆地卫星数据。本章的重点是变化检测部分（CCD）；你将学习如何运行该算法，解释其输出，以及可视化系数和变化信息。

学习成果
探索陆地卫星观测数据的像素级时间序列，以及CCDC与观测数据拟合的时间段。
可视化空间中的时间段的系数。
可视化由检测到的时间段产生的预测图像。
可视化变化信息。
使用阵列图像功能。
在输出时将用户定义的元数据附加到图像上。

"时间序列是一连串按时间顺序进行的观察。......时间序列的一个内在特征是，通常情况下，相邻的观测值是相互依赖的。时间序列分析是关于分析这种依赖性的技术。这是Box等人（1994）对时间序列分析的正式定义。在遥感方面，感兴趣的观测是对从地球表面反射的太阳辐射或向地球发射能量的仪器的测量。在某一地区进行的连续测量会产生一个表面反射率的时间序列。通过分析这种时间序列，我们可以实现对生态系统和土地表面过程的全面描述（Kennedy等人，2014）。其结果是，从传统的、基于两个或几个时间点在同一地区获得的数据的回顾性变化检测方法转变为对景观的连续监测（Woodcock等人，2020）。随着强大的云计算平台的出现，以前与数据存储、预处理和计算能力有关的障碍已经基本克服，这些平台可以直接访问数据（Gorelick等人，2017）。在本章中，我们将说明如何通过使用CCDC算法分析密集的时间序列的Landsat数据来研究亚马逊河流域的景观动态。与LandTrendr（第F4.5章）不同，它使用周年图像来拟合描述光谱轨迹随时间变化的直线段，CCDC使用所有可用的清晰观测数据。这