第0课：引言
======================

**作者: 叶粟 (remotesensingsuy@gmail.com)**

本教程旨在通过使用多源时间序列数据进行遥感与生态学应用的示例，演示如何使用 ``pyxccd``。

特别感谢 褚天嘉, 廖荣华, 胡影初, 以及 蒋玉琳 为教程准备数据集。

“中文教程由AI自动翻译英文教程而成。若遇到歧义，建议阅读英文教程”

准备工作
-----------

首先，请安装 ``pyxccd``。在 Jupyter notebook 的一个单元格中运行：

::

   pip install pyxccd

此外，您还需要安装可视化包：

::

   pip install seaborn

从开发分支下载最新的 `pyxccd <https://github.com/Remote-Sensing-of-Land-Resource-Lab/pyxccd>`__ 源代码，解压后，在 ``/pyxccd/tutorial`` 目录下，目录结构应如下所示：

::

   └── notebooks
   └── datasets

通过示例学习 Pyxccd
-----------------------------

为了展示 pyxccd 的各项功能，本教程准备了多个 notebook 示例，这些示例使用了多变量卫星时间序列数据，涵盖了广泛的应用领域：

+---------+----------------+------------+----------------------------+------------+---------+---------+
| 编号    | 主题           | 应用       | 地点                       | 时间序列   | 分辨率  | 密度    |
+=========+================+============+============================+============+=========+=========+
| 1       | 突变检测       | 森林火灾   | 中国四川                   | HLS2.0     | 30米    | 2-3天   |
+---------+----------------+------------+----------------------------+------------+---------+---------+
| 2       | 参数选择       | 森林虫害   | 美国科罗拉多州和麻萨诸塞州 | Landsat    | 30米    | 8-16天  |
+---------+----------------+------------+----------------------------+------------+---------+---------+
| 3       | 输入的灵活选择 | 作物动态   | 中国河南                   | Sentinel-2 | 10米    | 5天     |
+---------+----------------+------------+----------------------------+------------+---------+---------+
| 4       | 基于瓦片的处理 | 常规干扰   | 中国浙江                   | HLS2.0     | 30米    | 2-3天   |
+---------+----------------+------------+----------------------------+------------+---------+---------+
| 5       | 状态分析 1     | 绿化       | 中国西藏                   | MODIS      | 500米   | 16天    |
+---------+----------------+------------+----------------------------+------------+---------+---------+
| 5       | 状态分析 2     | 降水季节性 | 北极                       | GPCP       | 2.5°    | 月      |
+---------+----------------+------------+----------------------------+------------+---------+---------+
| 6       | 异常与突变     | 农业干旱   | 印度拉贾斯坦邦             | GOSIF      | 0.05°   | 8天     |
+---------+----------------+------------+----------------------------+------------+---------+---------+
| 7       | 近实时监测     | 森林采伐   | 中国四川                   | HLS2.0     | 30米    | 2-3天   |
+---------+----------------+------------+----------------------------+------------+---------+---------+
| 8       | 数据插补       | 土壤湿度   | 中国河南                   | FY3B       | 25公里  | 日      |
+---------+----------------+------------+----------------------------+------------+---------+---------+


Note:

(1) 本教程主要提供基于像素的时间序列示例用于教学目的；然而，在实际应用中，分析通常基于图像数据集进行。在第4课中，我们将具体演示如何将pyxccd应用于现实世界基于图像的时间序列;

(2) 教程中的所有日期列均采用公历序数格式表示，即从0001年1月1日起计算的天数。用户可通过Python函数``datetime.date.fromordinal()``将序数日期格式转换为可读性更强的常规日期格式。