第4课：基于瓦片的处理 =============================== **作者: Yingchu Hu, 叶粟** **时间序列数据集: Harmonized Landsat-Sentinel (HLS) 数据集** **应用: 通用干扰制图，中国杭州** 本教程将指导您使用 pyxccd 处理 HLS 影像数据，以生成年度干扰图、近期干扰图和首次干扰图。工作流程包含三个主要步骤。 步骤 0：准备工作 ------------------- 1. 安装 Pyxccd ~~~~~~~~~~~~~~~~~ :: pip install pyxccd 2. 准备 HLS 影像 ~~~~~~~~~~~~~~~~~~~~~ | Prepare downloaded HLS files with the following structure (example contains 6 years of HLS data from 2019-2024): | Quark Drive download link: https://pan.quark.cn/s/f6456bf1ad27?pwd=FxtU | Extraction code: FxtU :: HLS_root_directory/ └── Tile_ID (e.g., 51RTP)/ └── HLS_daily_folder (e.g., HLS.S30.T51RTP.2021238T023551.v2.0) └── HLS_image_files (e.g., HLS.L30.T51RTP.2021238T023146.v2.0.B02.tif) 3. 配置文件 ~~~~~~~~~~~~~~~~~~~~~ 准备 ``config_hls.yaml`` 并包含可调整的块大小参数（示例使用 30×30 的块）： .. code:: yaml DATASETINFO: n_rows: 3660 n_cols: 3660 n_block_x: 30 n_block_y: 30 步骤 1：影像预处理 --------------------------- 目的 ~~~~~~~ 按时间序列堆叠 HLS 影像，以便后续进行变化检测。 流程 ~~~~~~~~~ 1. 根据需要调整 config.yaml 中的配置 2. 切换到目录 ``pyxccd\tutorials\notebooks`` 并运行堆叠脚本： .. code:: bash python prepare_ard.py --source_path /path/to/HLS_root_directory/Tile_ID \ --yaml_path /path/to/config.yaml \ --out_path /path/to/stack/data \ --low_date_bound 2019-01-01 \ --upp_date_bound 2024-12-31 \ --n_cores 16 参数 ~~~~~~~~~~ :: --source_path: HLS data directory (HLS/51RTP) --yaml_path: Configuration file path --out_path: Output directory for stacked data --low_date_bound: Start date (YYYY-MM-DD) --upp_date_bound: End date (YYYY-MM-DD) --n_cores: The total cores assigned 输出 ~~~~~~ 输出目录（默认为 ``stack``）将包含 ``{TileID}_stack`` 文件夹，其中为每个瓦片存放了按块组织的堆叠数据。 步骤 2：断点检测 ----------------------- SCCD 算法： ~~~~~~~~~~~~~~~ 目的 ^^^^^^^ 使用 pyxccd 的 SCCD 算法在像元级别检测断点。 流程 ^^^^^^^^^ 1. 完成堆叠过程（步骤 1） 2. 运行 SCCD 检测脚本： .. code:: bash python tile_processing.py --method SCCDOFFLINE \ --stack_path /path/to/stack/data \ --yaml_path /path/to/config.yaml \ --result_path /path/to/sccd_results \ --low_datebound 2019-01-01 \ --upper_datebound 2024-12-31 \ --n_cores 16 参数 ^^^^^^^^^^ :: --stack_path: Stacked data directory from Step 1 --result_path: Output directory for SCCD results (Other parameters same as Step 1) 输出 ^^^^^^ 输出目录（默认为 ``sccd_results``）将包含： :: record_change_x{blockX}_y{blockY}_sccd.npy: Change detection results per block SCCD_block{blockID}_finished.txt: Completion marker files COLD 算法： ~~~~~~~~~~~~~~~ 目的 ^^^^^^^ 使用 pyxccd 的 COLD 算法检测像元级别的变化。 流程 ^^^^^^^^^ 1. 完成堆叠过程（步骤 1） 2. 运行 COLD 检测脚本： .. code:: bash python tile_processing.py --method COLD \ --stack_path /path/to/stack/data \ --yaml_path /path/to/config.yaml \ --result_path /path/to/cold_results \ --low_datebound 2019-01-01 \ --upper_datebound 2024-12-31 \ --n_cores 16 或 S-CCD .. code:: bash python tile_processing.py --method SCCDOFFLINE \ --stack_path /path/to/stack/data \ --yaml_path /path/to/config.yaml \ --result_path /path/to/cold_results \ --low_datebound 2019-01-01 \ --upper_datebound 2024-12-31 \ --n_cores 16 参数 ^^^^^^^^^^ :: --stack_path: Stacked data directory from Step 1 --result_parent_path: Output directory for COLD results (Other parameters same as Step 1) 输出 ^^^^^^ 输出目录（默认为 ``cold_results``）将包含： :: record_change_x{blockX}_y{blockY}_cold.npy: Change detection results per block COLD_block{blockID}_finished.txt: Completion marker files 步骤 3：干扰图生成 ---------------------------------- 目的 ~~~~~~~ 将断点检测结果转换为年度/近期/首次干扰图。 流程 ~~~~~~~~~ 1. 完成步骤 1-2 2. 运行干扰制图脚本： .. code:: bash COLD: python export_change_map.py --source_dir /path/to/HLS_root_directory/Tile_ID \ --result_path /path/to/cold_results \ --out_path /path/to/disturbance_maps \ --method COLD \ --yaml_path /path/to/config.yaml \ --year_lowbound 2019 \ --year_uppbound 2024 \ --n_cores 16 S-CCD: .. code:: bash python export_change_map.py --source_dir /path/to/HLS_root_directory/Tile_ID \ --result_path /path/to/sccd_results \ --out_path /path/to/disturbance_maps \ --method SCCDOFFLINE \ --yaml_path /path/to/config.yaml \ --year_lowbound 2019 \ --year_uppbound 2024 \ --n_cores 16 参数 ~~~~~~~~~~ :: --source_dir: HLS directory (for spatial reference) --result_path: SCCD or COLD results directory --out_path: Output directory for disturbance maps --method: SCCDOFFLINE or COLD --year_lowbound: Start year --year_uppbound: End year --n_cores: The total cores assigned 输出 ~~~~~~ 输出目录（默认为 ``disturbance_maps``）将包含： S-CCD: (1) {year}_break_map_SCCDOFFLINE.tif: Annual disturbance date and type map | Pixel value = disturbance_type × 1000 + day_of_year | Disturbance types (S-CCD): | 1 - Disturbance | 2 - Recovery (2) first_disturbance_map_SCCDOFFLINE.tif: First disturbance map (year of first disturbance) (3) recent_disturbance_map_SCCDOFFLINE.tif: Recent disturbance map (year of latest disturbance) COLD: (1) {year}_break_map_COLD.tif: Annual disturbance date and type map | Pixel value = disturbance_type × 1000 + day_of_year | Disturbance types (COLD): | 1 - Disturbance | 2 - Regrowth 3 - Restoration (2) first_disturbance_map_COLD.tif: First disturbance map (year of first disturbance) (3) recent_disturbance_map_COLD.tif: Recent disturbance map (year of latest disturbance) 注意事项 --------- 1. 对于大面积区域，请分批处理瓦片以避免内存过载。 2. 调整 config_hls.yaml 中的块大小参数以平衡处理速度和内存使用。 3. 中断的处理可以恢复——脚本将跳过已完成的块。 结果示例 --------------- First Disturbance Map (COLD): |image1| First Disturbance Map (SCCD): |image2| .. |image1| image:: cold.png .. |image2| image:: sccd.png