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）：

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：

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：

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：

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

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：

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:

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

  1. first_disturbance_map_SCCDOFFLINE.tif: First disturbance map (year of first disturbance)

  2. 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

  1. first_disturbance_map_COLD.tif: First disturbance map (year of first disturbance)

  2. 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