pyxccd：新一代多源遥感时序分析Python工具

各位遥感与地理信息领域的小伙伴们，今天要向大家安利一个浙江大学叶粟团队开发的开源Python时序分析工具——pyxccd（PYthon library for latest and eXtended Continuous Change Detection）。

工具介绍

pyxccd是基于最新CCDC及其state-space理论的扩展算法S-CCD开发的Python库，用于高效本地处理多源遥感时序数据，支持任意波段传感器组合的输入，实现精准地表变化回溯检测、近实时监测、顾及断点的时序插补和物候分析等功能。

安装方式

该工具支持Windows、macOS和Linux等主流操作系统，可在pip上用以下命令安装：

pip install pyxccd

五大技术亮点详解

近实时监测能力

采用独特的S-CCD算法，支持递归更新模型系数，实现短记忆轻量化时序处理；

实现近实时变化检测，及时捕捉地表动态变化，完美适用于灾害应急、环境监测等快速响应场景。

顶尖检测精度

集成最新的CCDC算法（COLD），提供迄今最高的断点检测精度；

与权威MATLAB版本验证一致，确保结果可靠性。

极致处理效率

核心算法采用C语言编写，辅以Python接口，计算性能大幅优化；

内存占用低，支持TB级时序数据处理，完美适配从个人电脑到高性能计算的的各类环境。

多源传感器支持

突破传感器限制，支持Landsat、Sentinel-2、MODIS、GOSIF、SMAP等任意卫星时序；

灵活的波段组合配置，满足不同分析需求，为多源数据融合提供强大技术支撑。

状态空间（state-space）模型

S-CCD算法创新性地将状态空间模型引入CCDC框架，支持导出不同频率域信号的“状态”分量（states）；

能够精准捕捉物候变迁等细微变化，支持顾及断点的智能数据填补。

可视化测试界面

https://pan.quark.cn/s/c57a14eeb7fa#/list/share

丰富的教程案例

此外，pyxccd提供了多个时序分析案例（仍在扩展中），包括了森林扰动监测、绿化现象、降雨季节性分析、近实时监测、数据插补等常见应用场景。涉及中等分辨率数据如HLS、Landsat、Sentinel-2等，以及粗分辨率数据如GOSIF、MODIS、FY3B（土壤湿度）、GPCP（降雨）等。

中文教程链接：

https://hyctutorial.readthedocs.io/en/latest/tutorial_ch.html

a. 四川火灾监测（HLS时序）

详细教程：

https://hyctutorial.readthedocs.io/en/latest/ch1_break_detection_fire_hls.html

b. 科罗拉多虫害（Landsat时序）

详细教程：

https://hyctutorial.readthedocs.io/en/latest/ch2_parameter_selection_insect_landsat.html

c. 河南休耕（Sentinel-2时序）

详细教程：

https://hyctutorial.readthedocs.io/en/latest/ch3_flexible_inputs_crop_sentinel2.html

d. 杭州市历史扰动制图(HLS时序，台式机计算环境)

详细教程：

https://hyctutorial.readthedocs.io/en/latest/ch4_tile_processing_general_hls.html

e. 喜马拉雅山区域绿化拐点（MODIS时序）

详细教程：

https://hyctutorial.readthedocs.io/en/latest/ch5_state_analysis_greenning%26precipitation_coarse.html

f. 降雨季节性分析（GPCP时序）

详细教程：

https://hyctutorial.readthedocs.io/en/latest/ch5_state_analysis_greenning%26precipitation_coarse.html

g. 数据插补（土壤湿度时序）

详细教程：

https://hyctutorial.readthedocs.io/en/latest/ch8_gapfilling_general_FY3B.html

特别提示

开发者诚挚邀请广大用户尝试pyxccd处理不同卫星源的遥感时序，进行断点、形状、趋势等分析。若遇到问题，欢迎联系作者（su.ye@zju.edu.cn）。