试图识别Landsat图像中的断点 - 为什么BFAST会错过明显的断点？

Question

我有一堆300多个Landat NDVI图像。我在R中使用BFAST包来识别断点。从这张图片可以看出，休息时间往往非常明显：

请注意1988年后NDVI大幅下降，然后逐渐增加。 BFAST忽略了明显的突破，而是在1994年左右在逐渐增加的中间设置一个断点。

我使用以下R代码来运行BFAST：

bfast（ndvi.ts，h = .3，season =“harmon”，max.iter = 1，breaks = 1）

（调整h参数似乎不会改善这种情况）。

每个人都有几个问题：

1. 除了h之外是否还有一个参数可以调整以改善结果？
2. 如果没有，有没有办法按摩数据以获得更好的结果？
3. 如果没有，R中是否有另一个可能产生更好结果的断点分析包？

Answer 1

我已经进行了相同的分析，最终使用了ecp包http://cran.r-project.org/web/packages/ecp/vignettes/ecp.pdf

在我的工作流程中，我为多个站点提取每个图像日期的索引，并将它们放在数据框中。然后从那里我有一个循环，计算变化点并创建一个时间序列的ggplot与指示的变化点。我不会在这里显示整个循环，但是用于识别变更点的相关代码类似于：

library("ecp")
df <- "your data frame"
df2 <- df[ ,1]#assuming your data values are in first column
ecp.mat <- matrix(df2, ncol = 1)
ecp.out <- e.divisive(ecp.mat, R = 499, sig.lvl = sig, alpha = 1 )
ecp.est <- ecp.out$estimates[c(-1, -length(ecp.out$estimates))]#drop first and last records

上面的最后一个对象包含变更点的位置，然后我将其绘制出来。希望有所帮助。