Änderungen mit LandTrendr analysieren (Image Analyst Tools)
Zusammenfassung
Überprüft mit der Landsat-Methode zur Erkennung von Störungs- und Regenerationstendenzen (LandTrendr) Veränderungen von Pixelwerten im Zeitverlauf und generiert ein Veränderungsanalyse-Raster, das die Modellergebnisse enthält.
Verwendung
Der Algorithmus "LandTrendr" ist ein Verfahren zur Erkennung von Veränderungen der Pixelwerte im Zeitverlauf. Er wurde für eine Zeitserie von Multiband-Landsat-Bilddaten entwickelt und wird verwendet, um Veränderungen der Landbedeckung zu erkennen und die Bedeckung vor und nach der Veränderung zu klassifizieren. Dieses Werkzeug kann mit Bilddaten von unterstützten Sensoren verwendet werden und dient zur Erkennung von Veränderungen in Einzelband-Raster-Rasterbildern. Dieses Werkzeug kann beispielsweise dazu verwendet werden, Veränderungen in einer Zeitserie von NDVI-Rastern zu erkennen, um Ereignisse der Entwaldung zu identifizieren.
Der LandTrendr-Algorithmus extrahiert für jedes Pixel den Zeitserienverlauf im Laufe der Zeit, wobei die Pixelwertinformationen aus einem einzelnen Spektralband oder Spektralindex verwendet werden. Die Trajektorie wird anschließend segmentiert, um Phasen der Stagnation, der Veränderung und der Erholung nach einer Veränderung zu erfassen und zu modellieren.
Bei der Ausgabe dieses Werkzeugs handelt es sich um Modellinformationen in einem Veränderungsanalyse-Raster, in dem jedes Pixel eine Reihe von Modellinformationen speichert, die den Verlauf dieses Pixels im Laufe der Zeit beschreiben. Das Veränderungsanalyse-Raster ist ein multidimensionales Raster, bei dem jeder Ausschnitt ein Multiband-Raster ist, das aus den Modellkoeffizienten, dem RMS-Fehler (Root Mean Square, quadratisches Mittel) und den beobachteten Veränderungen besteht. Sie kann als Eingabe für das Werkzeug Veränderung mit Veränderungsanalyse-Raster erkennen verwendet werden, mit dem ein Raster generiert wird, das Änderungsinformationen für jedes Pixel enthält.
In der Analyse gibt es für jedes Jahr einen Abschnitt.
This tool extracts changes in an observed feature, so the ideal input multidimensional imagery should capture a consistent observation throughout time and should not include atmospheric or sensor interference, clouds, or cloud shadow. The best practice is to use data that has been normalized and can be masked using a QA band—Es hat sich bewährt, Daten zu verwenden, die normalisiert wurden und mit einem QA-Band maskiert werden können, z. B. Landsat-Produkte der 1. Sammlung zur Oberflächenreflexion mit einer Wolkenmaskierung.
Das Werkzeug führt die Analyse für ein Bild pro Jahr aus, und die Anzahl der Jahresabschnitte muss gleich oder größer sein als der im Parameter Minimale Anzahl der Beobachtungen angegebene Wert. Es wird empfohlen, dass Sie über Daten aus mindestens sechs Jahren verfügen.
Wenn Sie über monatliche, wöchentliche oder tägliche Daten verfügen, sollten Sie aus jedem Jahr mehrere Bilder auswählen (vorzugsweise aus der gleichen Jahreszeit), Wolken und Wolkenschatten entfernen und durch Kombinieren der Bilder ein einzelnes Bild generieren, das die Beobachtung gut erfasst. Sofern monatliche, wöchentliche oder tägliche Daten als multidimensionales Eingabe-Raster bereitgestellt werden, ermittelt das Werkzeug einen Abschnitt für die Analyse auf der Grundlage des Datums, das dem im Parameter **Fangdatum **angegebenen Datum am nächsten liegt.
Ein Feature in einer Landschaft braucht häufig einige Zeit, bis es sich von einer nicht dauerhaften Änderung wie einem Waldbrand oder einem Insektenbefall erholt hat. Legen Sie den Parameter Regenerations-Schwellenwert fest, um die vom Modell erkannte Regenerationsrate zu steuern. Ein eindeutiges Segment kann keine schnellere Regenerationsrate als 1/Regenerationsschwellenwert aufweisen.
Die Regeneration nach einer Veränderung in einer Landschaft kann in positiver oder negativer Richtung erfolgen. Erleidet eine Landschaft z. B. Waldverlust, zeigt eine Zeitserie von Vegetationsindexwerten einen Rückgang der Indexwerte, und die Regeneration zeigt einen allmählichen Anstieg der Vegetationsindexwerte oder einen positiven Regenerationstrend. Geben Sie die Richtung des Regenerationstrends mit dem Parameter Regeneration mit zunehmendem Trend an.
Um die im ausgegebenen Veränderungsanalyse-Raster berechneten Veränderungen zu erkunden, erstellen Sie ein zeitliches Profildiagramm. Erstellen Sie unter Verwendung des Bands "Angepasster Wert" oder des Bands "Neigung" Diagramme für verschiedene Standorte im Veränderungsanalyse-Raster, um festzustellen, wo die Veränderungen aufgetreten sind. Sie können den Mauszeiger über die Punkte im Diagramm bewegen, um das Datum der Veränderung zu bestimmen.
Die Ausführung dieses Werkzeugs kann einige Zeit in Anspruch nehmen und erfordert viel Speicherplatz zum Speichern der Ergebnisse. Um die Verarbeitungszeit zu verkürzen und den Speicherplatzbedarf zu verringern, werden folgende Schritte empfohlen:
Deaktivieren Sie die Umgebung "Pyramide". Deaktivieren Sie im Bereich Umgebung das Kontrollkästchen Pyramiden berechnen, oder legen Sie in Python
NONEals Umgebung fest.Legen Sie die Umgebung "Kompression" auf LERC fest, und setzen Sie Max. Fehler auf 0,000001.
Wenn Sie beabsichtigen, das Werkzeug Veränderung mit "Veränderungsanalyse-Raster erkennen" mehrfach auf die Ausgabe dieses Werkzeugs anzuwenden, erstellen Sie eine multidimensionale Umgruppierung des Ergebnisses.
Dieses Werkzeug generiert ein multidimensionales Raster-Dataset im Cloud-Raster-Format (CRF). Aktuell werden keine anderen Ausgabeformate unterstützt.
Parameter
| Beschriftung | Erläuterung | Datentyp |
|---|---|---|
|
Multidimensionales Eingabe-Raster |
Das als Eingabe verwendete multidimensionale Raster-Dataset. |
Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service; File |
|
Bandname wird verarbeitet (Optional) |
Der Name des Bildbands, das für die Segmentierung der Pixelwertverläufe im Laufe der Zeit verwendet wird. Wählen Sie den Namen des Bands aus, das die Veränderungen des zu beobachtenden Features am besten erfasst. Wenn kein Bandwert angegeben wurde und die Eingabe ein Multiband ist, wird das erste Band im Multiband-Bild verwendet. |
String |
|
Fangdatum (Optional) |
Das Datum, das zur Bestimmung eines Abschnitts für jedes Jahr im multidimensionalen Eingabe-Dataset verwendet wird. Es wird der Abschnitt mit dem Datum verwendet, das dem Fangdatum am nächsten liegt. Dieser Parameter ist erforderlich, wenn das Eingabe-Dataset Daten für kleinere Zeitabschnitte als Jahre enthält. Standardmäßig wird der Wert 06-30, d. h. der 30. Juni, verwendet, was in etwa die Mitte des Kalenderjahres darstellt. |
String |
|
Maximale Anzahl an Segmenten (Optional) |
Die maximale Anzahl von Segmenten, die für jedes Pixel an die Zeitreihe anzupassen sind. Die Standardeinstellung ist 5. |
Long |
|
Schwellenwert für die Anzahl an überschießenden Stützpunkten (Optional) |
Die Anzahl der zusätzlichen Stützpunkte, die über Maximale Anzahl an Segmenten + 1 hinausgehen und während der ersten Phase der Identifizierung von Stützpunkten zur Anpassung an das Modell verwendet werden können. Zu einem späteren Zeitpunkt im Modellierungsprozess wird die Anzahl der zusätzlichen Stützpunkte auf Maximale Anzahl an Segmenten + 1 reduziert. Die Standardeinstellung ist 2. |
Long |
|
Spike-Schwellenwert (Optional) |
Der Schwellenwert, der zum Dämpfen von Spikes oder Abweichungen im Pixelwerttrajektorie verwendet wird. Der Wert muss im Bereich von 0 bis 1 liegen, wobei 1 angibt, dass keine Dämpfung erfolgt. Die Standardeinstellung ist 0,9. |
Double |
|
Regenerations-Schwellenwert (Optional) |
Der Regenerationsschwellenwert in Jahren. Wenn ein Segment eine schnellere Regenerationsrate als |
Double |
|
Einjährige Regeneration verhindern (Optional) |
Gibt an, ob Segmente, die eine einjährige Regeneration aufweisen, ausgeschlossen werden.
|
Boolean |
|
Regeneration mit zunehmendem Trend (Optional) |
Gibt an, ob die Regeneration einen zunehmenden (positiven) Trend aufweist.
|
Boolean |
|
Mindestanzahl der Beobachtungen (Optional) |
Die Mindestanzahl gültiger Beobachtungen, die zur Durchführung der Anpassung erforderlich ist. Die Anzahl an Jahren im multidimensionalen Eingabe-Dataset muss gleich oder größer als dieser Wert sein. Die Standardeinstellung ist 6. |
Long |
|
Proportion des besten Modells (Optional) |
Der beste Proportionswert des Modells. Während der Modellauswahl berechnet das Werkzeug den p-Wert für jedes Modell und identifiziert ein Modell, das die meisten Stützpunkte enthält, wobei gleichzeitig der kleinste (signifikanteste) p-Wert basierend auf diesem Proportionswert beibehalten wird. Der Wert 1 bedeutet, dass das Modell den niedrigsten p-Wert aufweist, aber möglicherweise nicht viele Stützpunkte enthält. Die Standardeinstellung ist 1,25. |
Double |
|
Schwellenwert für p-Werte |
Der Schwellenwert für p-Werte für die Auswahl eines Modells. Nachdem die Stützpunkte in der ersten Phase der Modellanpassung erkannt wurden, passt das Werkzeug jedes Segment an und berechnet den p-Wert, um die Signifikanz des Modells zu ermitteln. Bei der nächsten Iteration verringert das Modell die Anzahl der Segmente um eins und berechnet den p-Wert neu. Diese Vorgehensweise wird fortgesetzt. Wenn der p-Wert kleiner ist als der in diesem Parameter angegebene Wert, wird das Modell ausgewählt, und das Werkzeug hört auf, nach einem besseren Modell zu suchen. Falls kein solches Modell ausgewählt wird, wählt das Werkzeug ein Modell mit einem p-Wert aus, der kleiner ist als der |
Double |
|
Andere Bänder einbeziehen (Optional) |
Gibt an, ob andere Bänder in die Ergebnisse einbezogen werden.
|
Boolean |
Rückgabewert
| Beschriftung | Erläuterung | Datentyp |
|---|---|---|
|
Multidimensionales Ausgabe-Raster |
Das multidimensionale Ausgabe-Raster-Dataset im Cloud Raster Format (CRF). Das ausgegebene Veränderungsanalyse-Raster, das Modellinformationen aus der LandTrendr-Analyse enthält. |
Raster |
Umgebungen
Zellengröße, Komprimierung, Aktueller Workspace, Geographische Transformationen, NoData, Ausgabe-CONFIG-Schlüsselwort, Ausgabe-Koordinatensystem, Ausdehnung, Faktor für parallele Verarbeitung, Pyramide, Raster-Statistiken, Resampling-Methode, Scratch-Workspace, Fang-Raster, Kachelgröße
Lizenzierungsinformationen
- Basic: Erfordert "Image Analyst"
- Standard: Erfordert "Image Analyst"
- Advanced: Erfordert "Image Analyst"