Analyser les changements avec l’algorithme LandTrendr (Outils Image Analyst)
Résumé
Évalue les changements des valeurs de pixels au fil du temps à l’aide de la méthode de détection des tendances en matière de perturbation et de récupération des forêts basée sur Landsat (LandTrendr), puis génère un raster d’analyse des changements contenant les résultats du modèle.
En savoir plus sur le fonctionnement de l’analyse LandTrendr
Utilisation
L’algorithme LandTrendr permet d’identifier les changements des valeurs de pixel au fil du temps. Développé pour une série chronologique d’imagerie Landsat multibande, il sert à détecter les changements et à classer la couverture terrestre avant et après la modification. Vous pouvez utiliser cet outil avec des images issues des capteurs pris en charge, et pour détecter des changements sur des rasters à une seule bande. Par exemple, cet outil peut servir à détecter des changements dans une série temporelle de rasters NDVI, afin d’identifier les événements liés à la déforestation.
L’algorithme LandTrendr extrait la trajectoire de la série chronologique pour chaque pixel au fil du temps en utilisant la valeur de pixel d’une seule bande ou d’un seul indice spectral. La trajectoire est ensuite découpée en segments, afin de capturer et modéliser les périodes sans changement, avec changement et de récupération après changement.
Cet outil a pour sortie des informations de modèle dans un raster d’analyse des changements dans lequel chaque pixel stocke un ensemble d’informations de modèle décrivant l’historique du pixel au fil du temps. Le raster d’analyse des changements est un raster multidimensionnel dans lequel chaque tranche est un raster multibande composé des coefficients de modèle, de l’erreur quadratique moyenne (EQM) et des changements observés. Il peut être utilisé comme entrée pour l’outil [Detect Change Using Change Analysis Raster (Détecter les modifications à l’aide du raster d’analyse des changements)], ce qui génère un raster contenant des informations sur les changements pour chaque pixel.
Chaque année de l’analyse est représentée par une tranche.
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—comme les produits de réflectance de surface Landsat Collection 1 avec un masque de nuage.
L’outil effectue l’analyse sur une image par an, et le nombre de tranches annuelles doit être au moins égal à la valeur du paramètre Minimum Number of Observations (Nombre minimal d’observations). Il est recommandé de disposer d’au moins six années de données.
Si vous disposez de données mensuelles, hebdomadaires ou quotidiennes, nous vous recommandons de sélectionner plusieurs images pour chaque année (si possible à la même saison), de supprimer les nuages et leur ombre, puis d’associer ces images pour générer une image unique qui capture bien l’observation. Si des données mensuelles, hebdomadaires ou quotidiennes sont fournies comme raster multidimensionnel en entrée, l’outil identifie une tranche pour l’analyse en fonction de la date la plus proche de celle indiquée dans le paramètre Snapping Date (Date de capture).
Il faut souvent un peu de temps pour qu’une entité dans un paysage récupère après un changement temporaire comme un feu de forêt ou une invasion d’insectes. Pour contrôler le taux de récupération reconnu par le modèle, définissez le paramètre Recovery Threshold (Seuil de récupération). Le taux de récupération d’un segment ne peut pas être plus rapide que la valeur 1/seuil de récupération.
La récupération après un changement dans le paysage peut se faire dans le sens positif ou négatif. Par exemple, lorsqu’un paysage subit une déforestation, une série temporelle de valeurs d’index de végétation montre une chute des valeurs d’index, et la récupération se traduit par une augmentation progressive des valeurs d’index de végétation, soit une tendance de récupération positive. Spécifiez le sens de la tendance de récupération à l’aide du paramètre Recovery Has Increasing Trend (La tendance de récupération augmente).
Pour explorer les changements calculés dans le raster d’analyse des changements en sortie, créez un diagramme de profil temporel. Générez des graphiques pour plusieurs emplacements dans le raster d’analyse des changements à l’aide de la bande Fitted Value (Valeur ajustée) ou Slope (Pente) pour voir où des changements se sont produits. Vous pouvez faire glisser le pointeur sur les points du graphique pour identifier la date du changement.
L’exécution de cet outil peut prendre longtemps et le stockage des résultats peut nécessiter une grande quantité d’espace disque. Pour réduire le temps de traitement et la quantité d’espace de stockage requis, nous vous recommandons de procéder comme suit :
Désactivez l’environnement Pyramid (Pyramide). Décochez la case Build Pyramids (Créer des pyramides) dans la fenêtre Environment (Environnement) ou définissez l’environnement sur
NONEdans Python.Définissez l’environnement Compression sur LERC et le paramètre Max error (Erreur max) sur 0,000001.
Si vous pensez exécuter l’outil Detect Change Using Change Analysis Raster (Détecter les modifications à l’aide du raster d’analyse des changements) plusieurs fois sur la sortie de cet outil, créez une transposition multidimensionnelle sur le résultat.
Cet outil crée un jeu de données raster multidimensionnel au format Cloud Raster Format (CRF). Actuellement, aucun autre format en sortie n’est pris en charge.
Paramètres
| Etiqueter | Explication | Type de données |
|---|---|---|
|
Raster multidimensionnel en entrée |
Jeu de données raster multidimensionnel en entrée. |
Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service; File |
|
Nom de la bande de traitement (Facultatif) |
Nom de bande d’image à utiliser pour segmenter les trajectoires de valeur de pixel dans le temps. Choisissez le nom de bande qui capture le mieux les changements dans l’entité à observer. Si aucune valeur de bande n’est spécifiée et que l’entrée est une imagerie multibande, la première bande de l’image multibande est utilisée. |
String |
|
Date de capture (Facultatif) |
Date utilisée pour identifier une tranche pour chaque année dans le jeu de données multidimensionnelles en entrée. La tranche dont la date est la plus proche de la date de capture est utilisée. Ce paramètre est requis si le jeu de données en entrée contient des données pour des périodes inférieures aux années. La valeur par défaut est 06-30, c’est-à-dire le 30 juin, date située à peu près au milieu de l’année calendaire. |
String |
|
Nombre maximal de segments (Facultatif) |
Nombre maximal de segments à associer à la série temporelle de chaque pixel. La valeur par défaut est 5. |
Long |
|
Seuil de dépassement du nombre de sommets (Facultatif) |
Nombre de sommets supplémentaires au-delà de Maximum Number of Segments (Nombre maximal de segments) + 1 qui peut être utilisé pour ajuster le modèle au cours de la phase initiale d’identification des sommets. Ultérieurement dans le processus de modélisation, le nombre de sommets supplémentaires est réduit à Maximum Number of Segments (Nombre maximal de segments) + 1. La valeur par défaut est 2. |
Long |
|
Seuil de pic (Facultatif) |
Seuil à utiliser pour amortir les pics ou les anomalies dans la trajectoire de valeur de pixel. La valeur doit être comprise entre 0 et 1, où 1 signifie qu’aucun amortissement n’est appliqué. La valeur par défaut est 0,9. |
Double |
|
Seuil de récupération (Facultatif) |
Valeur du seuil de récupération en années. Si le taux de récupération d’un segment est plus rapide que |
Double |
|
Empêcher la récupération sur un an (Facultatif) |
Indique si les segments qui présentent une récupération sur un an doivent être exclus.
|
Boolean |
|
La tendance de récupération augmente (Facultatif) |
Indique si la récupération présente une tendance à la hausse (positive).
|
Boolean |
|
Nombre minimal d’observations (Facultatif) |
Nombre minimum d’observations valides nécessaire pour effectuer l’ajustement. Le nombre d’années dans le jeu de données multidimensionnelles en entrée doit être supérieur ou égal à cette valeur. La valeur par défaut est 6. |
Long |
|
Proportion de modèle idéale (Facultatif) |
Meilleure valeur de proportion de modèle. Pendant le processus de sélection de modèle, l’outil calcule la valeur p pour chaque modèle et identifie le modèle qui a le plus de sommets tout en conservant la valeur p la plus petite (la plus significative) en fonction de cette valeur de proportion. La valeur 1 signifie que le modèle a la valeur p la plus basse mais n’a peut-être pas un grand nombre de sommets. La valeur par défaut est 1,25. |
Double |
|
Seuil de valeur p |
Seuil de valeur p à sélectionner pour un modèle. Une fois les sommets détectés à l’étape initiale d’ajustement du modèle, l’outil ajuste chaque segment et calcule la valeur p pour déterminer le niveau d’importance du modèle. À l’itération suivante, le modèle diminue le nombre de segments d’un et recalcule la valeur p. Le processus continue ainsi et, si la valeur p devient inférieure à la valeur spécifiée dans ce paramètre, le modèle est sélectionné et l’outil arrête de rechercher un meilleur modèle. Si aucun modèle n’est sélectionné, l’outil sélectionne un modèle dont la valeur p est inférieure à la valeur |
Double |
|
Inclure les autres bandes (Facultatif) |
Indique si les autres bandes sont incluses dans le processus de segmentation.
|
Boolean |
Valeur de retour
| Etiqueter | Explication | Type de données |
|---|---|---|
|
Raster multidimensionnel en sortie |
Jeu de données raster multidimensionnel CRF (Cloud Raster Format) en sortie. Raster d’analyse des changements en sortie contenant les informations de modèle issues de l’analyse LandTrendr. |
Raster |
Environnements
Taille de cellule, Compression, Espace de travail courant, Transformations géographiques, NoData, Mot-clé CONFIG en sortie, Système de coordonnées en sortie, Étendue, Facteur de traitement parallèle, Pyramide, Statistiques raster, Méthode de rééchantillonnage, Espace de travail temporaire, Raster de capture, Taille de tuile
Informations de licence
- Basic: Requiert Image Analyst
- Standard: Requiert Image Analyst
- Advanced: Requiert Image Analyst