LandTrendr を使用した変化の解析 (Image Analyst ツール)
サマリー
干渉と回復における Landsat ベースの傾向検出 (LandTrendr) 法を使用してピクセル値の経時的な変化を評価し、モデル結果を含む変化解析ラスターを生成します。
使用法
LandTrendr アルゴリズムは、ピクセル値の経時的な変化を識別するための手法です。 マルチバンドの Landsat 画像の時系列のために開発された手法であり、変化を検出して変化が起きた前後の土地被覆を分類するために使用されます。 このツールは、サポートされているセンサーからの画像で使用でき、シングル バンド ラスターの変化の検出に利用できます。 たとえば、このツールは使用して、時系列の NDVI ラスターの変化を検出し、森林破壊イベントを特定できます。
LandTrendr アルゴリズムは、単一スペクトル バンドまたはスペクトル インデックスのピクセル値情報を使用して、各ピクセルの時系列の軌道を経時的に抽出します。 その後軌道が、変化なし、変化、変化からの回復の各期間を取得してモデル化するためにセグメント化されます。
このツールから生成される出力は、変化解析ラスター内のモデル情報であり、各ピクセルには、時間の経過とともにそのピクセルがどのように変化したかを示す一連のモデル情報が格納されています。 この変化解析ラスターは、各スライスがモデル係数、RMSE (二乗平均平方根誤差)、観測された変化で構成されるマルチバンド ラスターになる多次元ラスターです。 各ピクセルの変化情報を含むラスターを生成する 変化解析ラスターから変化を検出 ツールへの入力として使用できます。
解析には各年に 1 つのスライスが含まれます。
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—例として、雲のマスクを含む Landsat Collection 1 Surface Reflectance プロダクトがあります。
このツールは各年 1 つの画像に対して解析を実行し、各年のスライス数は 最小観測数 パラメーターで指定した値以上である必要があります。 6 年間以上のデータを用意することをおすすめします。
月次、週次、または日次のデータがある場合は、各年から複数の画像 (同じ季節の画像を推奨) を選択して、雲や雲の影を除去し、画像を組み合わせることで、観測対象をよく捉えた 1 つの画像を生成することをおすすめします。 入力多次元ラスターとして月次、週次、または日次データが入力された場合、ツールは スナップ日付 パラメーターに入力された日付に最も近い日付に基づいて、解析用の 1 つのスライスを特定します。
地形のフィーチャは、森林火災や昆虫の侵入などの非永続的な変化から回復するのに時間がかかることがよくあります。 モデルが認識する回復率を制御するには、回復閾値 パラメーターを設定します。 個別のセグメントに、1/回復閾値よりも速い回復率を設定することはできません。
地形の変化からの回復は、正または負の方向に発生します。 たとえば、地形で森林が喪失した場合、植生指数を時系列で見ると低下しますが、回復につれて植生指数は緩やかに上昇し、正の回復傾向を示します。 回復傾向の方向を 回復が増加傾向 パラメーターで指定します。
出力変化解析ラスターで計算された変化を調べるには、時系列プロファイル チャートを作成します。 変化解析ラスターで適合値バンドまたは勾配バンドを使用してさまざまな場所のグラフを生成し、いつ変更が発生したかを表示します。 グラフ上のポイントにポインターを合わせると、変化日を確認できます。
このツールの実行には、時間がかかる場合があり、結果を保存するために大量のディスク容量を必要とします。 処理時間を短縮し、保存容量を減らすには、次の手順に従うことをおすすめします。
このツールは、多次元ラスター データセットをクラウド ラスター形式 (CRF) で生成します。 現在、これ以外の出力形式はサポートされていません。
パラメーター
| ラベル | 説明 | データ タイプ |
|---|---|---|
|
入力多次元ラスター |
入力多次元ラスター データセット。 |
Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service; File |
|
処理バンド名 (オプション) |
経時的なピクセル値の軌道をセグメント化する際に使用する画像バンド名。 観測対象フィーチャの変化を最もよく捉えたバンド名を選択します。 バンド値が指定されておらず、入力がマルチバンド画像の場合、マルチバンド画像の最初のバンドが使用されます。 |
String |
|
スナップ日付 (オプション) |
入力多次元データセットの各年のスライスを識別する際に使用される日付。 スナップ日付と最も近い日付のスライスが使用されます。 このパラメーターは、入力データセットに年単位未満のデータが含まれている場合に必須です。 デフォルトは 06-30 (暦年のほぼ中間の 6 月 30 日) です。 |
String |
|
最大セグメント数 (オプション) |
ピクセルごとに時系列に適合させるセグメントの最大数を指定します。 デフォルトは 5 です。 |
Long |
|
頂点数オーバーシュート閾値 (オプション) |
頂点を識別する初期段階でモデルを適合させるために使用できる、最大セグメント数 + 1 を超える追加の頂点数。 モデリング プロセスの後半では、追加の頂点数は 最大セグメント数 + 1 に減少します。 デフォルトは 2 です。 |
Long |
|
スパイク閾値 (オプション) |
ピクセル値の軌道のスパイクや異常値を減衰させるために使用する閾値。 値の範囲は 0 ～ 1 で、1 の場合は減衰させません。 デフォルトは 0.9 です。 |
Double |
|
回復閾値 (オプション) |
年単位の回復閾値。 |
Double |
|
1 年での回復を防ぐ (オプション) |
1 年での回復を示すセグメントを除外するかどうかを指定します。
|
Boolean |
|
回復が増加傾向 (オプション) |
回復が増加傾向 (正の傾向) にあるかどうかを指定します。
|
Boolean |
|
最小観測数 (オプション) |
適合の実行に必要とされる有効な観測データの最小数。 入力多次元データセットの年数は、この値以上である必要があります。 デフォルトは 6 です。 |
Long |
|
ベスト モデル比率 (オプション) |
ベスト モデルの比率値。 モデル選択プロセスで、このツールは各モデルの p 値を計算し、この比率値に基づいて最小の (最も有意な) p 値を維持しながら、最も多くの頂点を含むモデルを特定します。 値が 1 の場合、モデルの p 値は最小になるものの、含まれる頂点の数が多くない可能性があります。 デフォルトは 1.25 です。 |
Double |
|
p 値閾値 |
選択するモデルの p 値の閾値。 モデル適合の初期段階で頂点が検出された後、ツールは各セグメントを適合させ、p 値を計算して、モデルの有意性を決定します。 次の反復では、モデルはセグメント数を 1 つ減らして、p 値を再計算します。 この処理を継続し、p 値がこのパラメーターで指定した値よりも小さくなった場合にモデルが選択され、ツールは最適なモデルの探索を停止します。 この処理でモデルが選択されなかった場合、ツールは |
Double |
|
他のバンドを含める (オプション) |
他のバンドをセグメンテーション プロセスに含めるかどうかを指定します。
|
Boolean |
戻り値
| ラベル | 説明 | データ タイプ |
|---|---|---|
|
出力多次元ラスター |
出力クラウド ラスター形式 (CRF) の多次元ラスター データセット。 LandTrendr 解析のモデル情報を含む出力変化解析ラスター。 |
Raster |
環境
セル サイズ, 圧縮, 現在のワークスペース, 地理座標系変換, NoData, 出力データのコンフィグレーション キーワード, 出力座標系, 範囲, 並列処理ファクター, ピラミッド, ラスター統計, リサンプリング方法, スクラッチ ワークスペース, スナップ対象ラスター, タイル サイズ
ライセンス情報
- Basic: Image Analyst が必要
- Standard: Image Analyst が必要
- Advanced: Image Analyst が必要