“使用 LandTrendr 分析变化”工具的工作原理

需具有 Image Analyst 许可才能使用。

将使用 LandTrendr 分析变化工具与使用变化分析栅格检测变化工具配合使用，可用于识别像素值随时间的变化，以指示土地使用或土地覆被的变化。

LandTrendr 算法

使用 LandTrendr 分析变化工具使用基于 Landsat 的干扰和恢复趋势检测 (LandTrendr) 算法（由 Kennedy 等人于 2010 年提出）。 该算法的作用是提取景观中的要素因干扰（从一种状态到另一种状态的短暂变化）和恢复（恢复到原始状态的较长过程）发生的变化的信息。

变化检测

LandTrendr 算法基于以下理念：像素的历史记录可以随时间分成几个线段。 可能存在变化极小的较长时间段，以斜率较小的直线表示。 当发生干扰时，像素值会发生变化，以一条可能斜率较高的短线段表示。 如果允许恢复，例如在森林火灾后，这将由一条斜率较小的长线表示，线逐渐向像素原始值移动。

在上图中，像素在一段时间内是绿色，然后发生了干扰，像素变成了灰棕色，然后随着时间慢慢变回绿色。 在 LandTrendr 算法中，这通过图像底部图表中显示的三条线段表示。 每个变化处都有折点，帮助描述这些线段。

本示例是像素随时间变化的高度简化历史记录。 多年来，景观可能会发生许多大大小小的变化。 使用 LandTrendr 分析变化工具提供诸多参数，用于控制提取的模型信息，确保仅检索到感兴趣的变化。

输入影像要求

LandTrendr 算法适用于 Landsat TM、Landsat ETM+ 和 Landsat OLI 数据表面反射率数据。 然而，使用 LandTrendr 分析变化工具将检测来自任何受支持传感器的影像中的变化，以及波段指数等影像导数。

该算法需要在分析中使用每年拍摄的一张影像，建议在该工具中使用至少六年的数据。 生成包含每年影像的多维镶嵌数据集或采用云栅格格式 (.crf) 的多维栅格数据集，并以此作为工具输入。

影像分割仅在影像的一个波段上执行。 因此，必须选择最能代表要提取的信息的处理波段。 例如，近红外 (NIR) 波段可能是用于捕捉植被变化的最佳波段。 然而，在许多情况下，波段指数可能更适合提取信息。 例如，为了可视化景观中开阔水域要素的变化，您可能想要使用修正归一化差值水体指数 (MNDWI)，它利用绿色和 SWIR 波段的光谱信息。

该算法依赖于随时间推移持续一致地观测现象的能力，因此必须准备好经过大气和传感器噪声、云及云阴影归一化的影像。 如果准备了对应同一年份的多张影像（最好是来自同一季节，以减少季节性波动），可以从多张影像中去除云和云阴影，并将它们组合成一张针对该年的代表性影像。

模型结果

使用 LandTrendr 分析变化工具将输出包含模型系数的变化分析栅格。 分析中每个年份对应一个时间片，因此每个像素包含针对每年的不同模型系数组。 输出中包含一个名为 FittedValue 的波段，该波段提供在该时间点上拟合到建模线段的像素值。

模型系数难以直观解读。 可通过其他工具解读数据：

• 创建时间剖面图，以利用 Fitted Value 波段来探索像素随时间的变化。 这将显示使用 LandTrendr 算法提取的像素线性线段。

• 使用变化分析栅格作为使用变化分析栅格检测变化工具的输入，以提取变化日期信息。

时间剖面图

要探索模型的分段结果，使用 Fitted Value 波段为使用 LandTrendr 分析变化工具的变化分析输出生成时间剖面图。

变化日期

要提取像素值变化日期的信息，使用使用变化分析栅格检测变化工具。 该工具会生成一个栅格，其中每个像素的日期值对应感兴趣的日期。 可提取模型中特定段的起始日期或结束日期。 例如，可提取代表最长变化时间段的线段的起始日期（由上图中的点 表示），或者提取代表变化最快（斜率值最高）的线段的结束日期（由上图中的点 表示）。