Mit der Image Analyst-Lizenz verfügbar.
Übersicht
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.
Informationen über den LandTrendr-Algorithmus finden Sie unter Funktionsweise von "Veränderungen mit LandTrendr analysieren".
Hinweis:
Diese Raster-Funktion wird nur gemeinsam mit der Funktion Veränderung mit Veränderungsanalyse erkennen unterstützt. Verwenden Sie den Ausgabe-Layer der LandTrendr-Analyse-Funktion als Eingabe für die Funktion "Veränderung mit Veränderungsanalyse erkennen". Um eine Raster-Ausgabe zu erzeugen, verbinden Sie die LandTrendr-Analyse-Funktion mit dem Funktions-Editor mit der Funktion "Veränderung mit Veränderungsanalyse erkennen", speichern Sie sie als Raster-Funktionsvorlage, und verwenden Sie sie als Eingabe für das Geoverarbeitungswerkzeug Raster über Raster-Funktion erstellen.
Hinweise
Diese Raster-Funktion kann nur als Eingabe für die Raster-Funktion Veränderung mit Veränderungsanalyse erkennen verwendet werden. Um eine Raster-Ausgabe zu erzeugen, verbinden Sie die LandTrendr-Analyse-Funktion in einer Raster-Funktionsvorlage mit der Funktion "Veränderung mit Veränderungsanalyse erkennen", und verwenden Sie die Vorlage als Eingabe für das Geoverarbeitungswerkzeug Raster über Raster-Funktion erstellen. Das Ergebnis ist ein Raster, das Informationen über den Zeitpunkt enthält, an dem sich Pixelwerte geändert haben.
Mit diesem Werkzeug werden Veränderungen an einem beobachteten Feature extrahiert, sodass die optimalen multidimensionalen Eingabe-Bilddaten im Zeitverlauf eine konsistente Beobachtung erfassen und keine atmosphärischen oder Sensorstörungen, Wolken bzw. Wolkenschatten enthalten sollten. 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 von einem 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, Daten aus mindestens sechs Jahren zu verwenden.
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.
Parameter
| Parameter | Beschreibung |
|---|---|
Raster | Der als Eingabe verwendete multidimensionale Landsat-Raster-Layer. |
Bandname wird verarbeitet | 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. |
Fangdatum | 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. |
Maximale Anzahl an Segmenten | Die maximale Anzahl von Segmenten, die für jedes Pixel an die Zeitreihe anzupassen sind. Die Standardeinstellung ist 5. |
Überstand bei Anzahl an Stützpunkten | Die Anzahl der zusätzlichen Stützpunkte, die über max_num_segments + 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 max_num_segments + 1 reduziert. Die Standardeinstellung ist 2. |
Spike-Schwellenwert | Der Schwellenwert, der zum Dämpfen von Spikes oder Abweichungen im Pixelwertverlauf verwendet wird. Der Wert muss im Bereich von 0 bis 1 liegen, wobei 1 angibt, dass keine Dämpfung erfolgt. Der Standardwert ist 0,9. |
Regenerations-Schwellenwert | Der Regenerationsschwellenwert in Jahren. Wenn ein Segment eine schnellere Regenerationsrate als 1/recovery threshold aufweist, wird das Segment verworfen und nicht in das Zeitserienmodell aufgenommen. Der Wert muss zwischen 0 und 1 liegen. Der Standardwert ist 0,25. |
Mindestanzahl der Beobachtungen | 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. Der Standardwert ist 6. |
Schwellenwert für p-Werte | Der Schwellenwert für p-Werte, bei dem ein Modell ausgewählt werden kann. 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 entsprechendes Modell ausgewählt wird, wählt das Werkzeug ein Modell mit einem p-Wert aus, der kleiner ist als der lowest p-value × best model proportion value. Der Standardwert ist 0,01. |
Proportion des besten Modells | Der beste Proportionswert des Modells. Während der Modellauswahl berechnet das Werkzeug den p-Wert für jedes Modell und bestimmt das 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. Der Standardwert ist 1,25. |
Einjährige Regeneration verhindern | Gibt an, ob Segmente, die eine einjährige Regeneration aufweisen, ausgeschlossen werden.
|
Regeneration mit zunehmendem Trend | Gibt an, ob die Regeneration einen zunehmenden (positiven) Trend aufweist.
|
Andere Bänder ausgeben | Gibt an, ob andere Bänder in die Ergebnisse einbezogen werden.
|