Disponible con licencia de Image Analyst.
La herramienta Analizar cambios usando LandTrendr, junto con la herramienta Detectar cambios usando el ráster de análisis de cambios, se puede utilizar para identificar cambios en los valores de píxel a lo largo del tiempo para indicar cambios en el uso del suelo o la cobertura del suelo.
Algoritmo LandTrendr
La herramienta Analizar cambios usando LandTrendr utiliza la detección de tendencias basada en Landsat en el algoritmo de alteraciones y recuperación (LandTrendr) (Kennedy et al, 2010). El propósito de este algoritmo es extraer información sobre cómo ha cambiado una entidad en un paisaje debido a alteraciones (un breve periodo de cambio de un estado a otro) y a la recuperación (el proceso más largo de vuelta al estado original).
Detección de cambios
El algoritmo LandTrendr se basa en la idea de que la historia de un píxel se puede dividir en varios segmentos lineales a lo largo del tiempo. Puede haber períodos largos con muy poco cambio, representados por una línea recta con poca pendiente. Cuando se produce una alteración, el valor del píxel experimentará un cambio, representado por un segmento de línea corto, posiblemente muy inclinado. Si se permite la recuperación, por ejemplo, después de un incendio forestal, esto se representará mediante una línea larga ligeramente inclinada que retrocede hacia el valor original del píxel.
En el gráfico anterior, un píxel era verde durante algún tiempo; luego se produjo una alteración y el píxel cambió a un color marrón grisaceo y después se volvió lentamente verde con el paso del tiempo. En el algoritmo LandTrendr, esto se representa mediante tres segmentos lineales que se muestran en el gráfico de la parte inferior de la imagen. Hay vértices en cada cambio que ayudan a describir los segmentos.
Este ejemplo es un historial altamente simplificado de un píxel a lo largo del tiempo. En un paisaje pueden producirse muchos cambios, grandes y pequeños, a lo largo de los años. La herramienta Analizar cambios usando LandTrendr proporciona parámetros para controlar la información del modelo que se extrae, de modo que solo se recuperen los cambios que le interesan.
Requisitos de imagen de entrada
El algoritmo LandTrendr se diseñó para datos de reflectancia de superficie de datos de Landsat TM, Landsat ETM+ y Landsat OLI. Sin embargo, la herramienta Analizar cambios usando LandTrendr detectará el cambio de imágenes de cualquier sensor compatible, así como de derivadas de imágenes como índices de banda.
El algoritmo solo necesita una imagen para cada año de su análisis y se recomienda que tenga al menos seis años de datos para esta herramienta. Genere un dataset de mosaico multidimensional o un dataset ráster multidimensional en formato de ráster de nube (.crf) con imágenes anuales y utilícelo como entrada para la herramienta.
La segmentación se realiza solo en una banda de la imagen. Por lo tanto, es importante elegir la banda para el procesamiento que represente mejor la información que desea extraer. Por ejemplo, la banda infrarroja cercana (NIR) podría ser la mejor banda para capturar los cambios en la vegetación. Sin embargo, en muchos casos, un índice de banda podría ser más adecuado para extraer información. Por ejemplo, para visualizar los cambios en las entidades de aguas abiertas en un paisaje, puede utilizar el Índice de agua de diferencia normalizada modificado (MNDWI), que utiliza información espectral en las bandas verde y SWIR.
Dado que este algoritmo depende de la capacidad para observar sistemáticamente un fenómeno a lo largo del tiempo, es importante tener imágenes que se hayan normalizado en cuanto ruido atmosférico y del sensor, nubes y sombras de nubes. Si tiene varias imágenes de un solo año (y preferiblemente desde una sola estación para minimizar las fluctuaciones estacionales), puede eliminar las sombras de nubes y las nubes de varias imágenes y combinarlas para generar una imagen representativa de ese año.
Resultados del modelo
La salida de la herramienta Analizar cambios usando LandTrendr es un ráster de análisis de cambios que contiene los coeficientes del modelo. Hay un segmento para cada año en el análisis, de modo que cada píxel contiene un grupo diferente de coeficientes de modelo para cada año. En la salida se incluye una banda llamada FittedValue, que proporciona el valor de píxel cuando se ajusta al segmento de línea modelado en ese momento.
Los coeficientes del modelo son difíciles de interpretar visualmente. Hay herramientas adicionales que se pueden usar para interpretar los datos:
- Cree un gráfico de perfil temporal para explorar los cambios de píxel a lo largo del tiempo, utilizando la banda Valor ajustado. Esto mostrará los segmentos lineales extraídos para un píxel mediante el algoritmo LandTrendr.
- Utilice el ráster de análisis de cambios como entrada de la herramienta Detectar cambios usando el ráster de análisis de cambios para extraer la información de fecha de cambio.
Gráfico de perfil temporal
Para explorar los resultados segmentados del modelo, genere un gráfico de perfil temporal para la salida del análisis de cambios de la herramienta Analizar cambios usando LandTrendr utilizando la banda Valor ajustado.
Fecha de cambio
Para extraer información sobre las fechas en las que han cambiado los valores de píxel, use la herramienta Detectar cambios usando el ráster de análisis de cambios. Esta herramienta genera un ráster en el que cada píxel tiene un valor de fecha correspondiente a la fecha que le interesa. Puede extraer la fecha de inicio o la fecha de finalización de un segmento determinado del modelo. Por ejemplo, puede extraer la fecha de inicio del segmento que representa el periodo de cambio más largo, representado por el punto 
en el gráfico anterior, o la fecha de finalización del segmento que representa el cambio más rápido (valor de pendiente más alto), representado por el punto 
en el gráfico anterior.