Time series change detection

Disponible avec une licence Image Analyst.

A time series of imagery or rasters is made up of data collected over time, usually at regular time intervals, often for the purpose of analyzing changes at the earth's surface. In ArcGIS Pro, a time series of raster data can be organized in a multidimensional raster dataset or multidimensional mosaic dataset, and tools can be used to extract information about a pixel's history over time.

The purpose of modeling a pixel's history over tens or hundreds of images is typically to find the date at which some type of change occurred.

The CCDC Analysis raster function and the LandTrendr Analysis raster function can be chained together with the Detect Change Using Change Analysis raster function to extract date of change information from a multidimensional raster.

The Analyze Changes Using LandTrendr tool or the Analyze Changes Using CCDC tool, in conjunction with the Detect Change Using Change Analysis Raster tool, can be used to identify changes in pixel values over time to indicate land use or land cover changes.

The Change Detection Wizard combines the available tools and functions to guide you through the process of extracting date of change information from a time series of imagery or rasters. The output from the wizard is a raster in which each pixel has a date value corresponding to the time of a particular type of change.

The following section provides details on each pane in the Change Detection Wizard when performing time series change detection.

Change Detection Wizard

Pour lancer Change Detection Wizard (Assistant de détection de changement), cliquez sur le bouton du menu déroulant Change Detection (Détection de changement) sur l’onglet Imagery (Imagerie), dans le groupe Analysis (Analyse). Le bouton n’est pas disponible sur vous n’utilisez pas une scène de carte 2D ou si vous ne possédez pas l’extension Image Analyst.

Configure

The first pane in the Change Detection Wizard is the Configure pane, where you can select the Change Detection Method option you want to use. To extract date of change information from a multidimensional raster, set the Change Detection Method to Time series change detection.

Parameter	Description
Input Raster	The input multidimensional raster dataset to be analyzed. Supported inputs include multidimensional Cloud Raster Format (.crf) files, multidimensional mosaic datasets, or multidimensional image services. Cet outil a pour but d’extraire les changements survenus pour une entité observée, de sorte que l’imagerie multidimensionnelle en entrée idéale puisse capturer une observation cohérente au fil du temps et ne puisse pas inclure d’interférences atmosphériques ou liées au capteur, de nuages ou l’ombres des nuages. Il est préférable d’utiliser des données normalisées et pouvant être masquées à l’aide d’une bande d’assurance qualité (QA), comme les produits de réflectance de surface Landsat Collection 1 avec un masque de nuage. If you have already generated a change analysis raster using the Analyze Changes Using LandTrendr or the Analyze Changes Using CCDC tools, you can provide the result as the input raster in the wizard, and the next pane will be skipped.
Processing Extent	The processing extent for the output change raster.

Analyze Time Series

The Analyze Time Series pane allows you to specify the type of model to run to perform time series analysis, and to configure the model. This pane will not appear if you entered an existing change analysis raster in the Configure pane.

The parameters visible in this pane depend on the modeling option selected in the Change Analysis Method parameter:

• CCDC—The Continuous Change Detection and Classification (CCDC) algorithm will be used to evaluate changes in pixel values over time. To use this option, the input multidimensional raster must contain at least 12 slices, spanning at least 1 year. For information on the algorithm and parameters, see How Analyze Changes Using CCDC works.
• LandTrendr—The Landsat-based detection of trends in disturbance and recovery (LandTrendr) algorithm will be used to evaluate changes in pixel values over time. For more information on the algorithm and parameters, see How the Analyze Changes Using LandTrendr tool works.

CCDC Change Analysis Parameters

Parameter	Description
Bands for Detecting Change	The spectral bands to analyze for change detection. The default is to use all bands.
Bands for Temporal Masking	The bands to use for cloud, cloud shadow, and snow masking. Because cloud shadow and snow are very dark in the shortwave infrared (SWIR) band, and clouds and snow are very bright in the green band, it is recommended that you use the SWIR and green bands for masking. If no bands are selected, no masking will occur.
Chi-squared Threshold for Detect Change	The chi-square statistic change probability threshold. If an observation has a calculated change probability that is above this threshold, it is flagged as an anomaly, which is a potential change event. The default value is 0.99.
Minimum Consecutive Anomaly Observations	The minimum number of consecutive anomaly observations that must occur before an event is considered a change. A pixel must be flagged as an anomaly for the specified number of consecutive time slices before it is considered a true change. The default value is 6.
Updating Fitting Frequency (in years)	The frequency, in years, at which to update the time series model with new observations. Updating a model frequently can be computationally costly and the benefit can be minimal. For example, if there are 365 slices or clear observations per year in the multidimensional raster, and the updating frequency is for every observation, the processing will be 365 times more computationally expensive compared to updating once per year, but the accuracy may not be higher. The default value is 1.

LandTrendr Change Analysis Parameters

Parameter	Description
Processing Band	Nom de canal d’image à utiliser pour segmenter les trajectoires de valeur de pixel dans le temps. Choisissez le nom de canal qui capture le mieux les changements dans l’entité à observer. The default is the first band.
Snapping Date	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.
Maximum Number of Segments	Nombre maximal de segments à associer à la série temporelle de chaque pixel. La valeur par défaut est 5.
Vertex Count Overshoot	The number of additional vertices beyond maximum number of segments + 1 that can be used to fit the model during the initial stage of identifying vertices. Later in the modeling process, the number of additional vertices will be reduced to maximum number of segments + 1. The default is 2.
Spike Threshold	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, la valeur 1 signifiant qu’il n’y a pas d’amortissement. La valeur par défaut est 0,9.
Recovery Threshold	The recovery threshold value, in years. A feature in a landscape will often take time to recover from a nonpermanent change such as a forest fire or insect infestation. Use this parameter to control the rate of recovery recognized by the model. If a segment has a recovery rate that is faster than 1/recovery threshold, the segment is discarded and not included in the time series model. The value must range between 0 and 1. The default is 0.25.
Minimum Number of Observations	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.
P-Value Threshold	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 lowest p-value × best model proportion value. La valeur par défaut est 0,01.
Best Model Proportion	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.
Prevent One Year Recovery	Indique si les segments qui présentent une récupération sur un an doivent être exclus. Activé : les segments qui présentent une récupération sur un an doivent être exclus. Il s’agit de l’option par défaut. Désactivé : les segments qui présentent une récupération sur un an ne doivent pas être exclus.
Recovery Has Increasing Trend	Indique si la récupération présente une tendance à la hausse (positive). Activé : la récupération présente une tendance à la hausse. Il s’agit de l’option par défaut. Désactivé : la récupération présente une tendance à la baisse. The recovery from a change in landscape can occur in the positive or negative direction. For example, when a landscape experiences forest loss, a time series of vegetation index values shows a drop in index values, and the recovery shows a gradual increase in vegetation index values, or a positive recovery trend.
Output Other Bands	Indique si les autres canaux sont inclus dans les résultats. Activé : les autres canaux sont inclus dans les résultats. Les informations sur la segmentation et les sommets issues du canal de segmentation initial spécifié dans le paramètre Processing Band (Canal de traitement) sont également ajustées aux autres canaux des images multicanal. Les résultats du modèle incluent d’abord le canal de segmentation, puis les autres canaux. Non coché - Les autres canaux sont inclus dans les résultats. Il s’agit de l’option par défaut.

Detect Date of Change

The Detect Date of Change pane provides the parameters for you to specify the date of change information you want to extract from the model.

Parameter	Description
Change Type	Specifies the change information to calculate for each pixel. When using the CCDC change analysis method, you can choose from the following options: Time of latest change (Heure du dernier changement) : la date et l’heure les plus récentes auxquelles un pixel a été marqué comme modifié. Time of earliest change (Heure du premier changement) : la date et l’heure les plus anciennes auxquelles un pixel a été marqué comme modifié. Time of largest change (Heure du changement le plus important) : la date et l’heure auxquelles le changement calculé était le plus important pour un pixel. Number of Changes (Nombre de changements) : le nombre total de fois où le pixel a été modifié. When using the LandTrendr change analysis method, the following additional options are available: Time of longest change (Heure du changement le plus long) : la date et l’heure auxquelles un pixel a été signalé comme modifié, au début ou à la fin de la période de changement la plus longue. Time of shortest change (Heure du changement le plus court) : la date et l’heure auxquelles un pixel a été signalé comme modifié, au début ou à la fin de la période de changement la plus courte. Time of fastest change (Heure du changement le plus rapide) : la date et l’heure auxquelles un pixel a été signalé comme modifié, au début ou à la fin de la période de changement la plus rapide. Time of slowest change (Heure du changement le plus lent) : la date et l’heure auxquelles un pixel a été signalé comme modifié, au début ou à la fin de la période de changement la plus lente. Filter by Start Value (Filtrer par valeur de départ) : filtre les résultats par valeur de départ de façon à ce que seuls les changements d’une valeur de départ donnée soient inclus dans la sortie. Filter by End Value (Filtrer par valeur de fin) : filtre les résultats selon la valeur de fin de façon à ce que seuls les changements d’une valeur de fin donnée soient inclus dans la sortie.
Maximum Number of Changes	Le nombre maximal de changements par pixel qui sera calculé. Ce nombre correspond au nombre de canaux dans le raster en sortie. Par défaut, la valeur est 1. Autrement dit, une seule date de changement est calculée, et le raster en sortie ne comprend qu’un seul canal. This parameter is not applied when the Change Type parameter is set to Number of changes.
Segment Date	Spécifie si la date sera extraite au début ou à la fin d’un segment de changement. This parameter is available only when using the LandTrendr change analysis method.
Change Direction	Specifies the direction of change to be included in the analysis. All Directions—All change directions are included in the output. This is the default. Increasing—Only change in the positive or increasing direction is included in the output. Decreasing—Only change in the negative or decreasing direction is included in the output. This parameter is available only when using the LandTrendr change analysis method.
Filter by Year	Spécifie si le filtrage de la sortie s’effectuera sur un certain nombre d’années. Activé : les résultats seront filtrés de façon à ce que seuls les changements survenus pendant un certain nombre d’années soient inclus dans la sortie. Désactivé : les résultats ne seront pas filtrés par année. Il s’agit de l’option par défaut. This parameter is available only when using the LandTrendr change analysis method. Use this parameter to identify changes that occurred within a specific time period, for example, if you are looking for changes that occurred in a landscape during five years of drought. If checked, you must enter the minimum and maximum years to use for filtering results.
Filter by Duration	Spécifie si les résultats seront filtrés en fonction de la durée des changements. Activé : les résultats seront filtrés par durée, de façon à ce que seuls les changements ayant une durée donnée soient inclus dans la sortie. Désactivé : les résultats ne seront pas filtrés par durée. Il s’agit de l’option par défaut. This parameter is available only when using the LandTrendr change analysis method. Use this parameter to identify changes that occurred over a given range of years, for example, if you are only interested in abrupt changes over 1 or 2 years. You can calculate the duration you are interested in using the formula end year - start year +1. Gaps in the time series will be included. If checked, you must enter the minimum and maximum duration values to use for filtering results.
Filter by Magnitude	Spécifie si les résultats seront filtrés en fonction de la magnitude des changements.. Activé : les résultats seront filtrés par magnitude, de façon à ce que seuls les changements ayant une magnitude donnée soient inclus dans la sortie. Désactivé : les résultats ne seront pas filtrés par magnitude. Il s’agit de l’option par défaut. This parameter is available only when using the LandTrendr change analysis method. Use this parameter to identify changes of a given magnitude, for example, if you are only looking for large changes in the vegetation index NDVI. Magnitude is an absolute value, so the minimum and maximum values cannot be negative. To specify directional change, use the Change Direction parameter. If checked, you must enter the minimum and maximum magnitude values to use for filtering results.
Output Date of Change Raster	The output dataset. La sortie désigne un raster multicanal dans lequel chaque canal contient des informations de changement selon le type de changement sélectionné et le nombre maximal de changements spécifiés. Par exemple, si le paramètre Change Type (Type de changement) est défini sur Time of earliest change (Heure du premier changement) et le paramètre Maximum Number of Changes (Nombre maximal de changements) sur 2, la fonction calcule les deux dates les plus anciennes du changement tout au long de la série chronologique pour chaque pixel. Le résultat est un raster dans lequel le premier canal contient les dates du premier changement par pixel, et le second canal contient les dates du deuxième changement le plus ancien par pixel.

Example

The following example extracts the date of the most rapid change from a time series of yearly NDVI rasters from 2000 to 2019.

1. Add the NDVI multidimensional raster dataset to your map.
2. With the layer selected in the Contents pane, open the Change Detection Wizard from the Imagery tab in the Analysis group.
3. In the Configure pane, set the Change Detection Method to Time Series Change and ensure the Input Raster is set to the NDVI multidimensional raster. Click Next.
4. In the Analyze Time Series pane, configure the parameters to perform LandTrendr modeling.
   1. Set the Change Analysis Method parameter to LandTrendr.
   2. Set the Maximum Number of Segments parameter to 10.
   3. Leave all other defaults.
   4. Click Next.
5. In the Detect Change pane, configure the parameters to extract the beginning of the most rapid, highly negative (loss of NDVI) change in the series.
   1. Set the Change Type to Time of Fastest Change.
   2. Set the Change Direction to Decreasing.
   3. Check the Filter by Magnitude check box.
   4. Set the Minimum magnitude to 0.5 and the Maximum magnitude to 2.
   5. For the Output Date of Change Raster, type FastestNDVILoss.crf.
6. Click Run.