Image Analyst ライセンスで利用できます。
概要
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。
LandTrendr アルゴリズムの詳細については、「LandTrendr を使用した変化の解析 (Analyze Changes Using LandTrendr) ツールの詳細」をご参照ください。
注意:
このラスター関数は、変化解析を使用した変化検出関数との連携でのみサポートされます。 LandTrendr 解析関数の出力レイヤーは、変化解析を使用した変化検出関数への入力として使用されます。 ラスター データセット出力を生成するには、[関数エディター] を使用して変化解析を使用した変化検出関数に LandTrendr 解析関数を接続して、これをラスター関数テンプレートとして保存し、[ラスター関数からラスターを生成 (Generate Raster from Raster Function)] ジオプロセシング ツールへの入力として使用します。
備考
このラスター関数は、変化解析を使用した変化検出ラスター関数への入力としてのみ使用できます。 ラスター出力を生成するには、ラスター関数テンプレートで変化解析を使用した変化検出関数に LandTrendr 解析関数を接続し、そのテンプレートを [ラスター関数からラスターを生成 (Generate Raster from Raster Function)] ジオプロセシング ツールの入力として使用します。 生成されたラスターには、ピクセル値が変更された時間に関する情報が含まれます。
このツールは、観測対象フィーチャの変化を抽出するため、入力多次元画像としては、期間全体を通して一貫した観測データがキャプチャされ、大気やセンサーによる干渉、雲、雲の影が含まれないものが最適です。 ベスト プラクティスは、正規化済みで、QA バンドを使用してマスクできるデータを使用することです (例: 雲のマスクを含む Landsat Collection 1 Surface Reflectance 製品)。
このツールでは各年 1 つの画像に対して解析が行われ、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勧めします。
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、画像を組み合わせて観測対象をよく捉えた 1 つの画像を生成することをお勧めします。 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。
パラメーター
| パラメーター | 説明 |
|---|---|
ラスター | 入力 Landsat 多次元ラスター レイヤー。 |
処理バンド名 | 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。 |
スナップ日付 | 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要です。 |
最大セグメント数 | 各ピクセルの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。 |
頂点数オーバーシュート閾値 | 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、max_num_segments + 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 max_num_segments + 1 に削減されます。 デフォルトは 2 です。 |
スパイク閾値 | 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。 |
回復閾値 | 年単位の回復閾値。 1/recovery threshold よりも速い回復率を持つセグメントがある場合、そのセグメントは破棄され、時系列モデルには含まれません。 指定する値は、0 ～ 1 の間の値でなければなりません。 デフォルトは 0.25 です。 |
最小観測数 | 適合の実行に必要とする、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。 |
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 lowest p-value × best model proportion value よりも小さい p 値を持つモデルを選択します。 デフォルトは 0.01 です。 |
ベスト モデル比率 | ベスト モデルの比率値。 モデル選択プロセスでは、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。 |
1 年での回復を防ぐ | 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。
|
回復の増加傾向 | 回復が増加傾向 (正の傾向) にあるかどうかを指定します。
|
他のバンドの出力 | 他のバンドを結果に含めるかどうかを指定します。
|