Time series change detection

Доступно с лицензией 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

Мастер обнаружения изменений запускается из ниспадающего меню кнопки Выявление изменений на вкладке Изображения в группе Анализ. Кнопка недоступна, если вы не работаете в сцене 2D-карты, или если у вас нет дополнительного модуля 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. Целью работы этого инструмента является извлечение изменений наблюдаемых объектов, поэтому идеальные входные многомерные изображения должны содержать результаты постоянных наблюдений за весь период времени и не должны содержать атмосферные искажения и помехи от сенсоров, а также облака и их тени. Лучше всего использовать данные, которые были нормализованы и могут быть замаскированы каналом QA, например, продукты Landsat Collection 1 Surface Reflectance с маской облаков. 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.

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	Канал, используемый для сегментирования траекторий значений пикселов во времени. Выберите канал, который лучше всего фиксирует изменения объекта, за которым вы хотите наблюдать. The default is the first band.
Snapping Date	Дата, используемая для выбора среза для каждого года во входном многомерном наборе данных. Будет выбран срез с датой, ближайшей к дате привязки. Этот параметр является обязательным, если входной набор данных содержит данные за полугодие. Значение по умолчанию – 30.06 или 30 июня, примерно в середине календарного года.
Maximum Number of Segments	Максимальное количество сегментов, которые можно подогнать к временному ряду для каждого пиксела. Значение по умолчанию равно 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	Порог, используемый для подавления выбросов или аномалий на траектории значений пикселов. Значение должно находиться в диапазоне от 0 до 1, где 1 означает отсутствие демпфирования. По умолчанию – 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	Минимальное количество достоверных наблюдений, необходимых для выполнения построения. Количество лет во входном многомерном наборе данных должно быть равно или больше этого значения. По умолчанию это значение равно 6.
P-Value Threshold	Пороговое p-значение для выбираемой модели. После того, как вершины будут обнаружены на начальном этапе подбора модели, инструмент подберет каждый сегмент и вычислит p-значение, чтобы определить значимость модели. На следующей итерации модель уменьшит количество сегментов на единицу и пересчитает p-значение. Это будет продолжаться, и, если значение p меньше, чем значение, указанное в этом параметре, модель будет выбрана, и инструмент прекратит поиск лучшей модели. Если такая модель не выбрана, инструмент выберет модель с p-значением меньше, чем lowest p-value × best model proportion value. По умолчанию – 0,01.
Best Model Proportion	Лучшее значение пропорции модели. Во время процесса выбора модели инструмент вычислит значение p для каждой модели и выберет модель с наибольшим количеством вершин, сохраняя при этом наименьшее (наиболее значимое) значение p на основе этого значения пропорции. Значение 1 означает, что модель имеет наименьшее значение p, но может не иметь большого количества вершин. По умолчанию – 1,25.
Prevent One Year Recovery	Указывает, будут ли исключены сегменты, для которых восстановление составляет один год. Отмечено – сегменты, для которых восстановление составляет один год, будут исключены. Это значение по умолчанию. Не отмечено – сегменты, для которых восстановление составляет один год, не будут исключены.
Recovery Has Increasing Trend	Указывает, имеет ли восстановление восходящий (положительный) тренд. Отмечено – восстановление имеет тенденцию к увеличению. Это значение по умолчанию. Не отмечено – восстановление имеет тенденцию к снижению. 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	Указывает, будут ли включены в результаты другие каналы. Отмечено – в результаты будут включены другие каналы. Информация о сегментации и вершинах из начального канала сегментации, указанной в параметре Канал обработки, также будет соответствовать остальным каналам в многоканальных изображениях. Результаты модели будут включать сначала канал сегментации, а затем оставшиеся каналы. Не отмечено – другие каналы не будут включены. Это значение по умолчанию.

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: Время последнего изменения – самая последняя дата и время, когда пиксел был помечен как измененный. Время первого изменения – самая ранняя дата и время, когда пиксел был помечен как измененный. Время наибольшего изменения – дата и время, когда рассчитанное изменение оказалось для пиксела наиболее значительным. Число изменений – общее число случаев, года пиксел изменялся. When using the LandTrendr change analysis method, the following additional options are available: Время самого продолжительного изменения – Дата, когда пиксел был помечен как измененный, в начале или в конце самого продолжительного периода изменения. Время самого короткого изменения – Дата, когда пиксел был помечен как измененный, в начале или в конце самого короткого периода изменения. Время самого быстрого изменения – Дата, когда пиксел был помечен как измененный, в начале или в конце самого быстрого периода изменения. Время самого медленного изменения – Дата, когда пиксел был помечен как измененный, в начале или в конце самого медленного периода изменения.
Maximum Number of Changes	Максимальное количество изменений на пиксел, которое необходимо вычислить. Это число соответствует количеству каналов выходного растра. Значение по умолчанию - 1. Это означает, что будет рассчитана только одна дата изменения, а выходной растр будет содержать только один канал. This parameter is not applied when the Change Type parameter is set to Number of changes.
Segment Date	Указывает, следует ли извлекать дату в начале сегмента изменений или в конце. 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	Указывает, следует ли ограничивать выходные данные диапазоном лет. Отмечено – включает фильтр результатов так, чтобы в выходные данные включались только изменения, произошедшие в определенном диапазоне лет. Не отмечено – не фильтрует результаты по годам. Это значение по умолчанию 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	Указывает, следует ли использовать фильтр по длительности изменения. Отмечено – включает фильтр результатов так, чтобы в выходные данные включались только изменения, длившиеся определенное количество времени. Не отмечено – не фильтрует результаты по длительности. Это значение по умолчанию 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	Указывает, следует ли использовать фильтр по величине. Отмечено – фильтрует результаты по величине так, чтобы в выходные данные включались только изменения заданной величины. Не отмечено – не фильтрует результаты по величине. Это значение по умолчанию 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. На выходе получается многоканальный растр, в котором каждый канал содержит информацию об изменениях в зависимости от выбранного типа изменения и максимального количества указанных изменений. Например, если для параметра Тип изменений задано значение Время первого изменения, а для параметра Максимальное количество изменений задано значение 2, инструмент рассчитает две самые ранние даты, когда произошло изменение во всем временном ряду для каждого пиксела. В результате получается растр, в котором первый канал содержит даты самого раннего изменения пикселов, а второй - даты второго по времени изменения пикселов.

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.