Доступно с лицензией Image Analyst.
Обзор
Оценивает изменения в значениях пикселов во времени с использованием метода обнаружения трендов нарушений и восстановлений на базе Landsat (LandTrendr) и создает растр анализа изменений, содержащий результаты модели.
Для получения информации об алгоритме LandTrendr см. Как работает анализ изменений с помощью LandTrendr.
Примечание:
Эта функция растра поддерживается только в связке с функцией Выявить изменения при помощи анализа изменений. Используйте выходной слой функции анализа LandTrendr в качестве входных данных для функции Выявить изменения, используя анализ изменений. Для создания выходного набора растровых данных соедините функцию анализа LandTrendr с функцией Выявить изменения, используя анализ изменений с помощью Редактора функций, сохраните ее как шаблон растровой функции и используйте его в качестве входных данных для инструмента геообработки Создать растр из растровой функции.
Примечания
Эта функция растра поддерживается только в качестве входной для функции Выявить изменения при помощи анализа изменений. Чтобы сгенерировать выходной растр, подключите функцию анализа LandTrendr к функции Выявить изменения, используя анализ изменений в шаблоне растровой функции и используйте шаблон в качестве входных данных в инструменте геообработки Создать растр из растровой функции. Результатом будет растр, содержащий информацию о времени, в которое изменялись значения пикселов.
Целью этого инструмента является извлечение изменений в наблюдаемых объектах, поэтому идеальные входные многомерные изображения должны фиксировать постоянное наблюдение в течение времени и не должны включать атмосферные помехи или помехи от датчиков, облака или тени облаков. Лучше всего здесь использовать данные, которые были нормализованы и могут быть замаскированы при помощи канала QA, например, продукты Landsat Collection 1 Surface Reflectance с облачной маской.
Инструмент выполняет анализ одного изображения в год, и количество годовых срезов должно быть равно или больше значения, указанного в параметре Минимальное число наблюдений. Рекомендуется иметь данные как минимум за шесть лет.
Если у вас есть ежемесячные, еженедельные или ежедневные данные, рекомендуется выбирать несколько изображений за каждый год (желательно из одного и того же сезона), удалять облака и тени облаков и объединять изображения для создания одного изображения, хорошо отражающего наблюдения. Если в качестве входного многомерного растра предоставляются ежемесячные, еженедельные или ежедневные данные, инструмент определит один срез для анализа на основе даты, ближайшей к дате, указанной в параметре Дата привязки.
Для восстановления какого-либо ландшафтного объекта после непостоянного изменения, такого как лесной пожар или нашествие насекомых, часто требуется время. Для управления скоростью восстановления, распознаваемого моделью, задайте параметр Порог восстановления. Отдельный сегмент не может иметь скорость восстановления выше 1/пороговое значение восстановления.
Восстановление после изменения ландшафта может происходить в положительном или отрицательном направлении. Например, когда в ландшафте наблюдается исчезновение лесов, временной ряд значений индекса растительности показывает снижение значений индекса, а восстановление показывает постепенное увеличение значений индекса растительности или положительную тенденцию восстановления. Укажите направление тенденции восстановления с помощью параметра Восстановление имеет растущую тенденцию.
Параметры
| Параметр | Описание |
|---|---|
Растр | Входной многомерный растровый слой Landsat. |
Имя канала обработки | Имя канала изображений, используемого для сегментирования траекторий значений пикселов во времени. Выберите имя канала, который лучше всего фиксирует изменения объекта, за которым вы хотите наблюдать. |
Дата привязки | Дата, используемая для идентификации среза для каждого года во входном многомерном наборе данных. Будет использован срез с датой, ближайшей к дате привязки. Этот параметр является обязательным, если входной набор данных содержит данные за полугодие. |
Максимальное число сегментов | Максимальное количество сегментов, которые можно подогнать к временному ряду для каждого пиксела. Значение по умолчанию равно 5. |
Превышение числа вершин | Количество дополнительных вершин сверх max_num_segments + 1 может быть использовано для соответствия модели на начальном этапе идентификации вершин. Позже в процессе моделирования количество дополнительных вершин будет уменьшено до max_num_segments + 1. Значение по умолчанию равно 2. |
Пиковый порог | 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. |
Порог восстановления | Пороговое значение восстановления в годах. Если у сегмента скорость восстановления выше, чем 1/recovery threshold, сегмент отбрасывается и не включается в модель временных рядов. Значение должно находиться в диапазоне от 0 до 1. По умолчанию – 0,25. |
Минимальное число наблюдателей | 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. |
Пороговое p-значение | 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. |
Лучшая модель пропорции | Лучшее значение пропорции модели. Во время процесса выбора модели инструмент вычислит значение p для каждой модели и идентифицирует 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 p-значение, но может не иметь большого количества вершин. По умолчанию – 1,25. |
Исключить восстановление за год | Указывает, будут ли исключены сегменты, для которых восстановление составляет один год.
|
Восстановление приводит к возрастанию тренда | Указывает, имеет ли восстановление восходящий (положительный) тренд.
|
Вывести другие каналы | Указывает, будут ли включены в результаты другие каналы.
|