使用 CCDC 分析变化 (Image Analyst)

获得 Image Analyst 许可后可用。

摘要

使用连续变化检测和分类 (CCDC) 方法评估像素值随时间的变化，并生成包含模型结果的变化分析栅格。

了解有关使用 CCDC 分析变化工作原理的详细信息

使用情况

• 连续变化检测和分类 (CCDC) 算法是一种用于识别像素值随时间变化的方法。它最初是针对多波段 Landsat 影像的时间序列开发的，用于检测变化以及对在变化发生之前和之后的土地覆盖进行分类。该工具适用于来自支持的传感器的图像，也可用于检测单波段栅格中的变化。例如，该工具可用于检测 NDVI 栅格时间序列中的变化，以识别森林砍伐事件。

• 此工具的输出是变化分析栅格中的模型信息，其中每个像素都将存储一组模型信息，用于描述该像素随时间变化的历史记录。 变化分析栅格是多维栅格，其中每个剖切片是一个多波段栅格，由模型系数、均方根误差 (RMSE) 和观测的变化组成。 可将其用作使用变化分析栅格检测变化工具的输入，该工具会生成一个包含每个像素的变化信息的栅格。

  输出中的剖切片数量与输入中的剖切片数量匹配。

• 输入多维栅格必须至少包含 12 个剖切片，且跨度至少为 1 年。

• 此工具用于提取观测要素中的变化，因此理想的输入多维影像应在整个时间内捕获一致的观测结果，并且不应包括大气或传感器干扰、云或云阴影。 理想做法是使用已归一化的数据，并且可以使用 QA 波段进行掩膜，例如包含云掩膜的 Landsat Collection 1 表面反射率产品。

• 要探索在输出变化分析栅格中算得的变化，创建时间分布图。 为变化分析栅格中的各个位置生成图，以查看变化发生的时间。 对于已变化像素，该图将在像素值随时间的转换为新模型的拟合回归模型中显示中断，表示发生了变化。 可将指针悬停在图中的点上，以识别模型的变化日期。

• 输出变化分析栅格也可以用于分类。运行此工具生成变化分析栅格。然后，创建具有时间字段的训练样本，以指出样本表示土地覆盖的时间。接下来，运行训练工具生成分类器定义文件 (.ecd)。最后，使用 .ecd 文件和变化分析栅格作为输入运行分类栅格工具，以生成多维分类栅格。

• 用于时间掩膜的波段参数可指定用于云、云阴影和雪掩膜的波段。 云阴影和雪会在短波红外 (SWIR) 波段看起来较暗，而云和雪会在绿色波段看起来较亮，因此建议您对 SWIR 和绿色波段的波段指数进行掩膜。

• 更新拟合频率（以年为单位）参数用于定义使用新观测点来更新时间序列模型的频率。 频繁更新模型可能会导致高昂的计算成本，可能会使收益将至最低。 例如，如果多维栅格中每年有 365 个剖切片或清晰的观测值，并且更新频率是针对每个观测值的，则与每年更新一次相比，该处理的计算成本将高出 365 倍，但准确性可能并不会提高。

• 该工具可能需要很长时间才能运行，并且需要大量磁盘空间来存储结果。为缩短处理时间并减少存储空间量，建议执行以下步骤：

  • 关闭金字塔环境。取消选中环境窗格中的构建金字塔框或在 Python 中将环境设置为 NONE。
  • 将压缩环境设置为 LERC 并将最大误差设置为 0.000001。
  • 如果您希望在此工具的输出上运行使用变化分析检测变化多次，建议您在结果上构建多维转置。

• 该工具将生成云栅格格式 (CRF) 的多维栅格数据集。 目前，尚不支持其他输出格式。

参数

对话框

标注	说明	数据类型
输入多维栅格	输入多维栅格数据集。	Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service
用于检测变化的波段 (可选)	用于变化检测的波段 ID。如果未提供波段 ID，则将使用输入栅格数据集中的所有波段。	Long
用于时间掩膜的波段 (可选)	要在时间掩膜 (Tmask) 中使用的波段 ID。建议使用绿色波段和 SWIR 波段。如果未提供波段 ID，则不会进行任何掩膜。	Long
用于检测变化的卡方阈值 (可选)	卡方统计变化概率阈值。如果观测值算得的变化概率高于此阈值，则将其标记为异常，即潜在的变化事件。默认值为 0.99。	Double
最小连续异常观测次数 (可选)	在事件被视为变化之前必须进行的最小连续异常观测次数。像素必须针对指定数量的连续时间片标记为异常，然后才能将其视为真正的变化。默认值为 6。	Long
更新拟合频率（以年为单位） (可选)	使用新观测值更新时间序列模型的频率（以年为单位）。默认值为 1。	Double

返回值

标注	说明	数据类型
输出 CCDC 分析栅格	输出云栅格格式 (CRF) 多维栅格数据集。 包含来自 CCDC 分析的模型信息的输出变化分析栅格。	Raster

Python

AnalyzeChangesUsingCCDC(in_multidimensional_raster, {bands}, {tmask_bands}, {chi_squared_threshold}, {min_anomaly_observations}, {update_frequency})

名称	说明	数据类型
in_multidimensional_raster	输入多维栅格数据集。	Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service
bands [bands,...] (可选)	用于变化检测的波段 ID。如果未提供波段 ID，则将使用输入栅格数据集中的所有波段。	Long
tmask_bands [tmask_bands,...] (可选)	要在时间掩膜 (Tmask) 中使用的波段 ID。建议使用绿色波段和 SWIR 波段。如果未提供波段 ID，则不会进行任何掩膜。	Long
chi_squared_threshold (可选)	卡方统计变化概率阈值。如果观测值算得的变化概率高于此阈值，则将其标记为异常，即潜在的变化事件。默认值为 0.99。	Double
min_anomaly_observations (可选)	在事件被视为变化之前必须进行的最小连续异常观测次数。像素必须针对指定数量的连续时间片标记为异常，然后才能将其视为真正的变化。默认值为 6。	Long
update_frequency (可选)	使用新观测值更新时间序列模型的频率（以年为单位）。默认值为 1。	Double

返回值

名称	说明	数据类型
out_ccdc_result	输出云栅格格式 (CRF) 多维栅格数据集。 包含来自 CCDC 分析的模型信息的输出变化分析栅格。	Raster

代码示例

AnalyzeChangesUsingCCDC 示例 1（Python 窗口）

本示例对 30 年的每月 NDVI 栅格执行连续变化检测。变化检测中仅使用一个波段，卡方概率阈值为 0.90。

# Import system modules
import arcpy
from arcpy.ia import *

# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")


changeAnalysisRaster = arcpy.ia.AnalyzeChangesUsingCCDC(
	"Monthly_NDVI_30_years.crf", [0], [], 0.90, 6, 1); 

# Save output
changeAnalysisRaster.save(r"C:\data\NDVI_ChangeAnalysis.crf")

AnalyzeChangesUsingCCDC 示例 2（独立脚本）

本示例对 Landsat 7 影像的时间序列执行连续变化检测，其中波段 3 和 7（在 2 和 6 处索引）用于雪、云和云阴影掩膜。

# Import system modules
import arcpy
from arcpy.ia import *

# Check out the ArcGIS Image Analyst extension license
arcpy.CheckOutExtension("ImageAnalyst")

# Define input parameters
in_multidimensional = r"C:\data\Landsat_time_series.crf"
change_bands = [0,1,2,3,4,5,6]
tmask_bands = [2,6]
chi_sq_threshold = 0.99
min_consecutive_observations = 3
update_frequency = 1

# Execute
changeAnalysisRaster = arcpy.ia.AnalyzeChangesUsingCCDC(
	in_multidimensional, change_bands, tmask_bands, chi_sq_threshold, 
	min_consecutive_observations, update_frequency) 

# Save output
changeAnalysisRaster.save(r"C:\data\Landsat_ChangeAnalysis.crf")

环境

像元大小, 压缩, 当前工作空间, 地理变换, NoData, 输出配置关键字, 输出坐标系, 范围, 并行处理因子, 金字塔, 栅格统计, 重采样方法, 临时工作空间, 捕捉栅格, 切片大小

许可信息

• Basic: 需要 Image Analyst
• Standard: 需要 Image Analyst
• Advanced: 需要 Image Analyst