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
    • 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

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

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")

许可信息

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

相关主题