CCDC を使用した変化の解析 (Analyze Changes Using CCDC) (Image Analyst)

Image Analyst ライセンスで利用できます。

サマリー

CCDC (Continuous Change Detection and Classification) 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。

[CCDC を使用した変化の解析 (Analyze Changes Using CCDC)] ツールの詳細

使用法

• CCDC (Continuous Change Detection and Classification) アルゴリズムは、ピクセル値の経時的な変化を識別する手法です。本来、マルチバンドの Landsat 画像の時系列のために開発された手法であり、変化を検出して変化が起きた前後の土地被膜を分類するために使用されます。このツールは、サポートされているセンサーからの画像に使用でき、シングル バンド ラスターにおける変化を検出するために使用することもできます。たとえば、このツールを使って、NDVI ラスターの時系列における変化を検出して森林破壊イベントを特定できます。

• このツールの出力は変化解析ラスター内のモデル情報であり、各ピクセルには、そのピクセルの経時的な変化の履歴を示す一連のモデル情報が格納されています。 変化解析ラスターは、各スライスがモデル係数、RMSE (二乗平均平方根誤差)、および観察された変化で構成される多次元ラスターです。 各ピクセルの変更情報を含むラスターを生成する [変化解析ラスターから変化を検出 (Detect Change Using Change Analysis Raster)] ツールへの入力として使用できます。

  出力内のスライス数は、入力内のスライス数と一致します。

• 入力多次元ラスター レイヤーには、少なくとも 1 年間にわたって 12 個以上のスライスが必要です。

• 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)。

• 出力変化解析ラスターで計算された変化を調べるには、時系列プロファイル チャートを作成します。 変化解析ラスターでさまざまな場所のグラフを生成して、いつ変更が発生したかを表示します。 ピクセルが変化すると、グラフはピクセル値の近似回帰モデルが時間とともに新しいモデルに変化した箇所でブレークを表示して、変化を示します。 グラフ上のポイントにポインターを合わせると、モデルが変化した日を確認できます。

• 出力変化解析ラスターを分類に使用することもできます。このツールを実行して、変化解析ラスターを生成します。サンプルが土地被膜を表す時刻を示す時間フィールドを有するトレーニング サンプルを作成します。次に、このツールを実行して、分類器定義ファイル (*.ecd) を生成します。最後に、*.ecd ファイルと変更解析ラスターを入力として使用して [ラスターの分類 (Classify Raster)] ツールを実行し、多次元分類ラスターを生成します。

• [時間マスキングのバンド] パラメーターは、雲、雲の影、および雪のマスクに使用されるバンドを指定します。 短波赤外 (SWIR) バンドでは雲の影と雪は暗く表示され、緑バンドでは雲と雪が明るくなるため、SWIR バンドと緑バンドのバンド インデックスをマスクすることをお勧めします。

• [更新フィッティング頻度 (年)] パラメーターは、時系列モデルを新しい観測データで更新する頻度を定義します。 モデルを頻繁に更新すると、計算負荷が大きく、メリットがわずかになる可能性があります。 たとえば、多次元ラスターに 1 年あたり 365 個のスライス、つまり観測データの消去が存在し、更新頻度が観測データごとの場合、その処理にかかる計算負荷は、年に一度更新する場合と比べて 365 倍に増えますが、精度は高くなりません。

• このツールの実行には時間がかかる可能性があり、結果の保存にかなり多くのディスク容量を必要とします。処理時間を短縮し、ストレージ容量を削減するために、以下の手順を実行することをお勧めします。

  • ピラミッド型環境をオフにします。[環境] ウィンドウの [ピラミッド構築] ボックスをオフにして、Python で環境を NONE に設定します。
  • [圧縮] 環境を [LERC] に設定し、[最大値エラー] を 0.000001 に設定します。
  • このツールの出力に対して [変化解析ラスターから変化を検出 (Detect Change Using Change Analysis Raster)] ツールを何度も実行する場合には、結果に対して多次元転置を構築することをお勧めします。

• このツールは、多次元ラスター データセットを CRF (Cloud Raster Format) で生成します。 現在、他の出力形式はサポートされていません。

パラメーター

ダイアログ

ラベル	説明	データ タイプ
入力多次元ラスター	入力多次元ラスター データセット。	Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service
変化を検出するバンド (オプション)	変化の検出に使用するバンド ID。バンド ID を指定しない場合、入力ラスター データセットのすべてのバンドが使用されます。	Long
時間マスキングのバンド (オプション)	時間マスク (Tmask) で使用されるバンド ID。緑バンドと SWIR バンドを使用することをお勧めします。バンド ID を指定しない場合、マスキングは実行されません。	Long
変化を検出するためのカイ二乗閾値 (オプション)	カイ二乗統計変化確率閾値。観測データに含まれている計算された変化確率がこの閾値を超えている場合、異常としてフラグが付けられ、変化イベントの可能性があります。デフォルト値は 0.99 です。	Double
最小連続異常観測数 (オプション)	イベントが変化と見なされる前に発生する連続異常観測の最小数です。ピクセルは、変化と見なされる前に、指定した数の連続するタイム スライスに対して、異常としてフラグを付けられる必要があります。デフォルト値は 6 です。	Long
更新フィッティング頻度 (年) (オプション)	時系列モデルを新しい観測データで更新する頻度 (年)。デフォルト値は 1 です。	Double

戻り値

ラベル	説明	データ タイプ
出力 CCDC 解析ラスター	出力クラウド ラスター形式 (CRF) の多次元ラスター データセット。 CCDC 解析のモデル情報を含む出力変化解析ラスター。	Raster

Python

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

名前	説明	データ タイプ
in_multidimensional_raster	入力多次元ラスター データセット。	Raster Dataset; Raster Layer; Mosaic Dataset; Mosaic Layer; Image Service
bands [bands,...] (オプション)	変化の検出に使用するバンド ID。バンド ID を指定しない場合、入力ラスター データセットのすべてのバンドが使用されます。	Long
tmask_bands [tmask_bands,...] (オプション)	時間マスク (Tmask) で使用されるバンド ID。緑バンドと SWIR バンドを使用することをお勧めします。バンド ID を指定しない場合、マスキングは実行されません。	Long
chi_squared_threshold (オプション)	カイ二乗統計変化確率閾値。観測データに含まれている計算された変化確率がこの閾値を超えている場合、異常としてフラグが付けられ、変化イベントの可能性があります。デフォルト値は 0.99 です。	Double
min_anomaly_observations (オプション)	イベントが変化と見なされる前に発生する連続異常観測の最小数です。ピクセルは、変化と見なされる前に、指定した数の連続するタイム スライスに対して、異常としてフラグを付けられる必要があります。デフォルト値は 6 です。	Long
update_frequency (オプション)	時系列モデルを新しい観測データで更新する頻度 (年)。デフォルト値は 1 です。	Double

戻り値

名前	説明	データ タイプ
out_ccdc_result	出力クラウド ラスター形式 (CRF) の多次元ラスター データセット。 CCDC 解析のモデル情報を含む出力変化解析ラスター。	Raster

コードのサンプル

AnalyzeChangesUsingCCDC (CCDC を使用した変化の解析) の例 1 (Python ウィンドウ)

この例では、30 年間の月次 NDVI ラスターで連続的な変化の検出を実行します。変化検出に使用されるバンドは 1 つだけで、カイ二乗確率閾値は 0.90 です。

# 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 (CCDC を使用した変化の解析) の例 2 (スタンドアロン スクリプト)

この例では、7 つの Landsat 画像の時系列で、雪、雲、および雲の影のマスクにバンド 3 および 7 (2 と 6 にインデックス化) を使用して連続的な変化の検出を実行します。

# 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")

環境

セル サイズ, 圧縮, 現在のワークスペース, 地理座標系変換, NoData, 出力データのコンフィグレーション キーワード, 出力座標系, 範囲, 並列処理ファクター, ピラミッド, ラスターの統計情報, リサンプリング方法, テンポラリ ワークスペース, スナップ対象ラスター, タイル サイズ