Dostępne z licencją Image Analyst.
Narzędzia Analiza zmian z użyciem algorytmu LandTrendr, w połączeniu z narzędziem Wykrywaj zmiany przy użyciu rastra analizy zmian, można używać do identyfikowania zmian wartości pikseli w czasie w celu wskazania zmian użytkowania gruntów lub pokrycia terenu.
Algorytm LandTrendr
Narzędzie Analiza zmian z użyciem algorytmu LandTrendr wykorzystuje oparty na danych Landsat algorytm wykrywania trendów zaburzeń i przywracania (LandTrendr) (Kennedy et al, 2010). Celem tego algorytmu jest wyodrębnienie informacji o tym, jak dany obiekt krajobrazu zmienił się w wyniku zaburzeń (krótki okres zmiany jednego stanu na inny) i przywracania (dłuższy proces powrotu do stanu pierwotnego).
Wykrywanie zmian
Algorytm LandTrendr opiera się na założeniu, że historię piksela można podzielić na kilka liniowych segmentów w czasie. Mogą występować długie okresy z bardzo niewielkimi zmianami, reprezentowane przez linię prostą o niewielkim spadku. Gdy wystąpi zaburzenie, wartość piksela ulegnie zmianie, która jest reprezentowana przez krótki, prawdopodobnie stromo nachylony segment linii. Jeśli na przykład po pożarze lasu nastąpi przywracanie, będzie to reprezentowane przez długą, łagodnie nachyloną linię, która będzie wracać do pierwotnej wartości piksela.
Na powyższym wykresie piksel był zielony przez pewien czas, następnie wystąpiło zaburzenie i piksel zmienił kolor na szaro-brązowy, a następnie powoli powrócił do koloru zielonego. W algorytmie LandTrendr jest to reprezentowane przez trzy liniowe segmenty pokazane na wykresie u dołu obrazu. Przy każdej zmianie znajdują się wierzchołki, które pomagają opisać segmenty.
Ten przykład to bardzo uproszczona historia piksela w czasie. Na przestrzeni lat w krajobrazie może zajść wiele dużych i małych zmian. Narzędzie Analiza zmian z użyciem algorytmu LandTrendr zapewnia parametry do kontrolowania wyodrębnianych informacji o modelu, dzięki czemu można uzyskać tylko interesujące użytkownika zmiany.
Wymagania dotyczące obrazu wejściowego
Algorytm LandTrendr został pierwotnie zaprojektowany dla danych związanych ze współczynnikiem odbicia światła od powierzchni, takich jak Landsat TM, Landsat ETM+ i Landsat OLI. Jednak narzędzie Analiza zmian z użyciem algorytmu LandTrendr wykryje zmiany dla zobrazowań z dowolnych obsługiwanych czujników, a także zobrazowań pochodnych, takich jak indeksy pasm.
Algorytm wymaga tylko jednego obrazu dla każdego roku na potrzeby Twojej analizy i dla tego narzędzia zaleca się posiadanie danych z co najmniej sześciu lat. Należy wygenerować wielowymiarowy zestaw danych mozaiki lub wielowymiarowy zestaw danych rastrowych w formacie rastra chmury (.crf) z zobrazowaniem rocznym i użycie go jako danych wejściowych narzędzia.
Segmentacja jest wykonywana tylko na jednym paśmie obrazu. Dlatego ważne jest, aby wybrać pasmo do przetwarzania, które będzie najlepiej reprezentować informacje, które mają być wyodrębnione. Na przykład pasmo bliskiej podczerwieni (NIR) może być najlepszym pasmem do uchwycenia zmian w roślinności. Jednak w wielu przypadkach indeks pasma może lepiej nadawać się do wyodrębniania informacji. Aby na przykład wizualizować zmiany w otwartych obiektach wodnych w krajobrazie, można użyć zmodyfikowanego znormalizowanego różnicowo wskaźnika wody (MNDWI), który wykorzystuje informacje spektralne w pasmach zieleni i SWIR.
Ponieważ algorytm ten zależy od zdolności do konsekwentnego obserwowania zjawiska w czasie, ważne jest, aby mieć zobrazowania, które zostały znormalizowane pod kątem szumów atmosferycznych i czujników, chmur i cienia chmur. Jeśli dostępnych jest wiele obrazów z jednego roku (a najlepiej z jednego sezonu, aby zminimalizować wahania sezonowe), można usunąć chmury i cienie chmur z kilku obrazów i połączyć je, aby wygenerować jeden reprezentatywny obraz dla tego roku.
Wyniki modelu
Wynikiem działania narzędzia Analiza zmian z użyciem algorytmu LandTrendr jest raster analizy zmian zawierający współczynniki modelu. Na każdy rok analizy przypada jeden wycinek, więc każdy piksel zawiera inną grupę współczynników modelu dla każdego roku. W danych wynikowych znajduje się pasmo o nazwie FittedValue, które podaje wartość piksela, gdy jest on dopasowany do modelowanego segmentu linii w danym momencie.
Współczynniki modelu trudno zinterpretować wizualnie. Istnieją dodatkowe narzędzia do interpretacji danych:
- Aby eksplorować zmiany pikseli w czasie, należy utworzyć diagram profilu czasowego przy użyciu pasma Dopasowana wartość. Pokaże to segmenty liniowe wyodrębnione dla piksela przy użyciu algorytmu LandTrendr.
- Należy użyć rastra analizy zmian jako danych wejściowych narzędzia Wykrywaj zmiany przy użyciu rastra analizy zmian, aby wyodrębnić informacje o dacie zmiany.
Diagram profilu czasowego
Aby eksplorować posegmentowane wyniki modelu, należy wygenerować diagram profilu czasowego dla wyników analizy zmian za pomocą narzędzia Analiza zmian z użyciem algorytmu LandTrendr z wykorzystaniem pasma Dopasowana wartość.
Data zmiany
Aby wyodrębnić informacje o datach, kiedy zmieniły się wartości pikseli, należy użyć narzędzia Wykrywaj zmiany przy użyciu rastra analizy zmian. Narzędzie to generuje raster, w którym każdy piksel ma wartość daty odpowiadającą interesującej dacie. W modelu można wyodrębnić datę początkową lub końcową określonego segmentu. Na przykład, można wyodrębnić datę początkową segmentu, który reprezentuje najdłuższy okres zmiany reprezentowany przez punkt 
na powyższym diagramie, lub można wyodrębnić datę końcową segmentu, który reprezentuje najszybszą zmianę (najwyższą wartość spadku), reprezentowaną przez punkt 
na powyższym diagramie.