作者:CSDN @ _养乐多_
本文将介绍景观指数的时间序列分析计算的软件使用方法和 python 代码,该框架可用于分析景观指数时间序列图像的趋势分析、突变分析、机器学习(分类/聚类/回归)、相关性分析、周期分析等方面。
文章目录
- 一、景观指数计算
- 二、景观指数时间序列构建
- 三、参考博客
- 四、结果可视化
- 五、结果展示
一、景观指数计算
参考博客《fragstats:景观指数计算及其遥感影像生成》
二、景观指数时间序列构建
根据博客《fragstats:景观指数计算及其遥感影像生成》我们可以得到每一个时刻土地利用数据计算的景观指数。格式如下所示,

我们将所有的时刻(年份等)的景观指数的 csv 文件中的某一个景观指数(比如 NP列) 根据 LID 合并为同一个 csv,构成一个大的csv文件。如下图所示,

每一行就是一个时间序列数据,然后我们使用 python 的 pandas 库、或者 numpy 库进行后续分析。
三、参考博客
-
《python:处理遥感时间序列(代码框架),并保存结果》
-
《python:使用xlrd、pandas、numpy做MK趋势分析》
-
《python:遥感时间序列处理——Mann-Kendall(MK)突变检测(突变时间/年份)》
-
《python:遥感时间序列处理——Mann-Kendall(MK)突变检测(突变次数)》
-
《python:逐像素处理遥感数据时间序列数据(求时间序列最大值、最大值所对应的索引、最大值所在的时间)》
-
《python:遥感时间序列处理——Pettitt突变点检测(突变时间/年份)》
将计算结果保存在最后一列,然后关联到景观单元瓦片上。
四、结果可视化
参考博客《ArcGIS:景观指数和景观单元关联生成景观指数遥感图像》
五、结果展示
下图来自论文《Extracting Frequent Sequential Patterns of Forest Landscape Dynamics in Fenhe River Basin, Northern China, from Landsat Time Series to Evaluate Landscape Stability》。

下图来自论文《基 于 频 繁 序 列 模 式 挖 掘 方 法 的 森 林 景 观 格 局 演 化 遥 感 研 究》。

声明:
本人作为一名作者,非常重视自己的作品和知识产权。在此声明,本人的所有原创文章均受版权法保护,未经本人授权,任何人不得擅自公开发布。
本人的文章已经在一些知名平台进行了付费发布,希望各位读者能够尊重知识产权,不要进行侵权行为。任何未经本人授权而将付费文章免费或者付费(包含商用)发布在互联网上的行为,都将视为侵犯本人的版权,本人保留追究法律责任的权利。
谢谢各位读者对本人文章的关注和支持!