内容概要：本文档展示了如何利用Google Earth Engine（GEE）和geemap库来分析和可视化尼日利亚拉各斯海岸线在2016年和2024年之间的变化。首先初始化Earth Engine并定义感兴趣区域（拉各斯海岸线）。接着定义了一个计算归一化差异水体指数（NDWI）的函数，用于区分水体和其他地物。通过加载和过滤Sentinel-2卫星图像，分别获取2016年和2024年的NDWI图像。然后应用阈值提取水体掩膜，并将这些掩膜叠加到地图上进行可视化，使用不同颜色表示两个年份的水体分布情况。最后，导出变化检测图像到Google Drive，以便进一步分析海岸侵蚀情况。 适合人群：具有基本地理信息系统（GIS）知识和Python编程经验的研究人员或学生。 使用场景及目标：①研究特定区域内的水体变化，如海岸线侵蚀或湖泊面积变化；②学习如何使用Google Earth Engine和geemap库处理遥感数据；③掌握基于NDWI的水体提取方法及其应用。 阅读建议：读者应熟悉Python编程语言以及遥感基础知识，在阅读过程中可以尝试运行代码片段并调整参数以加深理解。同时，可以通过查阅相关文献来补充对NDWI的理解。

卫星遥感技术的快速发展为土地利用变化的检测提供了重要的技术支撑。为了进一步提高土地利用变化的检测精度,提出了AlexNet和支持向量机(SVM)相结合的土地利用变化分类方法。利用2013—2017年江西省南昌市的高分一号卫星遥感影像,生成该地区在这5年内的土地利用变化图,分析土地利用变化的特征。结果表明:研究区的土地类型主要以植被、水体、裸地和建筑用地为主;在这5年中,植被面积变化得最大,减少了54.74 km 2,水体面积增加了22.12 km 2,建筑用地面积增加了19.45 km 2,裸地面积增加了5.17 km 2。

该教程全面阐述了CCDC变化监测过程中所需用到的全部流程，冰包含了相关的下载代码，你只需要修改自己的研究区即可在谷歌地球引擎中（GEE）实现CCDC的全过程分析。 土地覆盖变化影响自然和人为环境，并被全球气候观测系统视为基本气候变量。例如，荒漠化导致从植被生态系统到沙漠的土地覆盖过渡，毁林导致森林转变为人为改造的土地利用，城市发展可以将自然环境转变为建筑物和道路覆盖的环境。为了了解这些过渡的影响，在国家至区域尺度上对其进行量化至关重要，这通过遥感分析来实现。 使用遥感数据监测土地变化需要将图像转换为关于景观变化的有用信息的方法。一个被广泛应用的方法是连续变化检测和分类（CCDC；Zhu and Woodcock 2014）。本教程将演示如何在Google Earth Engine上应用CCDC进行土地变化监测。

GEE——连续变化检测和分类（CCDC）.html

基于简单代数运算的变化检测方法总结 基于代数运算的变化检测技术的优点是相对简单、直接，其关键是确定阈值。由于现在还没有一种可靠的阈值选取方法，因此常常采用交互的方法确定变化阈值，这类方法中还一个重要的环节是选择合适的波段或者波段组合。这类方法的不足是难以确定变化的类别和不能对变化信息进行描述。

基于MATLAB的遥感图像变化检测.pdf

对两个时相遥感图像进行光谱量测，每个像元可生成一个具有变化方向(变化方向码)和变化强度两个特征的变化向量

matlab fcm函数代码DPPCA网 介绍 DPPCANet是一种用于不平衡多时相合成Kong径雷达图像变化检测的鲁棒深度学习方法，主要包括：1）生成差异图； 2）并行FCM聚类，以提供训练样本伪标签； 3）基于采样的PCANet + SVM模型构建过采样和欠采样的像素分类。 要求 MATLAB 2018a 功能 加权池卷积： I_wp = WP(I,k) 生成对数比图像： I_lr = di_gen(I_1,I_2) 累积加权池： T是累积时间 M = Normalized(matrix)是一种鲁棒的归一化方法。 输入矩阵中值最高的50个元素的平均值是上限，而值最低的50个元素的平均值是下限。 矩阵是软归一化的。 DDI = Normalized(CWP(I_ori,T)) Gabor小波变换特征提取： [f1,f_1] = Gabor_fea(I_map) 并行聚类：两组映射的DDI I_map1，I_map2和Gabor特征向量f_1和f_2 im_lab = paralleclustering(f_1,I_map1,f_2,I_map2) FCM： [center, U,

利用中低分辨率合成孔径雷达(SAR)影像，通过灰度共生矩阵提取不同纹理窗口大小的纹理特征来构造差异影像，并结合Otsu阈值分割方法来获取变化图像。实验结果表明，当检测地物单一、变化较明显的区域时，通过选用均值纹理特征并结合相应纹理窗口，中低分辨率SAR影像能够满足变化检测精度的要求。

以过境时间不同的NOAA-16/AVHRR、NOAA-17/AVHRR、FY1-D/MVRIS、TERRA/MODIS和AQUA/MODIS五种遥感影像数据组成一组序列影像，对发生在湖北省2005年2月4日的辐射雾进行了一次变化检测与分析。经地面验证，序列影像数据在雾变化检测的研究方面具有很大的潜力，检测结果动态地显示了该次大雾的形成、发展、稳定、消散的过程。将检测结果与该区域的DEM和水系矢量图结合分析发现，二者在辐射雾的变化发展过程中起着非常重要的作用。