本文评估了卡拉巴尔都会区土地利用/土地覆盖（LULC）模式内的土地利用/土地覆盖（LULC）动态。 使用遥感和Arc GIS软件包获取并处理了2002、2006、2008、2010、2012、2014和2016年的热图像，以便确定研究区域内LULC中发生的变化。 LULC专题图的总体准确度计算结果超过80％，这表明几乎可以达成共识。 这项研究的结果表明，到2016年，LULC班级已假定与以前的班级规模相比，其当前班级规模有所不同。 研究区域的土地利用格局变化的特征是，建筑等级，水体增加（尽管从2010年到2012年略有负面变化），而茂密的植被和裸地类别则主要呈负趋势； 因此，表明未来的变化趋势将对整个LULC构成消灭的威胁。 这项研究表明，该地区土地利用方式的变化能够影响环境的某些特征，例如地表温度。 该研究建议政府应着手进行植树造林，以增加市中心和偏远地区周围的城市植被。

使用 QGIS 和 R，使用 Landsat 数据制作快速土地覆盖图 下载数据 解压存档 tar -zxvf archiveName.tar.gz 创建多层对象 使用gdal_merge.py任throuh命令行（使用-separate开关），或经由QGIS（光栅>其它>合并...） 将多层对象加载到 QGIS 选择您最喜欢的波段组合（Landsat 5 和 7 上的 4、5、3 对我来说效果很好） 确保你有一个好的（颜色）拉伸（在图层属性中，选择 Extent: current ，点击Load和Apply 。如果需要，通过重新聚焦区域或使用定义 min/max 的方式进行调整）。 创建一个新的矢量图层 在 QGIS 中，左侧工具栏上有一个按钮Create a new vector layer 。 选择多边形 添加名为class的新属性，保持类型为文本数据 移除 ID 属性 单击确定

本研究的目的是利用MODIS数据调查苏丹在2001-2013年期间的土地覆盖变化，并确定影响土地覆盖的气候因素。 使用SPSS v 17软件调查气候因子与植被覆盖的相关性。 还使用ArcGIS v 10.2软件分析NDVI数据。 结果表明，在其他月份植被减少的两侧，7月至10月的年平均月尺度，NDVI值曲线分布为中心。 在苏丹平均NDVI的空间分布中，在南部地区发现了很高的价值。 另一方面，北部地区植被覆盖率较低。 NDVI空间意味着呈现特征值：秋季，然后是夏季，然后是冬季。 通过计算年平均NDVI值和季节NDVI值，可以推断出冬季和夏季主要植被覆盖类型以0.014 / 10a和0.008 / 10a的速率增加。 冬季，NDVI在秋季和年尺度分别降低0.001 / 10a和0.026 / 10a的速率。 年度NDVI显示，由于中部和东部地区的退化，该地区的中部和东部地区显着退化（面积= 12705.7 km2，占总面积的0.5％），而南部地区则显着改善（面积= 22485.4 km2，占总面积的0.9％）。降水增加，温度降低。 夏季和秋季的平均NDVI与夏季和秋季的平均降水量的显着性水

本文以武汉三镇为研究对象，利用2009年夏季Landsat TM主要遥感数据源，进行地表温度反演和土地覆盖解译，计算了武汉市城市建筑指数NDBI、归一化植被指数NDVI；并利用NDVI计算地表比辐射率，并使用单窗算法精确反演得到了武汉市2009年夏季地表温度LST。研究结果表明：武汉城市热岛由武昌、汉口、汉阳三大城区热岛构成，且三镇交界区存在多数热岛效应更为严重的“岛中岛”，以汉口区中心商业区最为集中；进一步对植被覆盖区和建筑区温度及NDVI、NDBI相关性研究表明，武汉市不同土地覆盖类型有较大差异，LS

土地覆盖测绘项目 该存储库既包含构成我们的“地物覆盖图”工具的前端Web应用程序，又包含后端服务器。 项目设置说明 打开机器上的终端 安装conda（注意：如果在Azure上使用DSVM，则可以在预安装conda时跳过此步骤！） # Install Anaconda cd ~ wget https://repo.anaconda.com/archive/Anaconda3-2019.07-Linux-x86_64.sh bash Anaconda3-2019.07-Linux-x86_64.sh # select "yes" for setting up conda init rm Anaconda3-2019.07-Linux-x86_64.sh # logout and log back in exit 如果打算使用GPU，请安装NVIDIA驱动程序； 请注意，这可能需要重新启动（

中国土地覆盖数据集包括5种产品：1）由GLC2000项目开发的基于SPOT4遥感 数据的全球土地覆盖数据中国子集，数据名称为GLC2000；2）由IGBP－DIS支持的 基于AVHRR遥感数据的全球土地覆盖数据中国子集，数据名称为IGBPDIS；3） MODIS土地覆盖数据产品中国子集，数据名称为MODIS；4）由马里兰大学生产的 基于AVHRR数据的全球土地覆盖数据中国子集，数据名称为UMd；5）由中国科学 院组织实施的中国2000年1：10万土地覆盖数据，对其进行合并、矢栅转换（面积最 大法），最后得到全国幅1km的土地利用数据产品，数据名称为WESTDC。

描述： 开发有效的解决方案将提高精度并获得长江流域的高分辨率详细 LULC 变化具有重要意义。本文从 1985-2020 年的 Landsat 数据中获取了长江流域每年的 LULC 图。使用增强型随机森林方法，LULC 的整体平均准确率提高到 91.75%。 （资源只上传了2020年，需要其他年份请私信） 引用： yao jun yuan. Land use and land cover over the Yangtze River(V1). 2021. Science Data Bank. 2021-11-01. cstr:31253.11.sciencedb.j00116.00008;

WTS WTS：使用分割模型对遥感土地覆盖分类的弱监督学习框架 介绍 这是WTS监督学习框架用于使用分割模型进行遥感土地覆盖分类的实现，其中SRG算法指的是 。 引用该存储库 如果您发现此代码对您的研究有用，请考虑将其引用： @article{wts, title={WTS: A weakly towards strongly supervised learning framework for remote sensing land cover classification using segmentation models}, author={Wei Zhang, Ping Tang, Thomas Corpetti and Lijun Zhao}, booktitle={Remote Sensing}, pages={},

湿地是全球生物多样性丰富和高生产力的生态系统之一。大型国际重要湿地覆盖遥感分类数据集(RamsarSites_Top100_WetlandCover_2001/2013)由湿地保护区界线和湿地覆盖类型二部分数据组成。 在拉姆萨尔湿地公约组织公布的相关数据、相关自然保护区、Google Earth、天地图等遥感影像基础上，选择了全球100处大型（面积大于20万hm2）国际重要湿地， 开发了与Google Earth 遥感影像相匹配的湿地界线地理信息系统数据。在2001年和2013年Terra/Aqua卫星MODIS传感器 250 m空间分辨率16天合成的MOD13Q1数据基础上，通过对归一化植被指数（NDVI）进行滤波和时间序列重建，采用支持向量机方法（SVM）对其进行分类和制图，得到2001年和2013年全球100处国际重要湿地的地表覆盖遥感分类数据集。国际重要湿地地表覆盖遥感分类系统包括三级分类系统，其中，一级划分为湿地和非湿地，在湿地中，二级分类系统划分水体、森林/灌丛沼泽、草本沼泽、洪泛沼泽、水田、苔原/藓类沼泽等六类，第三级划分中，将森林/灌丛沼泽划分为森林/灌丛沼泽（常绿）和森林/灌丛沼泽（落叶）二种类型，将草本沼泽划分为永久性草本沼泽和季节性草本沼泽二种类型。由于本数据集包括了2001年和2013年间隔12年的数据，因此，可以为全球大型国际重要湿地在这期间变化做对比分析。

湿地是全球生物多样性丰富和高生产力的生态系统之一。大型国际重要湿地覆盖遥感分类数据集(RamsarSites_Top100_WetlandCover_2001/2013)由湿地保护区界线和湿地覆盖类型二部分数据组成。 在拉姆萨尔湿地公约组织公布的相关数据、相关自然保护区、Google Earth、天地图等遥感影像基础上，选择了全球100处大型（面积大于20万hm2）国际重要湿地， 开发了与Google Earth 遥感影像相匹配的湿地界线地理信息系统数据。在2001年和2013年Terra/Aqua卫星MODIS传感器 250 m空间分辨率16天合成的MOD13Q1数据基础上，通过对归一化植被指数（NDVI）进行滤波和时间序列重建，采用支持向量机方法（SVM）对其进行分类和制图，得到2001年和2013年全球100处国际重要湿地的地表覆盖遥感分类数据集。国际重要湿地地表覆盖遥感分类系统包括三级分类系统，其中，一级划分为湿地和非湿地，在湿地中，二级分类系统划分水体、森林/灌丛沼泽、草本沼泽、洪泛沼泽、水田、苔原/藓类沼泽等六类，第三级划分中，将森林/灌丛沼泽划分为森林/灌丛沼泽（常绿）和森林/灌丛沼泽（落叶）二种类型，将草本沼泽划分为永久性草本沼泽和季节性草本沼泽二种类型。由于本数据集包括了2001年和2013年间隔12年的数据，因此，可以为全球大型国际重要湿地在这期间变化做对比分析。