基于Landsat时间序列的塞拉多生物群落目标变化检测

1：实验设计与方法选择：

本研究采用基于对象的影像分析（OBIA）技术，对Landsat OLI时间序列数据进行多时相分割。运用随机森林（RF）算法区分毁林与季节变化，方法包括利用最大光谱梯度差（SGD）进行特征提取，并通过Jeffries-Matusita距离评估特征。

2：样本选择与数据来源：

选取巴西塞拉多生物群落内四个采样区（10×10公里），这些区域覆盖原生植被且发生过毁林。从美国地质调查局地球资源观测与科学中心（USGS/EROS）获取2013年4月至2014年12月期间无云的Landsat OLI影像（轨道号219，行号70和71）。

3：实验设备与材料清单：

Landsat OLI影像、用于分割的eCognition软件、用于特征评估的R统计软件。

4：实验流程与操作步骤：

变化检测方法包含四个步骤：(1) 使用eCognition中的多分辨率分割算法进行多时相分割；(2) 特征提取（平均像素值与SGD）；(3) 特征评估（JM距离）；(4) 采用训练集与测试集的RF分类。

5：数据分析方法：

通过总体精度、生产者精度、用户精度及混淆矩阵进行精度评价。利用平均不纯度减少量计算RF中的变量重要性。