作者：CSDN @ _养乐多_

本文将介绍景观指数时间序列的突变分析，包括突变时间、突变频次等。以及景观指数突变分析所用的软件和 python 代码。

结果如下图所示，

图1 突变频次

图2 突变时间

---

---

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：遥感时间序列处理——Mann-Kendall（MK）突变检测（突变时间/年份）》

• 《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）》

• 《python：遥感时间序列处理——Mann-Kendall（MK）突变检测（突变次数）》

将计算结果（突变时间、突变频次、突变幅度等）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

5.1 突变频次

5.2 突变时间

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！