波士顿大学Landsat遥感数据库：MATLAB与Python时间序列模型应用

资源摘要信息: "波士顿大学的Landsat研究数据库主要关注于使用Landsat遥感数据进行土地覆盖变化的分析。该数据库由Curtis Woodcock领导的遥感小组负责，并使用了两种主要的时间序列模型：CCDC（连续变化检测和分类）和YATSM（另一个时间序列模型）。这些模型都是为了解析Landsat图像堆栈而开发，能够检测并分类土地覆盖随时间的变化。 CCDC模型由Zhe Zhu和Curtis Woodcock于2014年提出，并用MATLAB编程语言编写。YATSM则是在CCDC的基础上，由Chris Holden等人发展，并使用Python进行开发。该数据库的目的是为了帮助波士顿大学的研究人员利用这两种模型进行研究工作。 数据库中的信息被记录在三个重要的CSV文件中：CCDC_Scenes.csv记录了CCDC模型运行的场景信息，YATSM_Scenes.csv记录了YATSM模型运行的场景信息，而All_Scenes.csv则包含了所有场景的基本信息。这些数据的可视化工具是一个名为PRmap.geojson的地图文件，它会根据不同模型的运行结果对地图进行颜色编码。 用户如果在波士顿大学运行这些模型，可以通过访问/usr3/gra数据目录下的内容来为数据库做出贡献。此外，该数据库是开源的，允许其他用户下载、使用、修改和分发代码。" 关键词: Landsat, 波士顿大学, 遥感, 土地覆盖变化, 时间序列模型, CCDC, YATSM, MATLAB, Python, 数据库管理, 开源系统