一种基于高级多时相转换的建模方法，用于利用Google Earth Engine从集成Landsat和Sentinel时间序列数据中预测土地利用/土地覆盖（LULC）变化

《Advances in Space Research》：An Advanced Multi-Temporal Transition-Based Modeling for LULC Prediction from Integrated Landsat–Sentinel Time Series Using Google Earth Engine

　　

Debayan Bhattacharya | Koj Sambyo | Chandrima Bandyopadhyay

• •
  提出了一种端到端的多时相转换（MTT）土地利用/土地覆盖（LULC）预测框架，该框架完全基于Google Earth Engine（GEE）中的随机森林模型实现。
• •
  整合了多传感器时间序列数据（Landsat 5/7/8/9 + Sentinel-2），生成了1993–2023年的连续5年LULC地图，并对2028年和2033年进行了预测。
• •
  利用适合各传感器的云层掩蔽技术、辐射一致性处理以及递归特征消除（RFE）方法，优化了多传感器预测模型以提高分类的准确性。
• •
  在七个时间段内，该模型对10个LULC类别的分类性能保持稳定。
• •
  使用MTT-RF模型进行预测，并通过与2023年实际数据的对比验证了其强大的预测能力。