1、tc变量优缺点 TC W和 NBR 被发现是变化检测的最佳性能指标。同样,其他研究发现 TC W最能代表不同森林类型中的营养参数,用于趋势和变化分析 ( Cohen et al., 2002 , Czerwinski et al., 2014 ) 并考虑到它与 NBR 的密切关系 ( Jin & Sader, 2005) ),预计使用后者的结果比较好。其他指数(TC A、TC B、NDVI)的表现优于 TC W和 NBR。造成这种情况的部分原因是云遮蔽程序遗漏的残留云和雾霾的更不利影响。具体来说,NDVI和 TCB受云边缘和大气雾霾的影响最大,这些在掩蔽过程中被遗漏,模仿植被扰动的信号,导致误报检测。我们体验到结合 TC W和 NBR 改进了变化映射。结合对植被绿度和土壤暴露具有更高敏感性的指数可以进一步提高测绘精度,前提是最大限度地减少误报。 1、NBR 由于 NBR 的光谱指数对植被叶片和土壤中的叶绿素、木炭灰和水分含量具有出色的敏感性,因此被广泛用于检测森林变化事件,例如突变和连续变化(Kennedy et al. 2010 ; Kennedy et al. 2015 年;朱等人2012 年)。 为了获得代表潜在森