分析过去的土地覆被变化
要了解埃塞俄比亚在过去几十年中由于人口增长而发生的变化，您将使用变化检测向导来计算 1992 年至 2018 年的土地覆被变化。
探索土地覆被图层
首先，您将下载压缩 .zip 文件，该文件包含在本教程中将使用的数据。
- 下载 ChangeInEthiopiaData 文件夹。
由于数据包含大型栅格文件，因此下载该数据可能需要较长的时间。
- 在您的计算机上找到已下载的文件夹，然后将其移至所选位置，例如 Documents 文件夹。 右键单击该文件夹并提取其内容。
注：
开始下载前，根据 Web 浏览器的不同，系统可能会提示您选择文件的位置。 大多数浏览器将默认下载到计算机的 Downloads 文件夹下。
接下来，您将创建 ArcGIS Pro 工程并将数据添加到其中。
- 打开 ArcGIS Pro。 如有必要，请登录您的 ArcGIS Online 帐户。
注：
如果您没有 ArcGIS Pro 的访问权限或者 ArcGIS 组织帐户，请参阅软件访问权限选项。
您将使用 Map 模板创建一个工程。
- 在新建工程下，选择地图。
- 在新建工程窗口中，对于名称，输入 Change in Ethiopia。 对于位置，接受默认位置或选择所需位置。
- 单击确定。
随即将创建新工程。 接下来，您将添加已下载的土地覆被数据。
- 单击功能区上的地图选项卡。 在图层组中，单击添加数据按钮。
- 在添加数据窗口中，浏览至计算机上已解压 ChangeInEthiopiaData 文件夹所在的位置。 双击 ChangeInEthiopiaData 以将其打开。
- 在按住 Ctrl 键的同时，单击 Ethiopia_LandCover_1992.crf 和 Ethiopia_LandCover_2018.crf 数据集以将其选中。
- 单击确定。
随即将两个栅格图层添加至地图中。 地图随即缩放至埃塞俄比亚，即图层范围。
每个图层都是源自欧洲航天局 (ESA) 气候变化倡议的世界土地覆被地图的土地覆被数据集。 有关详细信息，请参阅项目详细信息页面。 从 1992 年到 2018 年，ESA 每年都会绘制一张全球土地覆被地图。
顶部图层为 2018 年土地覆被地图。 两个图层都会显示以下广义土地覆被类别：农田、森林、灌木丛、草地、地表水、城市地区和裸露土壤。 请注意，埃塞俄比亚北部（高地）存在许多裸露土壤，而埃塞俄比亚南部主要为灌木丛。 以粉红色符号化的农业地区位于该国中部，周围深红色是亚的斯亚贝巴密集的市区。
接下来，可以比较这两个图层。
- 如有必要，在内容窗格中，选择 Ethiopia_LandCover_2018.crf 图层。
注：
图层上的 .crf 扩展名指示数据集采用云栅格格式 (CRF)。 这是一种 Esri 原生栅格格式，该格式针对在分布式处理和存储环境中读写大文件进行了优化。
- 在功能区上，单击栅格图层选项卡。 在比较组中，单击卷帘。
- 从地图顶部开始，向下拖动指针以显示下方图层。 来回拖动指针以比较这两个图层。
上方图层为 2018 年的土地覆被，下方图层为 1992 年的土地覆被。
该国家/地区的某些部分已发生明显变化。 例如，首都亚的斯亚贝巴由该国家/地区中心的一组深红色像素表示。 首都在 26 年的时间里经历了显著扩张。
注：
两个图层均为分类栅格数据集。 分类栅格数据是这样一种栅格数据：其中每个像素都具有一个用于代表类或类别的值。 有时我们将其称为离散数据、专题数据或不连续数据，并且在 GIS 中最常将其用于表示土地覆被、土地利用或其他分区信息（例如风险等级）。 在本例中，代表的类别为土地覆被类型，例如农田、森林、水和城市。
- 单击功能区上的地图选项卡。 在导航组中，单击浏览按钮以退出卷帘模式。
- 在快速访问工具栏上单击保存按钮。
计算土地覆被变化
接下来，您将使用变化检测向导以检测 1992 年至 2018 年之间整个国家/地区的变化，重点关注可能由于人口增长而引起的变化。
- 在内容窗格中，选择 Ethiopia_LandCover_1992.crf 图层。
- 单击功能区上的影像选项卡。 在分析组中，单击变化检测按钮，然后选择变化检测向导。
随即显示变化检测向导窗格。
- 在变化检测向导窗格的配置窗格中，单击变化检测方法下拉菜单以查看适用于变化检测的选项。
分类变化选项用于确定两个专题（或分类）栅格（例如土地覆被或风险区）之间发生的变化。 像素值变化选项用于计算两个连续栅格（例如温度栅格或多波段影像）之间的像素值差异。 最后，时间序列变化选项用于确定图像时间序列中的变化日期。
由于启动向导后，在内容窗格中已选择的栅格图层为分类栅格数据，因此将默认选择分类变化方法。
- 对于自栅格，确认已选择 Ethiopia_LandCover_1992.crf。 对于至栅格，选择 Ethiopia_LandCover_2018.crf。
选择该选项后，您可以确保 Ethiopia_LandCover_1992.crf 图层将和 Ethiopia_LandCover_2018.crf 图层进行比较。
- 单击下一步。
在类配置窗格中，可以选择要执行的过滤类型、要包含在分析中的类以及结果的渲染方法。 您只希望看到已发生变化的区域，以及仅可能由于人口增长而引起的变化。
- 对于过滤方法，确认已选择仅变化。 在自类列表中，保持所有类都处于选中状态。
- 在至类列表中，指向 Urban 类别，然后单击 only。
现在，Urban 类是列表中唯一选中的类。 但是，城市增长并不是唯一可能指示由于人口增长而发生变化的类。 耕地面积的扩张也会表明人口增长。
- 选中 Cropland 旁边的复选框。
总之，您希望检测所有已更改为城市或农田土地覆被类型的区域。 您将保留过渡类颜色方法的默认平均值不变。 该参数将确定渲染输出类的方式。
- 单击预览按钮。
在内容窗格中，将添加 Preview_ComputeChange 图层。 此图层是动态生成的，将不会保存。 稍后，您将在工作流中生成永久变化图层。
- 在内容窗格中，关闭 Ethiopia_LandCover_2018.crf 和 Ethiopia_LandCover_1992.crf。 在地图上，使用鼠标滚轮按钮进行放大以查看首都亚的斯亚贝巴。
指示变化区域的像素聚类。
- 在地图上，单击多个指示变化的像素。
您单击的像素会显示一个弹出窗口，显示已发生更改的类型。
似乎大多数变化是从农田、灌木丛、草原或森林到城市地区。 这座城市在 1992 年至 2018 年间经历了明显扩张。
- 关闭所有打开的弹出窗口。 在变化检测向导窗格中，单击下一步。
随即显示输出生成窗格。 您需要将输出保存到计算机上。
默认平滑邻域参数为 None。 该参数用于平滑结果以实现更好的可视化。 在本例中，由于您对计算土地覆被面积感兴趣，并且平滑结果会更改像素值，因此您不希望对结果进行平滑。
- 对于将结果另存为，确认选择栅格数据集。
- 对于输出数据集，单击浏览按钮。
- 在输出数据集窗口中，单击文件夹，然后双击 Change in Ethiopia。 对于名称，键入 Ethiopia_LandCoverChange_1992_2018.tif。
- 单击保存。 在变化检测向导窗格中，单击运行。
变化数据集随即添加到地图中。
- 在变化检测向导窗格中，单击完成。
- 在内容窗格中，右键单击 Ethiopia_LandCoverChange_1992_2018.tif 并选择缩放至图层。
- 保存工程。
分析结果
您生成了一个土地覆被变化栅格。 接下来，您将探索结果并创建图表。
首先，您将移除生成的预览，因为已不再需要。
- 在内容窗格中，右键单击 Preview_ComputeChange 并选择移除。
注：
如果您未单击完成以关闭变化检测向导窗格，则无法移除 Preview 图层。
- 右键单击 Ethiopia_LandCoverChange_1992_2018.tif 并选择属性表。
随即将打开属性表。
Class_name 字段列出了至“农田”和“城市”类别的不同过渡。 Count 字段指示了每个类别中的像素总数。 Area 字段指示了其代表的总面积（以平方米为单位）。 由于数据集位于的投影坐标系具有线性单位米，因此可以计算该面积。
注：
在计算面积时，必须从投影中保留面积（也称为等积）的栅格数据集开始。 在本例中，该土地覆被图层将使用非洲阿尔伯斯等积圆锥投影。
- 在属性表中，右键单击 Area 字段标题并选择降序排列。
现在，将根据面积对行进行排序，其中将首先列出面积最大的过渡。
在第一行中，Class_name 值为 Other，表示从 1992 年到 2018 年发生的所有未包含在分析中的过渡。 在第二行中，无变化表示未过渡但保持不变的像素。
由于您不需要这些行，因此需要从表格中将其删除。
- 在属性表中，按 Ctrl 键并单击两行的开头以将其选中。
- 按 Delete 键。 在删除窗口中，单击是。
删除两行。 您需要保存此更改。
- 单击功能区上的编辑选项卡。 在管理编辑内容组中，单击保存。
- 如有必要，可在保存编辑内容窗口中，单击是。
在属性表中，面积最大的类过渡现在为“灌木丛”到“农田”。 根据您的分析，从 1992 年到 2018 年，5,537,592,079.12 平方米（约合 5,538 平方千米）的灌木丛被转换为农田。 接下来，相当数量的森林也被转化为农田，这表明农田将扩张为自然植被以支持人口增长。
第四行表示大量农田已转换为城市土地覆被。 这与城市快速扩张正在威胁亚的斯亚贝巴周围肥沃的农业土地的发现是一致的 (Deribew, 2020)。
您将创建一个用于汇总这些结果的条形图。
- 关闭属性表。
- 在内容窗格中，右键单击 Ethiopia_LandCoverChange_1992_2018.tif 图层，指向创建图表，然后选择条形图。
随即显示图表属性窗格，并且工程底部将显示一个空白图表。
- 在图表属性窗格中，设置以下参数：
- 对于类别或日期，选择 Class_From。
- 对于聚合，选择总和。
- 对于数值字段，单击选择，然后选中面积。 单击应用。
- 对于分割依据，选择 Class_To。
图表随即进行更新。 X 轴将显示 Class_From 土地覆被类型，y 轴将显示已过渡到农田（浅蓝色条柱）或城市（深蓝色条柱）的每个类别的面积（以平方米为单位）。
接下来，您将改善图表的外观以匹配数据中的符号系统。
- 在图表属性窗格中，单击系列选项卡。 对于显示多个系列为，选择堆叠。
“农田”和“城市”条柱现在相互堆叠。 接下来，更改条形图颜色以匹配土地覆盖数据中使用的符号。
- 在系列表中，单击农田的符号，然后选择颜色属性。
- 在颜色编辑器窗口中，设置以下值：
- 将红色设置为 247。
- 将绿色设置为 198。
- 将蓝色设置为 196。
- 将透明度设置为 0%。
- 单击确定以应用颜色。
- 使用以下值更改城市土地覆被条形图颜色：
- 将红色设置为 175。
- 将绿色设置为 55。
- 将蓝色设置为 46。
- 将透明度设置为 0%。
- 在图表属性窗格中，单击常规选项卡。 设置以下参数：
- 对于图表标题，键入 Cropland and Urban Growth in Ethiopia。
- 对于 X 轴标题，键入 Original Class (1992)。
- 对于 Y 轴标题，键入 Total Area (m2)。
- 对于图例标题，键入 New Class (2018)。
- 取消选中描述。
图表将更新为其最终外观。
Bare、Forest、Grassland、Shrubland 和 Water 类别的大部分损失已转为 Cropland 类。 如果将鼠标指向“农田”条柱上方，则可以看出约 4.68 亿平方米（468 平方公里）农田已转换为城市区域。 同时，对耕地扩张贡献最大的是灌木丛，其次是森林，然后是草原。 从图表上看，埃塞俄比亚 1992 年至 2018 年间的人口增长似乎主要导致了农业土地利用的大幅增加。 城市增长存在，但其是次要的。
- 关闭图表和图表属性窗格。 保存工程。
您已分析过去的埃塞俄比亚土地覆被变化。 接下来，您将分析植被的近期变化。
分析最近的植被变化
要了解埃塞俄比亚如何受到大规模蝗虫入侵的影响，您将使用 Landsat 8 卫星影像来比较入侵开始前后的植被指数值，入侵于 2019 年 12 月在肯尼亚开始，然后在此后几个月内蔓延到周边国家。
浏览影像图层
首先，您将在工程内创建一个地图，然后向其中添加两个 Landsat 8 图像。
- 单击功能区上的插入选项卡。 在工程组中，单击新建地图按钮。
随即将新地图 Map1 添加至工程中第一个地图旁边。
- 单击功能区上的地图选项卡。 在图层组中，单击添加数据按钮。
- 在添加数据窗口中，浏览至已解压 ChangeInEthiopiaData 文件夹所在的位置。
- 按住 Ctrl 键并选择 Landsat8_2019_10_15.tif 和 Landsat8_2020_11_18.tif 数据集。 单击确定。
随即将两个 Landsat 8 图像添加至地图。
第一个图层是在蝗虫入侵开始前的 2019 年 10 月 15 日捕获的图像。 第二个图像捕获于入侵席卷整个区域后的 2020 年 11 月 18 日。 这些图像覆盖了亚的斯亚贝巴市以及直到 Aledeghi 野生动物保护区边界的周边农村地区。
您将优化两个图像的渲染并对其进行比较。
- 如有必要，在内容窗格中，选择 Landsat8_2020_11_18.tif 图层。
- 在功能区上，单击栅格图层选项卡。 在渲染组中，单击符号系统按钮。
随即显示符号系统窗格。 主符号系统选项设置为 RGB。 Landsat 8 多光谱影像原本具有 11 个光谱波段，但在已下载的图像中提供了 7 个光谱波段。 目前，红、绿和蓝通道分别设置为波段 1（沿海气溶胶）、波段 2（蓝色）和波段 3（绿色）。 由于原始波段顺序，这是默认波段组合。 您将更改符号系统以自然色渲染查看该图像，自然色彩渲染由波段 4（红色）、3（绿色）和 2（蓝色）组成。
- 在符号系统窗格中，设置以下通道：
- 将红色更改为 sr_band4。
- 将绿色更改为 sr_band3。
- 将蓝色更改为 sr_band2。
该图层将在地图中更新。 现在，植被显示为绿色，裸露的土壤为棕色或棕灰色，水为蓝色或蓝灰色，城市区域为亮灰色。
注：
已使用 Landsat 8 表面反射率提供的质量评估 (QA) 波段将图像上的云和云阴影设置为 NoData 值。 这些区域显示为空白，您可能会在这些位置看到以下图层。
- 在内容窗格中，单击 Landsat8_2019_10_15.tif 图层。 在符号系统窗格中，设置以下通道：
- 将红色更改为 sr_band4。
- 将绿色更改为 sr_band3。
- 将蓝色更改为 sr_band2。
您将使用“卷帘”工具来比较蝗虫入侵前后的两个图像。
- 在内容窗格中，单击 Landsat8_2020_11_18.tif 图层以将其选中。
- 在功能区栅格图层选项卡的比较组中，单击卷帘。
- 将指针从顶部拖动到底部以剥离顶部图像并显示下方第二个图像。
与 2020 年的图像相比，2019 年的图像中植被明显更多。
- 单击功能区上的地图选项卡。 在导航组中，单击浏览。
- 保存地图。
计算像素值差异
可视化两个图像之间的差异后，您将在变化检测向导中使用 NDVI 植被指数来计算植被中的差异。
- 单击功能区上的影像选项卡。 在分析组中，单击变化检测，然后选择变化检测向导。
默认情况下，请将变化检测方法设置为像素值变化。 这次，由于影像连续，因此已默认选择了此选项。
- 对于自栅格，选择 2019 图像。 对于至栅格，选择 2020 图像。
- 单击下一步。
随即显示波段差异窗格。 由此可以选择多个特定于像素值变化模式的选项。
默认情况下，差异类型设置为绝对。 “绝对”差异是每个图像中的像素值之间的数学差。 通过比较，“相对”差异说明了要比较的值的量级。 在本例中，由于已对将要使用的植被指数进行归一化（其范围介于 -1 到 1），因此无需使用相对差异。
- 对于波段差异方法，选择波段指数差异。
借助此选项，在执行比较之前，可以首先在每个图像上计算波段指数。 在本例中，您将使用 NDVI 指数，该指数用于比较植被覆盖度。 默认情况下，波段指数参数设置为 NDVI。
归一化差值植被指数 (NDVI) 是一种通常用于评估影像中是否存在健康的绿色植被的指数。 它使用来自红色和近红外 (NIR) 波段的光谱反射率信息，并使用以下公式计算比率：
NDVI = (NIR – Red) / (NIR + Red)
您需要指定与 NIR 和 Red 光谱波段对应的图像波段。
- 对于两个图像，将近红外波段指数设置为 5 - sr_band5。 对于两个图像，将红色波段指数设置为 4 - sr_band4。
- 单击下一步。
- 在分类差值窗格，单击计算统计数据和直方图按钮。
变化检测向导将计算两个图像上的 NDVI 并计算它们之间的差异，因此可能需要一分钟才能完成。 然后，将 Preview_Mask 图层添加至地图。 此图层将显示 NDVI 值的差异。
在变化检测向导中，差异分类窗格包含的直方图显示了两个日期之间的差异值分布。 正值表示 NDVI 增加（即健康植被增加），而负值表示 NDVI 减少（即健康植被减少）。
您将更改该图层的符号系统，以更好地了解其显示的内容。
- 在内容窗格中，单击 Preview_Mask 色带。
随即显示符号系统窗格。
- 在符号系统窗格中，对于配色方案，展开下拉列表并选中显示名称复选框。 选择黄-绿-蓝(连续)。
- 选中反向复选框。
将更新预览掩膜。 健康植被已减少的区域为深蓝色或中蓝色。 健康植被已增加的区域为浅黄色。 由于影像包含云，并且其显示为 NoData，因此该图层的一些区域没有颜色。
- 关闭符号系统窗格。
- 在差异分类窗格的浏览差异直方图中，将最大值控点箭头拖动至 0，以便在最小值控点和最大值控点之间仅选择直方图的负值。
预览掩膜随即在地图中进行更新，以仅显示在直方图中选择的最小值 (-1.36) 和最大值 (0) 之间的像素值。 绝大多数的值都低于 0，这意味着大多数地区的植被已减少。 预期两个日期之间的 NDVI 会有少量减少，尤其是如果捕获日期相隔超过一个月。 您关注确定 NDVI 存在显著减少的区域。
- 将最大值控点拖动至约 -0.25。
该图层随即进行更新。 现在，地图中将仅显示 NDVI 减少 0.25 或更多的区域。 这将该值视为代表 NDVI 显著减少。
- 确认分类值中的差值已选中。 单击添加新类按钮。
随即将最小值和最大值添加至输出分类表中。 借助此功能，可以从差异栅格中提取特定范围的值并对其进行分类。 由此可以突出显示感兴趣的现象，而非计算两个数据集之间的差异。
- 在输出分类表中，将 Output 值设置为 1，并将 Class Name 设置为 NDVI Loss，然后将颜色设置为红色。
- 在窗格底部，单击预览。
随即将 Preview_ClassifiedDifference 图层添加至地图。 红色像素表示 NDVI 存在显著减少的所有区域。
预计 NDVI 每年都会有较小变化，但是 NDVI 的显著减少（例如您已确定的 NDVI 显著减少）只能归因于破坏性事件。 很可能是蝗虫入侵造成了您在影像中看到的损失。 蝗虫聚集在植被茂密的地区，农田尤其脆弱。 由此会给数百万人造成了毁灭性的损失。
- 单击下一步。
接下来，您将保存输出。
- 在输出生成窗格中，设置以下参数：
- 对于平滑邻域，确认已选择 None。
- 对于将结果另存为，确认选择栅格数据集。
- 对于输出数据集，单击浏览。 双击文件夹，然后单击 Change in Ethiopia。 对于名称，键入 NDVILoss_2019_2020.tif。 单击保存。
注：
指定 .tif 扩展名将确定栅格数据集的输出格式将为 TIFF 文件。 有关所有受支持的栅格格式列表，请参阅栅格文件格式文档。
- 单击运行。
随即将新数据集添加至地图。
- 在内容窗格中，关闭 Preview_ClassifiedDifference 和 Preview_Mask 图层。
注：
如果 Preview_ClassifiedDifference 图层与最终结果看起来有所不同，那是因为预览图层是使用栅格函数生成的，栅格函数根据数据集的当前显示，使用重采样像素大小来动态计算结果。
- 保存工程。 请勿关闭变化检测向导。
多次执行相同的分析
由于此变化检测工作流是使用栅格函数完成的，因此可以将输出（以及前一个模块的输出）另存为栅格函数模板。 然后，可以在其他图像上使用该栅格函数模板，以进行快速且可重复的分析，该分析可用于多个区域或不同年份。
接下来，您将创建 NDVI 比较工作流作为新的栅格函数模板。
- 在内容窗格中，关闭 NDVILoss_2019_2020.tif 图层。
- 在变化检测向导的输出生成窗格中，对于将结果另存为，选择栅格函数模板。 单击运行。
随即显示栅格函数模板编辑器窗口，其中填充了用于运行分析的函数。
- 右键单击顶部栅格输入，选择重命名并将其重命名为自栅格。 将底部栅格输入重命名为至栅格。
- 双击顶部波段算术函数。 在波段算术属性窗口中，单击变量选项卡并选中自栅格参数的 IsPublic 复选框。
此设置可确保自栅格参数将在最终栅格函数中可见。 在运行该函数时，可以选择应用作自栅格参数的栅格。
- 单击确定。
- 双击底部波段算术函数。 在波段算术属性窗口中，单击变量选项卡并选中至栅格参数的 IsPublic 复选框。
- 单击确定。 在栅格函数模板 1 窗口中，单击保存按钮。
- 在保存窗口中，设置以下参数：
- 对于名称，键入 Landsat 8 NDVI Loss。
- 对于类别，选择自定义。
- 对于描述，键入 Compares two Landsat 8 images and extracts a loss in NDVI of 0.25 or more。
- 单击确定。
- 关闭栅格函数模板 1 窗口。 如果您收到一条消息，请求您保存已编辑的函数链，请单击否。
- 在变化检测向导窗格中，单击完成。
您将测试刚刚创建的函数。
- 在功能区影像选项卡的分析组中，单击栅格函数按钮。
随即显示栅格函数窗格。
- 在栅格函数窗格中，单击自定义选项卡，然后展开自定义 1 类别。
- 单击 Landsat 8 NDVI Loss。
将打开您创建的函数。
- 在 Landsat 8 NDVI Loss 属性窗格中，对于自栅格，选择 Landsat8_2019_10_15.tif。 对于至栅格，选择 Landsat8_2020_11_18.tif。
- 单击新建图层。
随即将生成的函数栅格图层添加至地图。 它使用了与您在变化检测向导中已使用的完全相同的处理步骤。 可以提供任意两个 Landsat 8 图像以生成相似结果。
注：
如果要选择其他传感器（另一种影像类型），则必须在“波段算术”函数中更改波段指数值，以确保将正确的波段用于 NDVI 计算。
- 保存工程。 关闭 ArcGIS Pro。
您使用了变化检测向导来计算 Landsat 影像图层之间的像素值差异，并确定存在植被损失的区域。 您还创建了可重用栅格函数模板，以将相同的分析应用于其他数据。
在居住地区执行变化分析
您可以使用变化检测向导通过您自己的数据集合计算两个栅格之间的差异。 您还可以使用该向导比较来自全球影像服务的两个图层，并可选择分析任何所选位置，其中包括您居住的地区。
使用全球土地覆被影像服务分析变化
Global Land Cover 1992-2019 影像服务在 ArcGIS Living Atlas 上托管，并可针对特定年份进行访问和配置，以查看您居住的地区的土地覆被变化情况。 作为扩展练习，您可以使用以下步骤查看您感兴趣的区域的变化情况。
- 启动 ArcGIS Pro，并使用所选工程名称的地图模板创建工程。
您将访问一个动态图层，其中包含您使用过的信息，但这些信息适用于整个世界。
- 单击功能区上的视图选项卡。 在窗口组中，单击目录窗格。
- 在目录窗格中，单击门户选项卡，然后单击 Living Atlas 按钮。
- 搜索 Global Land Cover。 右键单击 Global Land Cover 1992-2019 影像服务并选择添加至当前地图。
- 单击功能区上的地图选项卡。 在查询组中，单击定位按钮。
- 在定位窗格中，输入感兴趣的位置，例如 Denver, CO, USA 并按 Enter 键。
地图随即缩放至感兴趣区域。
- 关闭定位窗格。
注：
如有必要，可缩小地图，直至看到整个区域。
- 在内容窗格中，右键单击 Global Land Cover 1992-2019 并选择属性。
- 在图层属性窗口中，单击时间选项卡。 对于使用时间过滤，选择无时间 - 始终显示内容。
- 单击定义查询选项卡。
- 单击新建定义查询并创建定义查询：Where Start Date is equal to 1/1/1992。
- 单击应用。 单击确定。
您地图中的土地覆被数据来自 1992 年。 您将保存此数据的本地副本以供分析。
- 在内容窗格中，右键单击 Global Land Cover 1992-2019 图层，指向数据，然后选择导出栅格。
导出栅格窗格随即出现。
- 在输出栅格窗格中，对于输出栅格数据集，单击浏览按钮。 浏览至所选位置，将输出图层命名为 LandCover_1992.tif，然后单击保存。
- 对于坐标系，单击空间参考按钮。 在空间参考窗口的搜索栏中，输入 albers equal area conic，然后按 Enter 键。
- 展开投影坐标系并为研究区域选择合适的坐标系。 单击确定。
- 对于裁剪几何，选择当前显示范围。
- 单击导出。
内容窗格中添加了 1992 年的土地覆被栅格。
注：
根据您的分析位置，结果可能会有所不同。
接下来，您将重复该过程以创建 2019 年的土地覆被图层。
- 对于Global Land Cover 1992-2019，执行以下操作：
- 在图层属性窗口中，构建定义查询：Where Start Date is equal to 1/1/2019。
- 在导出栅格窗格中，对于输出栅格数据集，选择一个输出位置并将栅格命名为 LandCover_2019.tif。
- 在导出栅格窗格中，对于坐标系，选择之前使用的相同坐标系。
- 在导出栅格窗格中，对于裁剪几何，选择当前显示范围。
- 单击导出。
2019 年的新土地覆盖栅格将添加到地图中，您将使用该栅格进行分析。
- 在内容窗格中，右键单击 Global Land Cover 1992-2019 图层并选择移除。
现在，您可以比较不同年份的两个分类栅格。
- 在功能区影像选项卡的分析组中，单击变化检测，然后选择变化检测向导。
- 在变化检测向导中，设置以下参数：
- 对于变化检测方法，保留分类变化。
- 对于自栅格，选择 LandCover_1992.tif。
- 对于至栅格，选择 LandCover_2019.tif。
您现在可以继续分析感兴趣区域的土地覆被变化情况。
提示：
为了更好地了解结果，请关闭 1992 年和 2019 年的原始土地覆被图层。
在本教程中，您比较了 1992 年和 2018 年的土地覆被数据集，以计算埃塞俄比亚城市增长和农业扩张引起的变化。 您的研究结果表明，埃塞俄比亚的人口增长主要导致了农业土地利用的增加，而城镇发展为次要因素。 NDVI 下降表明，尽管农业得到发展，但 2020 年的大规模蝗虫入侵导致农作物大量损失。 您比较了两个 Landsat 8 图像并提取了 NDVI 下降的区域。
您可以在教程库中找到更多教程。
