原理与计算公式
信息熵可以反映出研究对象的不确定性，而这种不确定性与研究对象的变化特征是直接相关的。同时，长时间序列的遥感影像由于完整地记录了与区域生态环境状况密切相关的环境要素的变化过程，能够更好地反映其时空变化规律。生态环境要素的时空变化特征包含变化强度和变化趋势两方面，分别来反映一段时间范围内环境要素变化的波动程度和变化的方向。综合以上分析，在借鉴信息熵概念的基础上，并结合遥感数据源的特点，本文提出了时间信息熵、时间序列信息熵来充分挖掘生态环境要素在时间维的变化信息，表征环境要素在某一时期内的变化强度和变化趋势信息。
时间信息熵(temporal information entropy)用来反映生态环境要素在时间维的变化强度信息。应用时考虑不同遥感数据源的特点，具体计算和说明如下：
式中：?1≤ ?2≤ ⋯ ≤ ??，是像元不同时期的观测值?1, ⋯ , ??按照从小到大的顺序排列后得到的（??即表示任意像元第i年的NDVI值）。
下面对计算公式中的参数进行说明：
m 是“时间频率”因子，通过选取不同的 m 值（m 为不超过 n/2 的正整数）可以反映研究对象在不同时间尺度上的变化特征。本文中，由于年 NDVI最大值能更好地反映区域的植被覆盖情况，故该要素变化的时间尺度为年，计算时取 m=1；
∆是“缩放系数”，表示是对不同数据源进行标准化处理，使得计算结果具有可比性（一般∆值可以取为基础变化单位；以本文采用的 NDVI 数据为例，∆即由时序 NDVI 数据统计得到的基础变化单位∆=0.02）。
通过时间信息熵可以反映某一时段内生态环境要素在时间维的变化强度情况：H 值越大反映出这一段时间内环境要素的变化强度越大，反之则表示变化强度越小。分析时间信息熵的计算方法，由于计算时对遥感观测数据进行了排序处理，结果只能反映出环境要素变化的强度信息，而无法体现出其在时间维的变化趋势信息。基于此，本文提出了时间序列信息熵(time-series information entropy)来反映某一段时间内生态环境要素在时间维的变化趋势信息。以研究中所用的 MODIS/NDVI 数据为例，具体的计算和说明如下：
H′值为正表示在某一时段内植被覆盖的变化呈上升趋势；反之则表示植被覆盖呈下降趋势。H′绝对值越大，表明上升（或下降）的趋势越明显。综合利用上述时间信息熵、时间序列信息熵可以挖掘生态环境要素在时间维的变化特征，定量、客观地表征长时间序列环境要素的变化强度和变化趋势信息。在此基础上，来构建反映流域生态环境动态变化特征的评价指标体系。
matlab代码
需要计算栅格点的时间信息熵和时间序列信息熵的matlab代码请根据文章最后面的信息联系我。
效果
结束语
承接模型、算法代码实现（支持python、matlab、excel vba），比如REOF，有意请联系QQ947943645 ，非诚勿扰！
