本仓库汇集了面向海岸带蓝碳评估、土地利用/覆被变化（Land Use/Land Cover, LULC）统计、栅格数据批处理、空间驱动因子分析与可视化表达的 Python 脚本、Jupyter Notebook 与辅助工具。代码主要服务于海岸带生态系统碳储量变化、土地覆被转移过程、空间异质性识别以及地理探测器相关分析流程。
海岸带湿地、滩涂、红树林、盐沼等生态系统在区域碳循环与气候调节中具有重要作用。蓝碳评估通常需要综合多期土地覆被数据、碳库参数、空间距离因子、地形与环境驱动因子，并在统一空间尺度下开展统计、建模与结果表达。本仓库围绕上述需求，整理了若干可复用的空间数据处理与分析脚本。
INVEST_coastal_blue_carbon.py与coastal_blue_carbon(Dealing with overflow).py：InVEST Coastal Blue Carbon 相关模型调用与过程处理脚本。LULC/：土地利用/覆被面积统计、转移矩阵计算、LULC 变化制图与蓝碳相关 Notebook。drive/：地形、夜光、气候或其他潜在驱动因子分析 Notebook 与脚本。OMGD/：Optimal Multivariate-stratification Geographical Detector 相关代码、示例与环境文件。plot/：蓝碳变化、LULC 面积和驱动因子结果的可视化脚本。tool/：栅格裁剪、重分类、插值、坐标转换、格式转换、坡度坡向计算等批处理工具。class/、download/：分类处理、数据下载相关辅助脚本。
本项目以 Python 生态为主，涉及的核心库包括但不限于：
- 数值与表格计算：
numpy、pandas、scipy - 栅格与地理空间处理：
rasterio、pygeoprocessing、cartopy - 可视化：
matplotlib、seaborn - 机器学习与空间分层：
scikit-learn、jenkspy - 模型工具：
natcap.invest、taskgraph
部分依赖可参考 OMGD/requirements.txt 和 OMGD/omgd.yml。由于不同脚本对应的研究阶段和数据源不同，建议按具体脚本逐项建立隔离环境，并优先使用 Conda 或虚拟环境管理依赖。
- 克隆仓库并进入项目目录。
- 根据目标任务选择相应子目录，例如 LULC 统计、InVEST 蓝碳模型、驱动因子分析或批处理工具。
- 准备与脚本字段和空间参考一致的输入数据。
- 检查脚本中的本地路径配置，尤其是 InVEST 相关脚本内的绝对路径。
- 在隔离环境中安装依赖并运行对应脚本或 Notebook。
示例：
git clone <repository-url>
cd sea
python -m venv .venv
.\.venv\Scripts\activate
pip install -r OMGD/requirements.txt仓库默认不纳入大体量或可再生的数据产物，包括 .tif、.tiff、.xlsx、.csv、.png、.nc 等文件。该策略旨在保持代码仓库轻量、可审计，并降低误上传原始数据或中间结果的风险。
如需复现实验，请自行准备原始遥感、土地覆被、地形、气候或社会经济数据，并确保数据来源、授权方式和引用格式符合相应数据提供方要求。
如果本仓库中的代码、流程或整理方式对您的研究有帮助，请在论文、报告或数据论文中引用本仓库，并同时引用相关方法、模型和数据来源。可参考 CITATION.cff 中的仓库级引用信息。
对于 OMGD/ 目录中的方法实现，请同时参考其原始论文：
Guo, Y., Wu, Z., Zheng, Z., & Li, X. (2024). An optimal multivariate-stratification geographical detector model for revealing the impact of multi-factor combinations on the dependent variable. GIScience & Remote Sensing, 61(1). https://doi.org/10.1080/15481603.2024.2422941
本仓库中的原创代码以 MIT License 发布，详见 LICENSE。数据、第三方材料、论文补充材料、外部模型、外部数据源及其派生产品不因本仓库开源而自动获得相同许可；相关限制详见 NOTICE.md。
本仓库主要用于科研、教学和方法复现。脚本中可能包含特定研究区、特定数据版本或特定本地目录结构下的路径与参数。使用前请根据实际数据、坐标系统、分类体系和研究假设进行核查，不应将默认参数直接视为通用结论。