生态环境遥感监测

3.2 相关分析，植被生态参数变化与气象数据实例。

（1）数据收集

所需数据：20年NDVI数据（以NDVI为例，但植被生态参数是叶面积、植被覆盖度、初级生产力等等）；20年气温（降水等数据，时序数据即可）。

1）年最大值NDVI数据，由GEE生产，空间分辨率250m。

2）气象数据，例如气温 （一片白，一片黑是因为最低值为-9999，可以通过SetNull解决）

（2）数据处理

1）NDVI数据处理

将其空间分辨率调整至与气象数据一致。

工具：数据管理——栅格——栅格处理——重采样

处理结果，一定要注意行列数，及其空间分辨率。 

2）气象数据处理

prcp为降水，tmp为气温

 裁剪：构建一个模型，掩膜提取，掩膜为处理好的NDVI数据。

 并在模型属性中设置其处理范围，处理范围为处理好的NDVI数据。

 提示：可以先处理一张影像，查看处理好的气象数据行列数是否和处理好的NDVI数据一致。

（3）MATLAB运行

文件夹：

1）NDVI文件：

2）气温数据文件：如果你不会在MATLAB中修改读取的文件名。

例如：

filenaname2=[Path1,'tmp_',int2str(year),'_mean.tif'];

那你就把气象数据文件名改为2000.tif，2001.tif，...，2020.tif

clc
clear

input=('E:\AAAAMODISdata\ndvi1km\B\');
input2=('E:\AAAAMODISdata\ndvi1km\Qixiang\');
output=('E:\AAAAMODISdata\ndvi1km\OUT\');
input_sample=[input,'2001.tif'];%%%随便取一张影像保存投影信息

A=('NDVI');
B=('TEMP');%%%降水还是气温
outname1=[output,A,B,'相关性.tif'];
outname2=[output,A,B,'显著性.tif'];
outname3=[output,A,B,'相关性0.05显著性检验的相关性.tif'];

[a,R]=geotiffread(input_sample); 
info=geotiffinfo(input_sample); 
[m,n]=size(a);
temsum=zeros(m*n,18); %%根据时间选择
ndvisum=zeros(m*n,18);%% 2000~2020 18改为21
k=1;

for year=2001:2018    %% 2000~2020 
    fname1=strcat(input,int2str(year),'.tif'); 
    data1=importdata(fname1);
    data1=reshape(data1,m*n,1);
    temsum(:,k)=data1;
    fname2=strcat(input2,int2str(year),'.tif');  
    data2=importdata(fname2);
    data2=reshape(data2,m*n,1);
    ndvisum(:,k)=data2;
    k=k+1;
end
r=zeros(m,n)+nan;  % 相关性 
p=zeros(m,n)+nan;  % 显著性
for i=1:m*n
      ndvidata=ndvisum(i,:)';  
      temdata=temsum(i,:)';
      [r1,p1]=corrcoef(temdata,ndvidata); 
      r(i)=r1(2);       
      p(i)=p1(2);
end

r0=r;
r0(p>0.05)=NaN;
geotiffwrite(outname1,r,R,'GeoKeyDirectoryTag',info.GeoTIFFTags.GeoKeyDirectoryTag);
geotiffwrite(outname2,p,R,'GeoKeyDirectoryTag',info.GeoTIFFTags.GeoKeyDirectoryTag);
geotiffwrite(outname3,r0,R,'GeoKeyDirectoryTag',info.GeoTIFFTags.GeoKeyDirectoryTag);