Google Earth Engine(GEE)——两个数据集之间沿时间维度的相关性斯皮尔曼和皮尔逊相关性分析

此星光明

于 2023-07-17 09:00:00 发布

阅读量481

点赞数

分类专栏： GEE-PYTHON 文章标签： python 相关性皮尔逊斯皮尔曼 cor gee

本文链接：https://blog.csdn.net/qq_31988139/article/details/131693654

版权

GEE-PYTHON 专栏收录该内容

164 篇文章 47 订阅 ¥179.90 ¥299.90

订阅专栏

超级会员免费看

这篇博客探讨如何在Google Earth Engine (GEE)中，针对两个沿时间维度的数据集进行斯皮尔曼和皮尔逊相关性分析。由于数据集中存在大量缺失值，不适合直接插值处理，而是选择忽略这些值。作者提供了适用于xarray数据结构的代码示例，该代码能够处理NaNs，并且可以计算出协方差、相关性、回归斜率、截距、P值和标准误差。该方法适用于一维或三维时间序列数据，允许为数据设置滞后值进行分析。

摘要由CSDN通过智能技术生成

我试图计算 xarray 中两个数据集之间沿时间维度的相关性。我的数据集都是lat x lon x time。其中一个数据集数据缺失太多，因此插值和消除缺失并不合理，相反，我希望忽略缺失值。我有一些简单的代码，但都不符合我的具体情况。例如：

def covariance(x,y,dims=None):
    return xr.dot(x-x.mean(dims), y-y.mean(dims), dims=dims) / x.count(dims)

def correlation(x,y,dims=None):
    return covariance(x,y,dims) / (x.std(dims) * y.std(dims))

在没有数据缺失的情况下效果很好，但当然不能用于 nans。虽然这里有一个为xarray写的很好的例子，但即使使用这段代码，我也很难计算出pearson相关性而不是spearman相关性。

import numpy as np
import xarray as xr
import bottleneck

def covariance_gufunc(x, y):
    return ((x - x.mean(axis=-1, keepdims=True))
            * (y - y.mean(axis=-1, keepdims=True))).mean(axis&