遥感降尺度——线性回归模型

最新推荐文章于 2022-10-10 14:37:24 发布

低调的大耳朵图图

最新推荐文章于 2022-10-10 14:37:24 发布

阅读量1.7k

点赞数 1

分类专栏： matlab 文章标签：线性回归 matlab 算法

本文链接：https://blog.csdn.net/qq_41828818/article/details/127001080

版权

matlab 专栏收录该内容

5 篇文章 65 订阅

订阅专栏

本文探讨了遥感降尺度中线性回归模型的使用，通过建立高分辨率影像与低分辨率影像之间的线性关系（Y=AX+B），实现遥感数据的降尺度处理。提供了一个用Matlab实现的NDVI降尺度代码示例。

摘要由CSDN通过智能技术生成

对于遥感降尺度，最简单的方法就是线性拟合模型。简单的来说就是若干幅高分辨率的影像和与之对应日期的若干幅低分辨率的影像之间建立一个线性回归模型。（Y=AX+B，其中Y是高分辨率影像，X是低分辨率影像，通过建立模型可以得到系数A,B影像）
建立高低分辨率影像的线性回归模型的Matlab 代码如下（这里举例是对NDVI进行降尺度）：

[aa,R]=geotiffread('F:\yz\PhD\Recent_work\Rework\Downscaling\rework\Landsat\NDVI_clip\LC08_L2SP_133033_20130721_20200912_02_T1_SR_B4.TI.NDVI.tif_clp.tif');%先导入纬度数据
info=geotiffinfo('F:\yz\PhD\Recent_work\Rework\Downscaling\rework\Landsat\NDVI_clip\LC08_L2SP_133033_20130721_20200912_02_T1_SR_B4.TI.NDVI.tif_clp.tif');
[m,n]=size(aa);
%temsum=zeros(m*n,18);%16表示时间序列长度
presum=zeros(m*n,2);%10表示时间序列长度
ndvisum=zeros(m*n,2);%10表示时间序列长度
for year=2013:2014
     %temp=importdata(['D:\qixiang\年尺度数据\插值的结果\年平均温度\tem',int2str(year),'.tif']) ; 
     pre=importdata(['F:\yz\PhD\Recent_work\Rework\Downscaling\rework\MODIS\NDVI_ree_clip _d\A',int2str(year),'.sample.tif_clp.tif']) ; 
     ndvi=importdata(['F:\yz\PhD\Recent_work\Rework\Downscaling\rework\Landsat\NDVI_clip_d\LC08_L2SP_133033_',int2str(year),'.NDVI.tif_clp.tif']) ; 
     %注意数据的有效范围
     %temp(temp<-1000)=NaN;%温度有效范围
     %pre(pre<0)=NaN;%有效范围大于0
     %ndvi(ndvi<-1)=NaN; %有效范围是-1到1
     %temsum(:,year-1999)=reshape(temp,m*n,1);
     presum(:,year-2012)=reshape(pre,m*n,1);
     ndvisum(:,year-2012)=reshape(ndvi,m*n,1);
end
%多元回归，ndvi=a*pre+b*tem
pre_slope=zeros(m,n);
%tem_slope=zeros(m,n)+NaN;
b_cofficient=zeros(m,n);
pz=zeros(m,n);
for i=1:m*n
        pre=presum(i,:)';
        ndvi=ndvisum(i,:)';
        %tem=temsum(i,:)';
        X=[ones(size(ndvi)),pre];
        [b,bint,r,rint,stats] = regress(ndvi,X);
        pre_slope(i)=b(2);
        b_cofficient(i)=b(1);
        %tem_slope(i)=b(2);
        pz(i)=stats(3);
    
end
filename='F:\yz\PhD\Recent_work\Rework\Downscaling\rework\result/a.tif';
geotiffwrite(filename,pre_slope,R,'GeoKeyDirectoryTag',info.GeoTIFFTags.GeoKeyDirectoryTag)

%filename='G:/downscale_test/results/方程的显著性.tif';
%geotiffwrite(filename,pz,R,'GeoKeyDirectoryTag',info.GeoTIFFTags.GeoKeyDirectoryTag)

%pre_slope(pz>0.05)=NaN;
%filename='G:/downscale_test/results/方程通过0.05显著性检验的的a.tif';
geotiffwrite(filename,pre_slope,R,'GeoKeyDirectoryTag',info.GeoTIFFTags.GeoKeyDirectoryTag)

filename='F:\yz\PhD\Recent_work\Rework\Downscaling\rework\result/b.tif';
geotiffwrite(filename,b_cofficient,R,'GeoKeyDirectoryTag',info.GeoTIFFTags.GeoKeyDirectoryTag)