根据本站博主@TwcatL_tree在《【Python】遥感数据趋势分析Sen+mk》一文中提及的程序数据后处理的步骤,本人在经过查阅资料后得到以下经验,本帖用于个人学习总结:
在上面的部分中,因为利用到两种方法,结果得到的数据也是两个,如上图所示slope表示变化趋势,|z|表示显著性。在最后的分析中,往往需要将两个结果叠置分析。
目前,栅格数据的叠置分析一般使用Arcmap处理,通过使用“重分类+栅格计算器”的方法解决。
下面以Hurst指数结果和显著性变化结果的叠置分析做举例:
Huest指数和未来趋势研究的介绍指路:http://t.csdnimg.cn/Xt9ws
其中可以得到Hurst指数的结果(已经根据<0&>0将结果重分类)如下:
MK-sen检验的显著性趋势变化结果(根据博客:http://t.csdnimg.cn/8xKfT中所介绍的分类指标已经分类)如下:
可以看到,重分类得到的结果,不同的分类类别已经通过重分类被赋值为1、2;1、2、...9不同的值。由于之前功夫不到家,没有理解到这一步的含义,所以在初看后处理(叠置分析)部分时确实有点懵。为了方便计算,大家也可以把类别较少的重分类的数据放大一定的倍数,例如在栅格计算器中乘10:
得到:
在利用栅格计算器与显著变化的栅格数据相加:
就可以得到:
上图就是两个栅格图像叠置分析过后的结果,可以看到,根据计算结果图像共分了有18类,这其中持续性的占9类,反持续性的占9类;反持续部分的9个类别是如下:
最后在Arcmap中添加作图的要素即可:
后记:因为在数据的处理方式为:Arcmap和Python程序,但python程序对于栅格图像的处理本人不是很熟悉,当然程序的方式通过遍历栅格图像中的每一个像元来进行分析,从原理上与利用栅格计算器也是一样的,但是程序更加简洁明了,一步到位。