matlab计算栅格数据逐像元趋势,基于matlab的长时间栅格序列逐像元多元回归

在长时间序列的栅格数据分析过程中，有时候需要建立多元回归分析来分析多种要素对单个要素的影响。本文以降水和温度为x变量，以NDVI为y变量，逐像元建立NDVI与降水和温度的关系。具体代码如下

% @author yinlichang3064@163.com

[aa,R]=geotiffread('D:\qixiang\年尺度数据\插值的结果\平均温度\tem2000.tif');%先导入纬度数据

info=geotiffinfo('D:\qixiang\年尺度数据\插值的结果\平均温度\tem2000.tif');

[m,n]=size(aa);

temsum=zeros(m*n,18);%16表示时间序列长度

presum=zeros(m*n,18);%16表示时间序列长度

ndvisum=zeros(m*n,18);%16表示时间序列长度

for year=2000:2017

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(['D:\qixiang\年尺度数据\插值的结果\年降水\pre',int2str(year),'.tif']) ;

ndvi=importdata(['D:\qixiang\年尺度数据\ndvi',int2str(year),'.tif']) ;

%注意数据的有效范围

temp(temp

pre(pre<0)=NaN;%有效范围大于0

ndvi(ndvi

temsum(:,yea