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