1方法

1.1 趋势分析

采用一元线性回归分析和最小二乘法,逐像元拟合近n年间遥感影像每个栅格NDVI的斜率Slope,得到多年NDVI的变化趋势,综合分析流域多年植被覆盖变化额方向和速率。

式中,slope为变化趋势;yi为第xi年的值;当slope > 0,呈增加趋势;当slope < 0,呈下降趋势;

1.2 F检验

为了进一步评价植被覆盖变化状况,采用F检验法对NDVI变化趋势进行显著性分析,用于表示趋势变化置信度的高低。

式中,n为研究时序;U为误差平方和;Q为回归平方和;~yi为拟合回归值;一yi为n年的平均值;yi为第xi年的值。

2 数据处理

2.1 时间上

1、打开Arcgis,导入2000-2015年延河流域的NDVI数据,将各个年份的NDVI的数值乘以10000

【Spatial Analyst】-- 【地图代数】 -- 【栅格计算器】(批处理)

地图代数表达式为: 目标年份的NDVI数据 * 10000

选择输出路径和输出文件名

2、提取 NDVI 年平均值

【System Toolboxes】 ->【 Spatial Analyst Tools.tbx】 -> 【Multivariate】 ->

【Band  Collection Statistics】(波段集统计)

按照图中方式选择 2000-2015 年 NDVI 数据,设置文件保存路径和名称,OK。

在设置的路径下,得到 txt 文件“ndvi 平均值”

3、得到一元线性回归方程

在Excel中打开ndvi 平均值”文件,选定目标区域,

【插入】  --  【图表】(散点图)

鼠标右击一个散点,添加【趋势线】

选择 【线性】、【显示公式】、【显示R平方】

输出结果

4、G 显著性检验

利用 SPSS 软件,计算 NDVI 与年份之间的一元线性回归方程的显著性

【分析】->【回归】->【线性】,选择因变量和自变量,计算结果。

模型汇总中 R 2为 0.610,方差分析(Anova)中,F 值为 21.940,查 F 分布临界值表,当 α=0.05 时,F ~ F(1, n-2),即 f1=1,f2=n-2=16-2=14,F0.05临界值为 4.60, F =21.940 > F0.05 = 4.60,可知拟合的线性方程是显著的。系数中,常量为-37204.226,变量系数为 21.157,Sig.为 0.000b < 0.05,表明系数也是显著的。拟合方程显著情况下,才可以进行预测分析。

5、H 预测分析

利用拟合得到的显著线性方程 y = 21.157x – 37204 (R2 = 0.610, F=21.940 )。其中 21.157 为系数,-37204 为常数,R2为曲线和拟合度。可以预测未来的 NDVI 变化。

2.2 空间上

2.2.1 系数 b 的计算

根据公式,b 值可划分为以下几个部分分别计算:

计算过程如下:

【System Toolboxes】 -> 【Spatial Analyst Tools.tbx】 ->【 Map Algebra】 ->

【Raster  Calculator】

按照下图的步骤分别计算 b1、b2、b 值。

2.2.2 常数 a 的计算

a 值计算按照公式计算,分别计算 x 和 y 平均值,即 2000- 2015 年年份和 NDVI 的平均值,年份的平均值为 2007.5。

打开 ArcGIS ,【System Toolboxes】 ->【 Spatial Analyst Tools.tbx】 -> 【Local】 ->

【 Cell Statistics】

计算 NDVI 平均值

计算 a 值

打开 ArcGIS ,【System Toolboxes】 -> 【Spatial Analyst Tools.tbx】 ->

【Map Algebra 】->【 Raster Calculator】

2.2.3 线性回归方程的显著性检验——计算 F 值

计算2000-2015 年拟合NDVI 值

打开 ArcGIS ,【System Toolboxes】 -> 【Spatial Analyst Tools.tbx】 ->

【Map Algebra】 -> 【Raster 】(批处理)

命名为 Fit_ndvi2000、Fit_ndvi2001、…、Fit_ndvi20

计算Q值

打开 ArcGIS ,【System Toolboxes】 -> 【Spatial Analyst Tools.tbx】 -> 【Map Algebra】 -> 【Raster 】

计算U值

打开 ArcGIS ,【System Toolboxes】 -> 【Spatial Analyst Tools.tbx】 ->

【Map Algebra】 -> 【Raster 】

计算F值,F值计算公式如下:

打开 ArcGIS ,【System Toolboxes】 -> 【Spatial Analyst Tools.tbx】 ->

【Map Algebra】 -> 【Raster 】

2.2.4 成果输出

线性变化速率(系数 b 值)和显著性检验结果(F 值) 。

线性变化速率(b 值):是以 0 为界值,将线性变化速率划分为正值和负 值,正值表示线性增加趋势、负值表示线性减少趋势

将 b 重分类:

打开 ArcGIS ,【System Toolboxes】 -> 【Spatial Analyst Tools.tbx】 ->【Reclass】 -> 【Reclassify】

显著性检验结果(F 值):根据显著性临界值(α=0.05 时,n=16 是,F 表临界值为 4.60),将 F 值 划分为显著减少趋势、不显著减少趋势、不显著增加趋势、显著增加趋势 4 类。

将F重分类 :

打开 ArcGIS ,【System Toolboxes】 -> 【Spatial Analyst Tools.tbx】 -> 【Reclass 】-> 【Reclassify】

趋势及显著性叠加检验:

利用 Raster Calculator 按照图计算 F 检验结果

2.2.5 统计面积和比例

导出属性表,在Excel中打开计算各个类型的面积和比例

ArcMap对多年 NDVI 进行线性趋势和F显著性检验相关推荐

  1. 1960-2020年中国气温线性趋势变化的时空差异及影响因素

    [说明:文章为笔者原创随笔,引用请标明出处] 图 3.2 影响全国及不同地区温度线性趋势空间变异的因素 a 1960-1989年  b 1990-2020年 框中标注表示因子对温度线性趋势的解释力(% ...

  2. 【Matlab】 多年NDVI数据的sen趋势分析

    具体内容及详细教程请关注微信公众号:夫也的笔记 最近老师在课上安排了一个汇报作业,要求对某一地区的多年NDVI数据进行趋势分析,对于小白的我来说,真是!唉!但是功夫不负有心人,在我充分利用百度搜索.谷 ...

  3. Holt 线性趋势模型,指数趋势模型和阻尼形式

    1 Holt线性趋势模型 Holt 在1957年把简单的指数平滑模型进行了延伸,能够预测包含趋势的数据,该方法包含一个预测方程和两个平滑方程(一个用于水平,另一个用于趋势): Forecast equ ...

  4. R语言中通过鞅残差(martingale residual)分析、可视化自变量与鞅残差的关系判断指定连续变量和风险比HR值是否存在着线性趋势、Cox回归对线性条件的诊断

    R语言中通过鞅残差(martingale residual)分析.可视化自变量与鞅残差的关系判断指定连续变量和风险比HR值是否存在着线性趋势.Cox回归对线性条件的诊断 目录

  5. 分段线性拟合经典案例:计算多年气温最低值和最高值的分段线性变化趋势(附分段线性拟合工具下载)

    分段线性回归:是用虚拟变量估计不同数量水平的解释变量对被解释变量的影响.在经济关系中,当解释变量X的值达到某一水平X′之前,与被解释变量之间存在某种线性关系:当解释变量X的值达到或者超过X′以后,与被 ...

  6. ENVI时间序列趋势分析之一元线性回归分析

    教程照片及其他详细信息请关注微信公众号:夫也的笔记 公众号内容包含:ArcGIS.ENVI.MATLAB.Python和R语言教程和实际案例分享 ​课程作业中需要做一个多年NDVI趋势分析,以下内容仅 ...

  7. R假设检验之Mann-Kendall趋势检验法(Mann-Kendall Trend Test)

    R假设检验之Mann-Kendall趋势检验法(Mann-Kendall Trend Test) 世界气象组织推荐并已广泛应用的Mann-Kendall非参数统计方法,能有效区分某一自然过程是处于自然 ...

  8. 脑电信号预处理--去趋势化(Detrended fluctuation analysis)

    点击上面"脑机接口社区"关注我们 更多技术干货第一时间送达 本文由c851038595授权分享 感谢c851038595! 由于脑电信号的不稳定性和不规则性,因此对脑电信号的处理也 ...

  9. Python去线性化趋势

    import numpy as np import matplotlib.pyplot as plt from matplotlib.pyplot import MultipleLocator imp ...

  10. excel线性拟合的斜率_协方差分析:方差分析与线性回归的统一

    转自个人微信公众号[Memo_Cleon]的统计学习笔记:协方差分析:方差分析与线性回归的统一. 在进行数据分析时,有时候我们会遇到数据基线不平的情况,比如两样本的t检验的示例,比较Labe和Meto ...

最新文章

  1. HTML用乘法函数,Excel乘法函数的使用方法和详细步骤
  2. Endnote如何一键更改参考文献?
  3. Android手机中怎么样在没root的情况下 修改 hosts 文件
  4. 《C++ Primer》关于自增自减操作符的描述错误
  5. 3个阶段 项目征名_中资企业新签的3个海外项目开工
  6. 几本很不错的C++Builder的电子书
  7. 叶罗丽颜值测试软件齐娜多少分,精灵梦叶罗丽:美颜相机下灵公主16岁、齐娜7岁,他竟然拍的46岁...
  8. VMware虚拟机net模式无法共享主机ip
  9. 6-1 单链表逆转 (20 分)
  10. ios系统软件迁移到安卓_教你把ios系统移植到安卓手机
  11. Cadence Allegro PCB绘制:布线后的操作教程
  12. Unity3D学习笔记(6)—— 飞碟射击游戏
  13. Matlab中三维直方图的显示方法
  14. xp好还是vista好_在XP,Vista和Windows 7中播放您喜欢的DOS游戏
  15. Day46 网络编程基础
  16. DARTS论文和算法解析
  17. 【大数据入门核心技术-Hbase】(一)HBase简介
  18. 主流 Java ORM 框架有哪些?
  19. 【新手向】程序员相关概念梳理
  20. 中兴通讯云网解决方案介绍

热门文章

  1. EXCEL单元格式(亿元,万元)
  2. 如何看待IT培训这件事情?IT培训出来的人都一无是处吗?
  3. js如何区分单击与双击(如何避免双击的时候触发单击事件)
  4. android webview 视频黑屏,webview 播放H5视频问题 黑屏 只有声音没有画面
  5. 小程序 ios 视频黑屏
  6. Qt 中文和英文分别使用不同的字体
  7. 大数据笔记--Hadoop(第五篇)
  8. 记录 网上搜集的自动获取银行卡信息工具类
  9. 借助winPE手工清除Deep Freeze冰点还原
  10. 腾讯云技术布道师贺嘉正式受邀出席SDCC 2016微信开发专题,分享腾讯云的小程序解决方案...