pengbr的博客

地理探测器数据准备及驱动因素分析

pengbr — Tue, 18 Feb 2025 17:29:07 +0800

用GEE平台可以将得到的tif文件保持相同的分辨率，这样得到的tif文件像元数一致，方便后续运行软件，否则还需对tif文件重采样。目标变量NDVI的像元数据不需要进一步处理，土地利用数据本身就是离散型类别数据也不需要处理，降雨、温度等数据是连续性变量，需要对数据进行重分类为离散变量。在这里我的目标变量是NDVI指数，驱动因子我选择了降雨量、温度、潜在蒸散量、土地利用、距河流距离这五个因子。由于我的数据有24万多条，用Excel版本的地理探测器报了溢出错误，于是选择用python来解决。

python计算时间序列栅格数据Hurst指数

pengbr — Sat, 15 Feb 2025 22:11:32 +0800

classify_trend函数根据不同的H值、Slope值和Z值划分类别。main函数首先是匹配所有的tif文件并按照年份排序，然后构建像元数据序列并进行并行处理，最后将结果输入到新的tif文件，这个tif文件包含四个波段，分别是编码波段（即1-10）、Theil-Sen斜率波段、Hurst指数波段、MK显著性波段。这里计算Hurst指数的实现思路相同，所以我在之前的代码基础上进行了修改，使得可以同时分析Hurst指数（持续性判断）、Sen趋势（趋势方向判断）、MK显著性（显著性判断）。

Invest模型获取区域生境质量

pengbr — Sat, 14 Dec 2024 16:54:32 +0800

INVEST模型，全称Integrated Valuation of Ecosystem Services and Tradeoffs（生态系统服务与权衡的综合评估），是由The Natural Capital Project开发的一套用于评估和量化自然资本及其提供的生态系统服务价值的工具。它旨在帮助决策者理解不同土地和海洋使用变化对人类福祉的影响，并为保护、管理和恢复自然资本提供科学依据。栖息地质量评估：评估栖息地的质量以及其对物种多样性的支持能力。

D3.js绘制土地利用变化和弦图

pengbr — Sun, 08 Dec 2024 21:54:26 +0800

D3.js与和弦图 D3.js D3.js（Data-Driven Documents）是一个开源的JavaScript库，用于使用Web标准来生成丰富的交互式数据可视化的工具。D3.js结合了强大的可视化组件和数据驱动的DOM操作方法，让开发者能够自由地将数据绑定到文档对象模型（DOM），然后通过数据来驱动DOM的变换和动画。 D3.js文档地址：D3.js 和弦图和弦图（Chord Diagram）是一种用于展示数据矩阵中各元素之间关系的可视化图形。它以圆形布局呈现，其中每个实体（或类别）表示为圆周上

python进行Theil-Sen Median斜率估计和Mann-Kendall趋势分析

pengbr — Wed, 27 Nov 2024 19:31:40 +0800

这样就得到了像元矩阵，矩阵中的行代表某一年的所有像元值。这样获取某一列数据就代表某个像元的时间序列数据，或者可以对矩阵进行转置，这样每一行就代表某个像元的时间序列，这里直接采用列数据。4、利用Theil-Sen Median斜率估计和Mann-Kendall趋势分析计算每个像元序列的β和Z值，并根据分类函数进行分类。虽然匹配到了所有的tif文件，但不是按照年份顺序排列的，所有接下来需要对文件列表重新排序。2、获取tif文件所有像元的值，并将这些tif文件像元的值组合起来形成像元矩阵。

python变化点分析(Change Point Analysis,CPA)

pengbr — Mon, 25 Nov 2024 16:27:41 +0800

变化点分析（Change Point Analysis, CPA）是一种用于检测时间序列数据中统计属性发生显著变化的点的方法。变化点分析的目标是识别时间序列数据的一个或多个位置，在这些位置数据的均值、方差、分布或趋势等属性发生显著改变。这些变化可能是由于外部条件的改变（如气候变化、政策干预）或系统内部的变化（如生态水文循环状态的转变）引起的。（Pruned Exact Linear Time）：这是一种高效的多变化点检测算法。：这是一个专门用于变化点检测的Python库，提供了多种算法。

python绘制置信椭圆

pengbr — Fri, 01 Nov 2024 21:59:57 +0800

置信椭圆（Confidence Ellipse）是一种用来表示二维数据的置信区域的统计工具。它是多元统计分析中常用的图形，通过它可以表示两个变量之间的协方差关系以及同时包含两个变量的可能取值范围。（注：当需要分析两个变量之间的关系时，置信椭圆可以帮助识别变量之间的相关性。现在我想绘制1σ、2σ和3σ的置信椭圆，可以在图中调用confidence_ellipse函数三次，分别传入不同的 n_std 值。置信椭圆的大小和形状是根据给定的置信水平（如95%、99%）来计算的，置信水平越高，椭圆的范围越大。

python偏相关分析

pengbr — Fri, 01 Nov 2024 16:40:07 +0800

比如，若研究两个变量 X 和 Y 的关系，同时想排除第三个变量 Z 的影响，偏相关分析可以揭示在控制 Z 后 X 和 Y 之间的相关程度。这意味着，你会计算水分和植被生长之间的偏相关系数，同时控制盐分和温度，以排除它们的影响，从而得出在不受这两个因素干扰的情况下水分与植被生长之间的“净”关系。如果希望了解水分和盐分对植物生长的直接影响，就可以使用偏相关分析来控制温度的干扰，从而更加准确地分析水分和盐分对植物生长的贡献。反之，绝对值越接近0，说明两个变量之间的关系越弱。

代码开发常用标记

pengbr — Wed, 11 Sep 2024 10:30:59 +0800

在代码开发过程中，为了便于团队协作和自我管理，开发者常常会在代码中使用特定的标记（tags）或注释（comments），以提醒自己或他人需要注意的地方或待完成的任务。导航定位到TODO，在终端会显示相应所有标记。

python绘制带有显著性差异的柱状图

pengbr — Sun, 21 Jul 2024 10:42:56 +0800

有的时候看文献会发现柱状图上标记有不同的字母，这其实是使用字母表示法来代表不同组之间的差异，不同的字母表示具有显著性的差异，相同的字母表示没有显著性差异。2、进行多重比较：如果ANOVA结果表明组间存在显著性差异，接下来进行多重比较测试，以确定哪些具体的组之间存在差异。字母标记法直观、清晰，可以有效地在图表或表格中展示复杂的比较结果，使得读者能够快速理解哪些组之间存在显著性差异。1、进行统计测试：首先，对数据进行适当的统计测试（如ANOVA），以确定组间是否存在显著性差异。

NDVI数据集提取植被覆盖度FVC

pengbr — Sat, 06 Jul 2024 22:41:22 +0800

植被覆盖度（Foliage Vegetation Cover，FVC）是指植被冠层覆盖地表的面积比例，通常用来描述一个区域内植被的茂密程度或生长状况。由于冰覆盖的数值较多，我不想让该数值影响到NDVImin和NDVImax值的计算，故写了一个python脚本将-0.3的值变成nodata。可以看到取值不在0-1之间，所以需要将小于0的值都赋值为0，大于1的部分赋值为1，其余部分为其本身的值。利用ENVI软件的快速统计功能同样也可以获取累计百分数为5%和95%的值，结果和python运算的结果差不多。

HDF4文件转TIF格式

pengbr — Sat, 06 Jul 2024 18:37:49 +0800

取值范围为0-250，比例系数为0.004，实际FVC取值需要乘以0.004，所以波段的每个值需要乘以0.004得到实际的FVC值。如果想排除海洋部分，可能需要做一个陆地掩膜的tif，陆地部分为1，海洋部分为nodata，然后两个tif做光栅运算，这样就可以只关心陆地部分。然后准备用python转换，发现需要使用pyhdf包，安装有点麻烦，解决老版本的HDF文件转换问题也有点麻烦。打开ENVI软件，选择文件，选择打开为，选择通用格式，选择HDF4可以直接导入HDF4文件。我使用的ENVI版本是5.3。

VOSviewer分析知网文献

pengbr — Tue, 25 Jun 2024 11:32:12 +0800

VOSviewer 是一款用于构建和可视化科学文献计量网络的软件工具。它能够帮助用户分析和可视化期刊、研究人员或单个出版物之间的关系，这些关系可以基于引用、共引、共著或术语共现关系来构建。VOSviewer 还提供了文本挖掘功能，可以用来构建和可视化从科学文献中提取的重要术语的共现网络VOSviewer 的核心功能之一是“共现聚类”，即两个事物同时出现代表它们之间是相关的。这种分析单元和聚类可视化效果，使得 VOSviewer 支持多种数据格式的导入和分析，例如文献数据库、通用网络数据及文本数据。

GMT6绘制北半球

pengbr — Fri, 14 Jun 2024 18:12:01 +0800

现在定义一个CPT用于显示地形的颜色# 定义一个CPT# 绘制地形并添加海岸线# User: brset -e。

echarts绘制三维柱状图

pengbr — Sun, 02 Jun 2024 12:02:03 +0800

echarts ECharts 是一个使用 JavaScript 实现的开源可视化库，主要用于数据的可视化展示。ECharts 支持丰富的图表类型，如折线图、柱状图、饼图、地图、K线图等，可以满足不同类型数据的展示需求。文档地址：echarts 本次所绘制三维柱状图主要使用的是示例源代码，在此基础上做了些修改。引入CDN 使用echarts需要导入echarts和echarts-gl。免费的CDN服务可访问网址：Staticfile CDN &

python绘制piper三线图

pengbr — Fri, 31 May 2024 11:50:17 +0800

利用常用的文件格式，如Microsoft Excel，逗号分隔值（CSV）和一般分隔文本作为输入数据格式，WQChartPy可以生成十二个地球化学图，不仅包括传统的Piper三线性，Durov，Chadha，Stiff，Chernoff面，Schoeller，Gibbs和Gaillardet图，还可以生成最近提出的图表，如矩形Piper，颜色编码的 Piper、轮廓填充的 Piper 和 HFE-D 图。Piper三线图是一种常用于水化学分析的图表，它能够帮助我们理解和比较水样的化学成分。

python对一组数据进行描述性统计

pengbr — Tue, 28 May 2024 22:55:34 +0800

10、变异系数（Coefficient of Variation，简称 CV）：是一个统计学上的度量，用于描述数据的相对离散程度，即标准差与均值的比值，通常以百分比形式表示。6、四分位数（Quartiles）：将数据集分为四等份的数值，包括Q1（第一四分位数）、Q2（第二四分位数，即中位数）和Q3（第三四分位数）。16、箱线图（Box Plot）：显示数据的五个数值总结（最小值、第一四分位数、中位数、第三四分位数、最大值）及可能的异常值。1、均值（Mean）：所有数据点的总和除以数据点的数量。

DataGrip连接Docker中的MySQL容器

pengbr — Sun, 14 Apr 2024 15:00:05 +0800

我们知道dockerfile用于编写镜像，dockercompose用于编排容器，所以这里我用dockercompose来创建一个MySQL容器。在dockercompose中可以指定容器的名称、挂载主机目录、容器端口映射到主机端口等等。因为前面进行了端口映射，所以连接容器时的host填入localhost就可以了。这样就成功的用DataGrip连接上了docker中的MySQL容器。此时在docker desktop中可以看到容器创建好了。执行下面的命令，可以看到正在运行中的容器。

WPS制作表格热图

pengbr — Fri, 12 Apr 2024 17:29:29 +0800

参考文献原文：Miller, O.L., Helman, D., Tal Svoray, Morin, E., Bonfil, D.J., 2019. Explicit wheat production model adjusted for semi-arid environments. Field Crops Research 231, 93–104. https://doi.org/10.1016/j.fcr.2018.11.011。选择上色部分——>选择条件格式——>选择管理规则。

surfer绘制等值线图

pengbr — Mon, 01 Apr 2024 22:06:41 +0800

Surfer软件，是美国Golden Software公司编制的一款以画三维图的软件。该软件具有强大的插值功能和绘制图件能力，可用来处理XYZ数据，是地质工作者常用的专业成图软件（来源于百度百科）。surfer可以用来绘制等值线图、基底图、散点图、影像图等等。