MATLAB 建立多元线性回归模型——一以栅格数据气候因子与植被NDVI为例

最新推荐文章于 2024-06-09 21:48:56 发布

原创

最新推荐文章于 2024-06-09 21:48:56 发布 · 1.7k 阅读

29 ·

CC 4.0 BY-SA版权

文章标签：

#matlab #线性回归 #开发语言

本文分享了如何使用GPT对MATLAB代码进行改进，以实现对长时间栅格序列逐像元的多元线性回归分析，包括数据读取、有效值处理、回归分析和结果保存至GeoTIFF文件，同时包含了显著性检验的部分内容。

基于先前博主的代码，我应用gpt修改了下，生成一份更方便理解学习的代码供大家参考！

原博主代码链接：基于matlab的长时间栅格序列逐像元多元回归_逐像元多元线性回归代码-优快云博客


% @author yinlichang3064@163.com
[aa,R]=geotiffread('I:\裁剪降水\2001pre.tif');%先导入纬度数据
info=geotiffinfo('I:\裁剪降水\2001pre.tif');
[m,n]=size(aa);
temsum=zeros(m*n,20);%20表示时间序列长度
presum=zeros(m*n,20);%20表示时间序列长度
NDVIsum=zeros(m*n,20);%20表示时间序列长度
% 导入每年的数据
for year=2001:2020
     tem=importdata(['I:\裁剪气温\',int2str(year),'tm.tif']) ; %根据自己名称修改，本数据名称为2001-tem.tif
     pre=importdata(['I:\裁剪降水\',int2str(year),'pre.tif']) ; %根据自己名称修改，本数据名称为2001-pre.tif
     NDVI=importdata(['I:\裁剪NDVI\',int2str(year),'yndvi.tif']) ; %根据自己名称修改，本数据名称为'2001-NDVI.tif'
     %注意数据的有效范围
     tem(tem<-1000)=NaN;%温度有效范围
     pre(pre<0)=NaN;%有效范围大于0
     NDVI(NDVI<-1)=NaN; %有效范围是-1到1
     %累加时间序列数据
     temsum(:,year-2001+1)=resh