【MODIS数据处理#11】例六：绘制NDVI多年变化趋势空间分布图

2024-04-11 09:32| 来源: 网络整理| 查看: 265

文章目录一、说明二、操作步骤2.1 处理NDVI数据2.2 栅格转点2.3 多值提取至点2.4 添加经纬度坐标2.5 利用python计算斜率和显著性系数2.6 转为栅格三、变化趋势分级系列文章目录： MODIS数据处理

在这里插入图片描述

一、说明

以分析陕西省近5年7月份的NDVI变化趋势为例，变化趋势的用线性回归的斜率和显著性来表示，参考文献间： [1]元志辉,包刚,银山,雷军,包玉海,萨楚拉.2000-2014年浑善达克沙地植被覆盖变化研究[J].草业学报,2016,25(01):33-46. [2]贾艳红,赵传燕,南忠仁.西北干旱区黑河下游植被覆盖变化研究综述[J].地理科学进展,2007(04):64-74. 可以简单理解为在某位置(x,y)2015~2019年的逐年NDVI值构成的一个长度为5的时间序列，用一元线性回归拟合这个序列，并用斜率slope来反映该处NDVI的变化趋势。这部分可以参考贾俊平的统计学(第六版)第9章关于一元线性回归模型的估计和检验的说明。

二、操作步骤

注：需要利用ArcGIS和python，需要用到的代码见下文，python需要安装依赖库(scipy、numpy、pandas)。

2.1 处理NDVI数据

在这里插入图片描述处理过程可以参考添加链接描述，我这边准备了近5年的NDVI栅格数据，分辨率为250m。注意：要保证各年的NDVI栅格的分辨率和坐标系是相同的，这里我用的坐标系是WGS_1984_UTM_Zone_49N

2.2 栅格转点

在这里插入图片描述

2.3 多值提取至点

在这里插入图片描述这一步的耗时可能较长运行结束后打开输入点要素的属性表可以看到匹配好的点对

2.4 添加经纬度坐标

工具箱\系统工具箱\data management tools.tbx\要素\添加 xy 坐标在这里插入图片描述运行结束后，要素的属性表会多出来两列，分别对应x、y坐标，由于我用的是UTM分带投影坐标系，单位是m。下面将改属性表导出为txt文件

2.5 利用python计算斜率和显著性系数 import pandas as pd import scipy.stats as stats """ 读取存储有多年NDVI信息的表格，对于位置[x,y]来说有NDVI构成的时间序列如：[NDVI_2015,NDVI_2016,NDVI_2017,NDVI_2018,NDVI_2019] 用一元线性回归分析这个时间序列的趋势和显著性输入 txt_file:str 待分析的表格的完整路径 vi_names:List[str] NDVI时间序列对应的列名组成列表,如['2015', '2016', '2017', '2018', '2019'] out_file:str 斜率和显著性系数结果的输出路径 """ # 输入 txt_file = r"E:\GIS教程\趋势分析\shanxi15-19.txt" vi_names = ['2015', '2016', '2017', '2018', '2019'] out_file = r"E:\GIS教程\趋势分析\slope and alpha.csv" vi_years = pd.read_table(txt_file, sep=",",thousands=",") virows = vi_years[vi_names].values years = range(len(vi_names)) slopes = [] alphas = [] for virow in virows: slope, itc, r, p, *useless = stats.linregress(years,virow) slopes.append(slope) alphas.append(p) vi_years.insert(len(vi_years.columns), "slope", slopes) vi_years.insert(len(vi_years.columns), "alpha", alphas) vi_years[["POINT_X","POINT_Y","slope","alpha"]].to_csv(out_file)

在这里插入图片描述