matlab_daima.zip_Matlab读取NC_accidentyhq_hdf 文件读取_线性趋势 matlab_趋势分

% The code was edited by % Jiaxin Jin on 2018-1-13 % MATLAB统计分析方法教程（1） load('data.mat') [m,n,z] = size(ndvi); result_corr = []; result_partialcorr = []; result_regress_one = []; result_regress_multi = []; result_stepwisefit = []; for i = 1:m for j = 1:n ndvi = permute(ndvi_82to11_spring(i,j,:),[3 1 2]); temp = permute(temp_82to11_spring(i,j,:),[3 1 2]); prec = permute(prec_82to11_spring(i,j,:),[3 1 2]); %%%%% 数据预处理 %%%%% % 距平值 ndvi1 = detrend(ndvi,'constant');% 消除时间序列中的均值 temp1 = detrend(temp,'constant'); prec1 = detrend(prec,'constant'); % 去趋势距平 ndvi2 = detrend(ndvi);% 消除时间序列中的线性趋势项 temp2 = detrend(temp); prec2 = detrend(prec); % 数据标准化 ndvi3 = zscore(ndvi);%将不同量级的数据统一转化为同一个量级 temp3 = zscore(temp); prec3 = zscore(prec); %%%%% 相关分析 %%%%% % 简单相关分析 aa = [ndvi,temp,prec]; [r1,p1] = corr(aa,'type','Pearson'); [r2,p2] = corr(aa,'type','Spearman'); % result_corr(i,j) = r1(1,2); % temp的Pearson相关系数 % 偏相关分析 [r3,p3] = partialcorr(aa,'type','Pearson'); [r4,p4] = partialcorr(aa,'type','Spearman'); % result_partialcorr(i,j) = r3(1,2); % temp的Pearson偏相关系数 %%%%% 回归分析 %%%%% % 一元线性回归分析 num = length(ndvi); e = ones(num,1);%创建全部为1的数组（列） time = [1:num]'; x1 = [e,time]; [b1(1,:),bint1,r1,rint1,stats1(1,:)] = regress(ndvi,x1); % b(1,2)-斜率（回归系数）; stats(1,1)是判定系数R平方; stats(1,3)是指p值 % result_regress_one(i,j) = b(1,2); % temp的回归系数 x2 = [e,temp]; [b2(1,:),bint2,r2,rint2,stats2(1,:)] = regress(ndvi,x2); % 多元线性回归分析y = ax1 + bx2 + c x3 = [e,temp,prec]; [b3(1,:),bint3,r3,rint3,stats3(1,:)] = regress(ndvi,x3);%x3中已经包含了所有变量（环境因子），最后得到的应该是ndvi=Atemp+Bprec+C % result_regress_multi(i,j) = b(1,2); % temp的回归系数 % 逐步回归分析（通径分析） x4 = [temp3,prec3]; [b4,se4,pval4,inmodel4,stats4] = stepwisefit(x4,ndvi3); % stats.pval-各个变量的p值 % result_stepwisefit(i,j) = b(1,1); % tmep的通经系数 end end