LXX
读完需要
速读仅需 1 分钟
前言：
在遥感领域，NDVI 时间序列分析是一种重要的方法，用于监测植被动态、评估生态变化等。其中，Sen+MK 分析法因其高效性和准确性而备受青睐，同时还有线性回归、FORMA 趋势分析方法能够进行 NDVI 的变化趋势分享。因此，本文分享在 GEE 中进行以下四种方法的尝试。
希望各位同学点个关注，点个小赞，这将是更新的动力，不胜感激❥(^_-)
1
（1）线性回归分析 (linear_reg)
线性回归分析是一种统计方法，用于评估两个变量之间的线性关系。在 NDVI 趋势分析中，我们使用线性回归来评估 NDVI 随时间的变化趋势。
原理：线性回归尝试找到一条最能描述两个变量关系的直线，通常用公式
y = m x + b y = mx + b y y x x m m b b 目的：通过斜率
m m 实现：在代码中，使用
ee.Reducer.linearFit()计算线性回归模型，并选择其“scale”分量作为结果。
var linear_reg = modis_time.select('system:time_start','NDVI').reduce(ee.Reducer.linearFit()).select('scale');
（2） Sen's slope分析 (sen_slope)
Sen's slope是一种非参数趋势分析方法，用于计算时间序列数据中的趋势。
原理：Sen's slope计算所有可能时间间隔的斜率，然后取中位数作为最终斜率。这种方法对异常值不敏感，适用于非正态分布的数据。
目的：评估NDVI随时间的总体变化趋势，判断其上升或下降趋势的强度。
实现：在代码中，使用
ee.Reducer.sensSlope()计算Sen's slope，并选择其“slope”分量作为结果。
var sen_slope = modis_time.select('system:time_start','NDVI').reduce(ee.Reducer.sensSlope()).select('slope');
（3）Mann-Kendall检验 (mannkendall)
Mann-Kendall检验是一种非参数统计检验方法，用于检测时间序列数据中的趋势。
原理：Mann-Kendall检验通过计算所有数据点对之间的差异符号，来判断数据序列中是否存在单调趋势（即上升或下降趋势）。
目的：检测NDVI时间序列中是否存在显著的趋势。
实现：在代码中，使用
ee.Reducer.kendallsCorrelation()计算Mann-Kendall检验，并选择其结果中的NDVI_tau作为最终的趋势值。
var mannkendall = modis_time.select('NDVI').reduce(ee.Reducer.kendallsCorrelation());
（4）FORMA趋势分析 (forma)
FORMA（Forest Monitoring for Action）是一种用于森林变化检测的分析方法，但也可以用于其他类型的时间序列分析。
原理：FORMA趋势分析通过监测时间序列数据中的变化模式，检测显著的趋势或突变。
目的：检测NDVI时间序列中的显著变化，评估植被覆盖的长期变化趋势。
实现：在代码中，使用
formaTrend()函数计算FORMA趋势，并将其结果添加到地图中。
var forma = modis_time.select('NDVI').formaTrend();
2
上述四种分析方法各有特点，适用于不同类型的趋势检测任务：
线性回归：适用于数据分布较为线性且无明显异常值的情况。
Sen's slope：适用于含有异常值或非正态分布的数据，稳健性较好。
Mann-Kendall 检验：适用于检测单调趋势，无需数据满足正态分布。
FORMA 趋势分析：适用于检测显著变化或突变，尤其适用于森林监测等应用。
实现代码如下：
// 定义研究区var geometry = ee.FeatureCollection("users/geestudy2/yibin");// 将研究区范围添加到地图并居中显示Map.addLayer(geometry, {}, 'Research Area');Map.centerObject(geometry, 8);// 获取MODIS NDVI数据var modis = ee.ImageCollection("MODIS/061/MOD13A2").select('NDVI').filterDate('2001','2021');// 添加时间波段function ndvi_time(img){var time = img.metadata('system:time_start').divide(1e9);return img.addBands(time).copyProperties(img, img.propertyNames());}var modis_time = modis.map(ndvi_time);// 线性回归分析var linear_reg = modis_time.select('system:time_start','NDVI').reduce(ee.Reducer.linearFit()).select('scale');Map.addLayer(linear_reg.clip(geometry), {palette: ['red', 'black', 'green']}, 'Linear Regression', true);// Sen's slope分析var sen_slope = modis_time.select('system:time_start','NDVI').reduce(ee.Reducer.sensSlope()).select('slope');Map.addLayer(sen_slope.clip(geometry), {palette: ['red', 'black', 'green']}, 'Sen\'s Slope', true);// 导出Sen's slope结果到Google DriveExport.image.toDrive({image: sen_slope.clip(geometry),description: 'sen_slope',scale: 1000,region: geometry,maxPixels: 1e13,crs: 'EPSG:4326'});// Mann-Kendall检验var mannkendall = modis_time.select('NDVI').reduce(ee.Reducer.kendallsCorrelation());Map.addLayer(mannkendall.select('NDVI_tau').clip(geometry), {palette: ['red', 'black', 'green']}, 'Mann-Kendall', true);// FORMA趋势分析var forma = modis_time.select('NDVI').formaTrend();Map.addLayer(forma.clip(geometry), {}, 'FORMA Trend', true);
