本研究利用Sen+MK方法分析了特定区域内的ET（蒸散发）趋势，重点评估了使用遥感数据的ET空间变化。该方法结合了Sen斜率估算器和Mann-Kendall（MK）检验，为评估长期趋势提供了稳健的框架，同时考虑了时间变化和统计显著性。 主要过程与结果： 1.ET趋势可视化：研究利用ET数据，通过ET-MK和ET趋势图展示了蒸散发在不同区域的空间和时间变化。这些图通过颜色渐变表示不同的ET水平及其趋势。 2.Mann-Kendall检验：应用MK检验来评估ET趋势的统计显著性。检验结果以二元分类图呈现，标明ET变化的显著性，帮助识别出有显著变化的区域。 3.重分类结果：通过重分类处理，将区域根据ET变化的显著性进行分类，从而聚焦于具有显著变化的区域。这一过程确保分析集中在具有实际意义的发现上。 4.最终输出：最终结果以栅格图和png图的形式呈现，支持各种应用，包括政策规划、水资源管理和土地利用变化分析，这些都是基于详细的时空分析。 ------------------------------------------------------------------- 文件夹构造： data文件夹：原始数据，支持分析的基础数据（MOD16A2H ET数据 宁夏部分）。 results文件夹：分析结果与可视化，展示研究成果。 Sen+MK_optimized.py：主分析脚本，适合批量数据处理和自动化分析。 Sen+MK.ipynb：Jupyter Notebook，复现可视化地图。

可以通过读取TIFF影像计算长时间序列的影像变化斜率。

1992-2013年的DMSP/OLS夜间灯光影像完成相互校正、连续性校正等，得到可用长时间序列DMSP/OLS夜间灯光影像，2012-2020年NPP/VIIRS夜间灯光影像完成年度影像年度数据合成、去噪、连续性校正等，得到可用的NPP/VIIRS夜间灯光影像，再对DMSP/OLS和NPP/VIIRS影像进行拟合，得到长时间序列的夜间灯光影像，可以直接用于城市建成区提取、GDP空间化分析以及各社会经济指标、人口等等的空间化分析。

长时间序列气象数据结合随机森林法早期预测冬小麦产量.pdf

Hants滤波 对长时间序列的遥感数据进行平滑滤波。适合做时间序列分析，变化分析，物候参数提取等前期数据处理。

基于MATLAB进行长时间序列数据的MK趋势检验，程序书写简易，且循环操作简单，结果以矩阵形式输出，极大的方便初学者的实验进行。本文实验数据为所有站点的1961-2018年时间序列的SPI3数据：SPI3hebing.xls。结果显示该三江源区的SPI3值和SPI12值整体是上升的，且有80%通过了0.1显著性检验，说明该地区1961-2018年期间的干旱化趋势是下降。

资源中包含北京市1935年-2018年的逐月降水量数据，包括年、月、台站号以及数据说明文件。