# 加载处理栅格数据必需的 terra 包和趋势分析包 library(terra) library(trend) # 提供 Mann-Kendall 检验和 Sen 斜率估计函数 # 设定存储多年 FVC 数据 TIFF 文件的文件夹路径（注意双反斜杠转义） folder_path <- "G:\\极度脆弱区植被分析" # 检查文件夹是否存在 if (!dir.exists(folder_path)) { stop("错误：文件夹不存在，请检查路径 '", folder_path, "'") } # 列出文件夹内所有 .tif 文件，并按文件名中的年份排序（示例：假设文件名为 "FVC_2000.tif"） flnames <- list.files(path = folder_path, pattern = ".tif$", full.names = TRUE) # 提取文件名中的年份并排序 years <- as.numeric(gsub(".*_(\\d{4})\\.tif$", "\\1", flnames)) # 正则提取年份 flnames <- flnames[order(years)] # 按年份排序 # 检查文件数量是否符合预期（例如 2000-2024 年共 25 个文件） if (length(flnames) == 0) { stop("错误：未找到 .tif 文件，请检查文件夹内容。") } # 读取并堆叠栅格数据 fvc_raster <- rast(flnames) # 定义 Mann-Kendall 检验和 Sen 斜率计算函数 mk_function <- function(x) { # 检查有效数据点数量（至少需要 8 年数据） valid_points <- sum(!is.na(x)) if (valid_points < 8) { # 根据研究需求调整阈值 return(c(NA, NA)) # 返回斜率（NA）和 p值（NA） } # 执行 Mann-Kendall 检验和 Sen 斜率估计 mk_result <- trend::sens.slope(ts(x, start = min(years), frequency = 1), conf.level = 0.95) # 返回 Sen 斜率和 Mann-Kendall p值 return(c(mk_result$estimate, mk_result$p.value)) } # 对栅格数据进行 Mann-Kendall 检验（根据系统资源调整 cores 参数） mk_result <- app(fvc_raster, mk_function, cores = 4) # 命名输出波段 names(mk_result) <- c("slope", "p_value") # 可视化结果（分两个图显示） par(mfrow = c(1, 2)) # 1行2列的绘图布局 # 绘制 Sen 斜率空间分布（红色为退化，绿色为改善） plot(mk_result$slope, main = "Sen 斜率（植被覆盖度趋势）", col = hcl.colors(100, "RdYlGn", rev = FALSE)) # 红-黄-绿色渐变 # 绘制 Mann-Kendall 显著性（p < 0.05 表示显著） plot(mk_result$p_value, main = "Mann-Kendall p值", col = hcl.colors(100, "GnBu", rev = TRUE)) # 蓝-绿色渐变 # 保存结果为多波段 TIFF 文件 output_path <- "G:\\极度脆弱区植被分析\\FVC_MannKendall_Result.tif" writeRaster(mk_result, filename = output_path, overwrite = TRUE) # 提示完成 cat("处理完成！结果已保存至:", output_path, "\n")请帮我把trend包的代码加入这串代码中