怎么用MGWR2.2进行回归啊

Question

在网上到处搜操作步骤都没有，第一次做回归分析相关的，一点都不会。
我要做的课题是城市热岛效应以及影响因素分析，那么就要用温度与影响因素做回归。
第一步，我首先计算出了几个遥感指数（DNVI，DNSI，DNBBI）之类的，也将地表温度反演了
第二步，MRWR2.2回归分析，只能输入一个文件，还必须是.excel，或者是.csv格式的。

那么问题来了，我是需要将温度反演结果栅格转点转换为表格，遥感指数文件也这样做，将他们放在同一张表格里才可以吗，可是怎么样放在同一张表格里呢？

第三步，假如输出了结果，给的是一个表格和一个TXT文件，那么就需要表格转为栅格数据可视化，那么怎么做到可视化，将回归结果作为空间分布图展示呢。

Answer 1

引自免费微信小程序：皆我百晓生

针对您的问题，我可以提供一个详细的步骤指南和说明，但请注意由于MGWR2.2（Multivariate Geographically Weighted Regression）的具体代码实现细节无法直接提供，我将基于该模型的一般使用流程和GIS数据处理的基本方法来指导您。

步骤1：数据准备与合并

1. 栅格转点 对于地表温度反演结果栅格数据和遥感指数栅格数据，您可以使用GIS软件如ArcGIS或QGIS将其转换为点矢量文件。通常的步骤包括：

• 使用Raster to Point工具（在ArcGIS中）或者gdal_polygonize.py等GDAL命令（在QGIS或Python环境中），将栅格数据转为点要素，并且每个点记录其所在位置的栅格值。
• 将不同指标转换得到的点文件进行属性合并，确保它们在同一空间参考系下。

# 假设在ArcGIS中的操作示意（非实际代码）
 arcpy.RasterToPoint_conversion("temperature_raster", "temperature_points", "VALUE")
 arcpy.RasterToPoint_conversion("DNVI_raster", "DNVI_points", "VALUE")
 # 然后对points进行属性合并
 arcpy.Append_management([["temperature_points", "temperature"], ["DNVI_points", "DNVI"]], "combined_points.shp")

2. 数据整理 将所有需要用于回归分析的字段（如温度、DNVI、DNSI、DNBBI等）整理到同一个表格（Excel或.csv格式）中，确保每一行代表一个观测点的数据。

步骤2：使用MGWR2.2进行回归分析

对于MGWR2.2的使用，由于具体API接口或命令行参数没有公开信息，一般做法是按照软件提供的用户手册或教程上传整理好的数据文件，并设置相应的空间权重矩阵以及其他回归参数。

步骤3：结果可视化

1. 输出表格解读 根据MGWR2.2给出的结果表格，可以获取回归系数、局部回归方程等信息。

2. 结果转栅格并可视化 利用输出的TXT或其他格式的局部回归结果，结合原始的空间点数据，通过GIS软件重新生成具有回归结果属性的栅格数据。这一步可能涉及编程操作，比如在Python环境里使用GeoPandas和rasterio库：

# 这是一个简化的示例，假设你已经有了回归结果df和原始点数据gdf
import geopandas as gpd
import rasterio
from rasterio import features

# 将回归结果赋给点数据的新的属性列
gdf['regression_result'] = df['regression_coefficient']

# 创建一个新的空栅格
out_raster_path = 'output.tif'
transform, width, height = rasterio.open('your_base_raster.tif').meta['transform'], ... , ...

# 将带有回归结果的点数据转为栅格
burn_values = gdf['regression_result'].tolist()
shapes = [(geom, value) for geom, value in zip(gdf.geometry, burn_values)]
rasterized = features.rasterize(shapes=shapes, out_shape=(height, width), fill=0, transform=transform)

with rasterio.open(out_raster_path, 'w', driver='GTiff', height=height, width=width,
                   count=1, dtype=rasterized.dtype, crs=gdf.crs.to_string(), transform=transform) as dst:
    dst.write_band(1, rasterized)

接下来，您可以在GIS软件中加载这个新生成的回归结果栅格数据，进一步制作空间分布图展示热岛效应的影响因素分析结果。

由于具体实现会因实际情况和软件版本的不同而有所差异，请务必参照您所使用的MGWR2.2软件的实际文档或教程进行操作。