在长时间序列的植被覆盖（NDVI、LAI）、气温或降水变化研究中，我们经常需要回答两个问题：
- 趋势是什么？（变绿了还是变黄了？）
- 趋势显著吗？（是真变了，还是偶然波动？）
学术界公认的黄金标准方法便是 Theil-Sen Median (Sen 斜率) 结合 Mann-Kendall (MK) 显著性检验。
以往我们可能需要借助 MATLAB，或者在 ArcGIS 中进行复杂的栅格计算器叠加，甚至需要把栅格转成点提取到 Excel 做分析，步骤繁琐且容易出错。
今天分享一段 Python 代码，利用 rasterio 和 numpy 库，一键实现从读取多时相 TIFF 影像到输出最终趋势分类图的全过程！
1 原理简介
为什么是 Sen + MK？
- Sen's Slope (Sen 斜率)：对时间序列中所有两两数据点组合，逐一计算斜率，最终取中位数斜率作为趋势估计值。相比于普通的一元线性回归，它对异常值不敏感，非常适合处理容易受云雾干扰的遥感数据。其基本公式为：
判别：β > 0：上升趋势；β < 0：下降趋势；β ≈ 0：无趋势
- Mann-Kendall (MK) 检验：一种非参数检验方法。它不需要数据服从正态分布，能有效检验趋势是否显著（即排除随机波动的可能性）。统计量 S 是对时间序列中每对 (xi,xj)（j>i），若后者更大则 +1，更小则 -1，相等则 0，最后求和。标准化后得 Z 统计量。公式：
判别：在显著性水平 α = 0.05（双尾）下，|Z| > 1.96** 表示趋势显著，|Z| ≤ 1.96 表示趋势不显著。
这里我们借助 Ai，绘制了一张完整的计算流程示意图
2 核心代码实现
本脚本支持读取文件夹内按年份命名的 TIF 影像（如 LAI_2001.tif...你需要修改你自己的文件命名格式），自动逐像元计算，最终输出一张带有分类结果的 GeoTIFF 图像。
（1）环境依赖
pip install numpy rasterio tqdm scipy
（2）完整代码
