Google Earth Engine（GEE）——在线计算列表二维ee.List对象为线性回归方程计算slope和残差

// 定义一个列表列表，其中列代表变量。
// 第一列是自变量，第二个是因变量。
var listsVarColumns = ee.List([
  [1, 1],
  [2, 2],
  [3, 3],
  [4, 4],
  [5, 5]
]);
// 计算线性函数的最小二乘估计。请注意，一个返回对象；将其转换为 ee.Dictionary 以访问
系数更容易。很简单的操作就是根据在进行线性回归之前加入 ee.Dictionary整个程序更像是在外面进行加了一层包装
var linearFit = ee.Dictionary(listsVarColumns.reduce(ee.Reducer.linearFit()));
// 检查结果
print(linearFit);
print('y-intercept:', linearFit.get('offset'));
print('Slope:', linearFit.get('scale'));

像素类型（像素类型，默认值：null）：
values 参数中每个数字的类型。如果未提供像素类型，则将从“值”中的数字推断。如果“值”中没有任何数字，则必须提供此类型。

要转换为字典的对象。此构造函数接受以下类型： 1) 另一个字典。 2) 键/值对列表。 3) 空或无参数（产生一个空字典）下面的例子就是2)

//如果列表中的变量按行排列，则需要对其进行转置。
// 定义一个列表列表，其中行代表变量。
// 第一行是自变量，第二个是因变量。
var listsVarRows = ee.List([
  [1, 2, 3, 4, 5],
  [1, 2, 3, 4, 5]
]);
// 将 ee.List 转换为 ee.Array，转置它，然后转换回 ee.List。
var listsVarColumns = ee.Array(listsVarRows).transpose().toList();
// 计算线性函数的最小二乘估计。请注意，一个返回对象；
// 将其转换为 ee.Dictionary 以访问系数更容易。
var linearFit = ee.Dictionary(listsVarColumns.reduce(ee.Reducer.linearFit()));
// 进行结果显示
print(linearFit);
print('y-intercept:', linearFit.get('offset'));
print('Slope:', linearFit.get('scale'));

// 定义一个列表列表，其中列代表变量。
// 第一列代表一个常数项，第二个是自变量，
// 第三个是一个因变量。
var listsVarColumns = ee.List([
  [1, 1, 1],
  [1, 2, 2],
  [1, 3, 3],
  [1, 4, 4],
  [1, 5, 5]
]);
// 计算普通最小二乘回归系数。 numX 是 2，因为有一个常数项和一个额外的自变量。 
//numY 为 1，因为只有一个因变量。这里有几个自变量X就为几，因变量一般为一个
//将结果对象强制转换为 ee.Dictionary 以便于访问属性。
var linearRegression = ee.Dictionary(
  listsVarColumns.reduce(ee.Reducer.linearRegression({
    numX: 2,
    numY: 1
})));
// 将系数数组转换为列表。
var coefList = ee.Array(linearRegression.get('coefficients')).toList();
// Extract the y-intercept and slope.
var b0 = ee.List(coefList.get(0)).get(0); // y-intercept
var b1 = ee.List(coefList.get(1)).get(0); // slope
// Extract the residuals.
var residuals = ee.Array(linearRegression.get('residuals')).toList().get(0);
// 检查结果。
print('OLS estimates', linearRegression);
print('y-intercept:', b0);
print('Slope:', b1);
print('Residuals:', residuals);