excel版本的MK trend test的英文说明及使用方法，包括置信区间等，只要把数据输入进去就可以了

代码执行两个尾 Mann-Kendall 检验，修改后考虑时间序列的自相关（Hamed 和 Rao，1998）。 对照趋势的替代，检验向量 V 中趋势缺失的零假设。 测试结果在 H = 1 中返回，表明在 alpha 显着性水平拒绝原假设。 H = 0 表示未能在 alpha 显着性水平上拒绝原假设。

Mann-Kendall 非参数检验 python 论文

（二）Mann-Kendall突变检验实例 选择位于新疆南疆地区的焉耆气象站，以年平均气温和降水数据为依据，用它们进行突变检验。 图4.4.1和图4.4.2，分别给出了由焉耆气象站1961～2010年期间年平均气温数据和年降水数据计算得出的UF和UB曲线。

mann-kendall趋势检验和突变点分析mat

该代码执行原始的双尾 Mann-Kendall 检验。 它针对趋势的替代测试向量 V 中趋势缺失的零假设。 测试结果在 H = 1 中返回，表明在 alpha 显着性水平拒绝原假设。 H = 0 表示未能在 alpha 显着性水平上拒绝原假设。

基于1998年到2011年长时序SPOT VEGETATION归一化植被指数数据，采用一元线性回归斜率变化法和Sen Mann-Kendall法对北京地区的植被变化趋势做了时空分析。实验结果表明：在1998年到2011年期间，北京市城区、延庆县、怀柔区和平谷区的植被变化趋势显著上升；而植被恶化区则集中在北京市城区北部、东部和南部，并以马蹄形包围北京市区。两种方法实验结果在植被上升（下降）区域具有一致性。同时，Sen Mann-Kendall法以其良好的抗噪性和对数据分布无要求性可广泛应用到其他区域的植被变化趋势分析中。

mannkendall的代码全集，检验方法对生态足迹时间序列进行趋势性检验分析。由于它在地理统计分析中能够快速得出分析结果和提高结果的精确度，不受少数异常值的干扰，更是用于类型变量和顺序变量，适用性强，使庞大而复杂的统计分析工作变得轻而易举！

m-k检验是研究时间序列趋势变化的常用方法之一。data.mat为数据文件；mkabrupt.m为突变检验程序；mktrend.m为趋势分析程序。

Mann-Kendall Tau非参数函数计算表示等距数据的趋势强度和方向的系数。 虽然您不需要统计工具箱来计算 Tau，但您确实需要它来测试显着性。 此函数将计算Tau-a和Tau-b，重要性（以及各种支持统计数据），以及非参数斜率方法：Sens方法。 注意：仅在此功能中需要统计工具箱才能测试其重要性。 否则，除了Matlab本身，就没有其他要求。 增强功能包括：现在支持最近提交的季节性 Kendall 趋势测试 (sktt.m)。 将允许在同一时间索引中进行多个观察。 为Sens斜率添加了置信区间。 也可以打开/关闭绘图。 第二个增强功能：测试趋势异常，修复并通知用户。 参考在函数的注释中。 鉴于当今计算机的速度，在某些计算中避免使用Matlab中的循环并不像过去那样重要。 但是，编写没有循环的函数是一种优雅的形式，我认为有些人可能会赞赏。 因此，这个函数是在没有任何循环的情