读取ndbi的csv文件，第一列为年份，其他为NDBI值。使用层级分割法对NDBI整段时间序列进行突变点检测，再利用似然比检验法分割时间序列，不同均值的ndbi用不同的颜色表示，输出分割后散点图。举例MATLAB代码

以下是一个可能的MATLAB代码实现，其中使用了changepoint和cpd函数进行突变点检测和分割：

% 读取CSV文件数据
data = readmatrix('ndbi.csv');

% 提取年份和NDBI值
years = data(:, 1);
ndbi = data(:, 2:end);

% 使用层级分割法进行突变点检测
cp = changepoint(ndbi);

% 使用似然比检验法分割时间序列
[cpd, ~] = cpd(years, ndbi, 'method', 'likelihood');

% 对不同均值的NDBI值用不同颜色表示，并输出散点图
figure;
hold on;
for i = 1:length(cpd)-1
    plot(years(cpd(i):cpd(i+1)), ndbi(cpd(i):cpd(i+1), i), '.');
end
xlabel('Year');
ylabel('NDBI');
title('NDBI time series with changepoints');
legend('Segment 1', 'Segment 2', 'Segment 3', 'Segment 4');

该代码将NDBI时间序列分成几个段，并在散点图上用不同颜色表示每个段的NDBI值。你可以根据需要进行调整，并根据自己的数据进行修改。