y为3D（t，x，y）且x为1d（t）的两个变量的回归

Question

我正在尝试对海平面高度（Enso上的3D（t，x，y）进行回归（海面温度异常为1d（t））。我想要所有网格点的回归系数。为了优化我的解决方案（例如单个网格点），它需要2秒钟，并且具有1080x1440网格点。请帮助我。我正在尝试回归到气候数据（SSH和SST）

代码：

%%time
lon= var_trend.xt_ocean
lat=var_trend.yt_ocean
results = np.zeros([1080,1440])
results[:,:] = nan;
 for i in range(len(lat)-1):
  for j in range(len(lon)-1):
        result =stats.linregress(a[:,i,j], SSTa[:])
        results[i,j] = result.rvalue
 print(result)

因此，在上方，var_trend是整个地球与t=36的SSH方差，而'a'是var_trend的掩码数组。SSTa是温度异常。这段代码可以正常工作，但是要花很多时间，因为它循环了每个网格点。有什么有效的方法吗？