基于 GEE 计算遥感生态指数 RSEI 数据

@HNUSTer

于 2025-02-11 11:46:53 发布

阅读量1.5k

点赞数 16

分类专栏： Google Earth Engine（GEE）文章标签： GEE 云计算云平台遥感大数据数据集

本文链接：https://blog.csdn.net/ZK180531/article/details/145567286

版权

1 遥感生态指数（RSEI）

2 完整代码

3 运行结果

1 遥感生态指数（RSEI）

基于遥感技术综合多个因子构建的遥感生态指数RSEI（Remote Sensing based Ecological Index），以主成分分析法（PCA）集成绿度（NDVI）、湿度（WET）、热度（LST）和干度（NDBSI）4个指标，具有指标易获取、计算简单、权重无人为干扰等优点，能够快速的监测与评价区域生态质量。RESI的函数表达式为：RSEI=f(NDVI,WET,LST,NDBSI)。

本文利用MODIS数据来计算RSEI。NDVI和 LST 2 个指数直接选择MOD13A1和MOD11A2数据， WET采用缨帽变换获得，NDBSI则由裸土指数（SI）和建筑指数（IBI）2个指数合成，WET和NDBSI的计算均采用MOD09A1。

计算流程如下：在GEE中计算各年份4个遥感指数后，首先对4个指数进行标准化处理，避免各指标权重失衡；其次，利用改进的归一化差值水体指数（MNDWI）提取水体信息对各指数影像进行掩膜，消除水体对各指标权重的影响；然后在GEE中进行主成分分析，得到第一主成分（PC1）及相关统计结果；最后，进行PC1变换、正负值转置、标准化处理，得到各时相RSEI影像，导出到Google Driver后下载到本地进一步处理。

2 完整代码

// ****加载影像和研究区****
var roi = table;
var MOD09A1 = ee.ImageCollection('MODIS/006/MOD09A1')
                .filterBounds(roi);
var LST_img = ee.ImageCollection('MODIS/006/MOD11A2')
                .filterBounds(roi)
                .select('LST_Day_1km');
var NDVI_img = ee.ImageCollection('MODIS/006/MOD13A1')
                .filterBounds(roi)
                .select('NDVI');
var palette = ["d73027","f46d43","fdae61","fee08b","d9ef8b","a6d96a","66bd63","1a9850"];

Map.centerObject(roi);

// ****MOD09A1去云函数****
function bitwiseExtract(value, fromBit, toBit) {
  if (toBit === undefined) toBit = fromBit;
  var maskSize = ee.Number(1).add(toBit).subtract(fromBit);
  var mask = ee.Number(1).leftShift(maskSize).subtract(1);
  return value.rightShift(fromBit).bitwiseAnd(mask);
}
function cloudfree_mod09a1(image) {
  var qa = image.select('StateQA');
  var cloudState = bitwiseExtract(qa, 0, 1); 
  var cloudShadowState = bitwiseExtract(qa, 2);
  var cirrusState = bitwiseExtract(qa, 8, 9);
  var mask = cloudSta

最低0.47元/天解锁文章