GEE：基于主成分分析（PCA）的遥感生态指数（RSEI）计算方法

已于 2024-01-05 18:41:41 修改
阅读量3.8k 收藏 18
点赞数 1
分类专栏： GEE生态遥感 文章标签： 算法 GEE 云计算 javascript
于 2023-05-09 17:57:26 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35591253/article/details/130544050
版权
GEE生态遥感 专栏收录该内容
22 篇文章 58 订阅 ¥99.90 ¥299.90
订阅专栏
本文介绍了如何利用主成分分析（PCA）计算遥感生态指数RSEI，通过landsat-8数据计算LST、NDVI、NDBSI、WET四个指标，详细阐述PCA的原理及RSEI计算步骤，并提供了代码链接。
摘要由CSDN通过智能技术生成

作者：CSDN @ _养乐多_

利用主成分分析（Principal Component Analysis, PCA）进行遥感生态指数 (Remote Sensing Ecological Index, RSEI) 的计算是一种常用的方法。本文介绍了基于主成分分析的RSEI计算方法，通过将多个基于遥感指数的环境指标转化为少数几个主成分，实现了对生态环境风险的综合评估和筛选。本文也记录了使用landsat-8数据计算LST、NDVI、NDBSI、WET四个指标的代码。

结果如下，
在这里插入图片描述

文章目录

一、主成分分析的RSEI计算原理

主成分分析（Principal Component Analysis, PCA）是一种常用的数据降维和特征提取技术，在RSEI计算中也被广泛应用。其原理是通过线性变换将原始环境指标数据转换为一组新的互不相关的主成分，从而减少数据的维度并保留最重要的信息。

以下是基于主成分分析的RSEI计算的原理步骤：

  1. 数据准备:

了解本专栏 订阅专栏 解锁全文
_养乐多_
关注
专栏目录
订阅专栏
GEE计算遥感生态指数RSEI
学习历程记录和分享
07-04 740
归一化是通过 unitScale 方法完成的，该方法根据之前计算的最小和最大值将波段的像素值缩放到0到1的范围。归一化是将图像的像素值缩放到一个标准范围（通常是0到1）的过程，这有助于在不同图像或数据集之间进行比较和处理。合并归一化波段：最后，函数使用 toBands() 方法将所有归一化的波段重新组合成一个单一的图像，并使用 rename(img.bandNames()) 方法将波段重命名为原始波段名称。该函数用于将图像的每个波段归一化到0到1的范围，基于在ROI内计算的最小和最大值。
GEE中主成分分析PCA附带全部代码.pdf
07-18
本次案例分析主要在于利用一景影像当中的多个波段分别求取各个波段的主成分结果，当然后续 还可以优化，主要的目的在于展示如何统计每一个波段并且展示图层结果。因为之前已经讲了很 多节的基础知识，所以本届只讲流程。 先看下什么是主成分分析： 主成分分析(英语：Principal components analysis,PCA)是一种分析、简化数据集的技术。主 成分分析经常用于减少数据集的维数，同时保持数据集中的对方差贡献最大的特征。这是通过保 留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但 是，这也不是一定的，要视具体应用而定。由于主成分分析依赖所给数据，所以数据的准确性对 分析结果影响很大。
GEE：Landsat C02-T1-L2数据（地表反射率数据）1985-2023年生态遥感指数RESI计算.pdf
最新发布
07-23
生态遥感指数 生态遥感指数（Remote Sensing Ecological Index, RSEI）是一种用于评估生态环境质量和监测生态系统健康的指标。它是基于遥感技术和生态学原理相结合的方法，通过分析遥感数据中的光谱信息，反映出地表覆盖类型、生物多样性、生态系统健康状况等方面的信息。 RSEI指数可以从多个方面反映生态环境的状态和变化： 1. 植被分布和生物量：通过计算植被指数，如归一化差值植被指数（NDVI）、归一化植被指数（NVI）等，可以评估植被的分布情况和生物量的变化。植被分布和生物量是生态系统的重要指标，能够反映土地覆盖类型、植被生长状况和生态系统的健康程度。 2. 土地利用和土地覆盖：通过分析遥感影像中的光谱信息，可以提取土地利用和土地覆盖的信息，如农田、森林、湿地、城市等类型的分布和变化情况。这些信息可以用于评估土地利用变化对生态环境的影响和生态系统的稳定性。 3. 水体质量和水域生态系统：通过计算水体的光谱特征，可以评估水体的质量和水域生态系统的状况。例如，可以计算水体的反射率、透明度、叶绿素含量等指标，用于监测水体富营养化、蓝藻水华等问题。
遥感生态指数（RSEI）计算教程
m0_66875796的博客
10-17 4515
遥感生态指数RSEI（Risk-Screening Environmental Indicators）分布数据是一种基于卫星遥感影像反演计算得到的数据产品。生态环境质量评价在一定程度上反映一个地区生态环境系统的好坏,也可以在一定程度上反映人类社会活动和环境质量的关系,其对可持续发展具有重要影响,对一个地区进行生态环境质量评价可以对城市长远发展提供决策支撑。
Python+GEE遥感开发之计算遥感生态指数RSEI
等待着冬天的风的博客
05-19 2030
前言：遥感生态指数RSEI， 是一种使用卫星遥感影像数据通过反演计算得到的数据，可以用来对城市的生态状况进行快速监测和评价，该指数主要利用主成分分析方法，对植被指数、湿度、地表温度以及建筑指数四项指数指标进行集成。这个指数是由徐涵秋发明的，更多详细信息还请参考阅读：徐涵秋.城市遥感生态指数的创建及其应用[J].生态学报,2013,33(24):7853-7862.
利用GEE计算遥感生态指数(RSEI)
TwcatL_tree
05-19 4146
城市生态与人类生活息息相关，快速 、准确 、客 观地了解城市生态状况已成为生态领域的一个研究重点。基于遥感技术，提出一个完全基于遥感技术 ，以自然因子为主的遥感生态指数 (RSEI)来对城市的生态状况进行快速监测与评价。该指数利用主成分分析技术集成了植被指数 、湿度分量、地表温度和建筑指数等 4个评价指标，它们分别代表了绿度、湿度、热度和干度等4大生态要素。本文基于GEE平台，实现RSEI算法。运行结果：第一步：定义研究区，自行更换自己的研究区第二步：加载数据集,定义去云函数。
利用GEE计算城市遥感生态指数(RSEI)——Landsat 8为例
qq_35490698的博客
07-12 1万+
GEE，RSEI，城市生态状况快速监测与评价
遥感生态指数（RSEI）——水体掩膜及主成分分析
qq_41978498的博客
01-12 3万+
1、水体掩膜 ①利用水体指数来增强水体信息，弱化其他地物的信息，便于提取研究区的水体范围 NDWI = (Green - NIR)/(Green + NIR ) MNDWI = (Green - SWIR1) / (Green + SWIR1) INDVI = (Red - NIR) / (Red + NIR) 以上三个水体指数都能在一定程度上突出水体，推荐使用MNDWI指数进行水体范围的提取。在Bandmath中输入水体指数法的计算公式：(float(b2-b5))/(b2+b5)，其中b2、b
生态遥感指数RSEI
weixin_43663756的博客
11-09 4145
遥感神态指数RSEI计算
GEE：基于变异系数法的遥感生态指数（RSEI）计算
养乐多的博客
05-07 2156
本文记录了基于变异系数法计算 Risk-Screening Environmental Indicators (RSEI) 的方法和代码。使用 变异系数法计算权重来代替PCA方法计算权重，根据权重计算综合指标。本文也记录了使用landsat-8数据计算LST、NDVI、NDBSI、WET四个指标的代码。结果如下，
GEE：关于遥感生态指数（RSEI）的若干疑问
养乐多的博客
03-14 1462
本文记录了若干关于在 Google Earth Engine （GEE）平台上，计算基于主成分分析（PCA）的遥感生态指数（RSEI）的问题。并记录了解决这些问题的一些答案。问题包括，主成分分析的特征值的正负，主成分的占比，去云后空值像素的处理方法，异常值处理方法，如何看载荷等。
【GEE中利用MODIS数据计算遥感生态指数RSEI】
weixin_47779247的博客
10-13 4322
结合 Google Earth Engine(GEE)遥感云计算平台和20期MODIS遥感影像提取绿度指标、湿度指标、干度指标和热度指标信息，通过主成分变换耦合各指标得到遥感生态指数（Remote Sensing Ecological Index，RSEI）
PCA分析（主成分分析）--结果解读
热门推荐
qq_72899974的博客
03-11 3万+
补充：主成分的个数都是自己预先色设定好的，比如三种鲜花中的数据分别包含其花瓣长度、宽度、叶片长度、宽度等数十个指标，但其主成分为3个，即为其鲜花种类。贡献率：是指某个组成份方差除以所有主成分的方差之和，其具有最大贡献率的为PC1依次类推。得分图是最常用的主成分分析的图，对于一些较好的结果能够将不同的散点进行聚集并将同类型的散点看为一个整体，如上图所示一共三个整体，粉色整体与其余两个整体相距较远，因此分别与二则差异显著，而绿色和紫色整体间部分重叠即相聚较近因此样本点9的相似度较高，差异不显著。
【GEE】基于PCA的LANDSAT 8计算遥感生态指数（RSEI）
TwcatL_tree
04-07 935
【代码】【GEE】基于PCA的LANDSAT 8计算遥感生态指数（RSEI）
GEE学习记录（一）基于GEE利用LANDSAT 8数据计算遥感生态指数（RSEI）
gxwwww的博客
12-30 2万+
最近老师让看一下关于GEE的东西，实现大面积的反演、计算地表温度等，也算熟悉一下。参考网上很多大佬的文章，按照自己的思路和想法算出了RSEI，参考的文章都有列出来。 目录所用数据集影像数据矢量数据地表气温数据RSEI计算流程图四个指数的计算Wet、NDVI、NDBSI的计算LST的计算对水体进行掩膜归一化主成分分析出图代码参考链接 所用数据集 影像数据 影像数据是：LANDSAT/LC08/C02/T1_L2（就是LANDSAT8下面的Collection 2 Level2 T1数据）。总的来说就是Coll
基于GEE使用Landsat 8和Landsat 5影像计算RSEI
zq2025的博客
10-25 5134
使用2018年landsat 8和2009年 landsat 5影像数据计算遥感生态指数RSEI
GEE利用移动窗口主成分分析计算遥感生态指数代码实现
06-09
以下是利用Google Earth Engine (GEE)实现移动窗口主成分分析计算遥感生态指数的代码示例。代码实现了对Landsat 8影像进行分块处理，并计算了每个分块的NDVI、EVI、以及PCA指数。 ```javascript // 设置分析区域 var region = ee.Geometry.Rectangle([116.3, 39.8, 117, 40.5]); // 加载Landsat 8影像 var image = ee.ImageCollection('LANDSAT/LC08/C01/T1_TOA') .filterDate('2019-01-01', '2019-12-31') .filterBounds(region) .median(); // 计算NDVI指数 var ndvi = image.normalizedDifference(['B5', 'B4']).rename('NDVI'); // 计算EVI指数 var evi = image.expression( '2.5 * (nir - red) / (nir + 6 * red - 7.5 * blue + 1)', { 'nir': image.select('B5'), 'red': image.select('B4'), 'blue': image.select('B2') }).rename('EVI'); // 将NDVI和EVI合并为一个图像 var vegIndex = ndvi.addBands(evi); // 定义移动窗口大小和步长 var kernelSize = 256; var kernelStep = 128; // 定义PCA算法 var pca = ee.Reducer.pca().outputComponentNames(['PC1', 'PC2', 'PC3']); // 对每个分块进行PCA分析 var pcaImage = vegIndex.neighborhoodToBands( ee.Kernel.square(kernelSize, 'meters'), ee.Reducer.mean() ).reduceNeighborhood(pca, ee.Kernel.square(kernelSize, 'meters'), true); // 将PCA指数合并到原始图像中 var resultImage = image.addBands(pcaImage); // 将结果可视化 Map.centerObject(region, 12); Map.addLayer(resultImage, {bands: ['B4', 'B3', 'B2'], max: 0.3}, 'Landsat 8'); Map.addLayer(pcaImage.select('PC1'), {min: -2, max: 2}, 'PCA'); ``` 上述代码通过加载Landsat 8影像，计算NDVI和EVI指数，并将它们合并为一个图像。然后，对每个分块进行PCA分析，并将PCA指数合并到原始图像中。最后，将结果可视化。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

_养乐多_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值