遥感生态指数（RSEI）——水体掩膜及主成分分析

最新推荐文章于 2025-03-12 09:12:59 发布
最新推荐文章于 2025-03-12 09:12:59 发布
阅读量3.9w 收藏 431
点赞数 70
分类专栏： 遥感生态指数（RSEI） 遥感图像处理
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_41978498/article/details/112548516
版权
本文介绍了遥感生态指数（RSEI）的计算过程，包括水体掩膜的提取，使用MNDWI指数，通过New Raster Color Slice设置水体范围，制作掩膜区。接着对NDVI、Wet、NDBSI、LST进行掩膜和标准化处理，进行主成分分析，得到RSEI值。通过1-RSEI0公式调整，使得高RSEI值表示生态环境更好，并对研究区进行生态环境等级划分。RSEI用于动态监测生态环境变化。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

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、b5分别表示绿光波段和中中红外1波段。得到增强水体后的图像，如图1

图1 增强水体

②在生成的水体指数图层，右击选择【New Raster Color Slice】，仅保存一个color，根据水体值的范围设置合理的color范围。一般情况下，水体的范围在[0.25,1]，具体的要根据研究区确定。我的研究区范围是厦门，水体范围大致在[0.4,1]之间，如图2、图3所示

最低0.47元/天 解锁文章
GEE：基于主成分分析（PCA）的遥感生态指数（RSEI）计算方法
养乐多的博客
05-09 4871
利用主成分分析（Principal Component Analysis, PCA）进行风险筛选环境指标（Risk-Screening Environmental Indicators, 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。结果如下，
GEE计算遥感生态指数RSEI
所有专家都曾始于新手
07-04 2415
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。
遥感生态指数（RSEI）——四个指数的计算
热门推荐
qq_41978498的博客
07-02 9万+
遥感生态指数是在4个生态指数的基础上通过主成分变换得出的一个评价生态环境质量的指标。因此，第二部分就是要分别计算出这4个指数的值。 ①首先，是绿度指数的计算，一般用归一化植被指数（NDVI） NDVI=（NIR-Red）/（NIR+Red） 在Bandmath工具中输入NDVI计算公式 (float(b4-b3))/(b4+b3) 其中，b3、b4分别是红波段和近红外波段 ②其次，是湿度计算。 WET = c1B1 + c2B2 + c3B3...
教程 | 基于遥感生态指数(RSEI)模型的生态环境质量评价
YW_remote的博客
08-24 1万+
使用数据：Landsat8 OLI数据，行列号：122036，时间：20210527。 使用软件：ENVI5.3、ArcGIS10.2 二、4个指数计算 下述的四个指数的计算均是通过ENVI软件中的Band math工具进行计算。 （1）绿度指数 在常用的植被指数当中，归一化植被指数 ( NDVI) 能够有效地反映植被的生长情况与植被 覆盖度等重要植被的物理性质，检测灵敏度高，能 够较为真实地展现区域的地表空间变化规律，已经得到广泛利用，本文采用 NDVI 指数来代表绿度指数。 在ENV
UTF-8、UTF-16、UTF-32的区别到底是什么？
长风破浪会有时的博客
03-12 1056
UTF-8、UTF-16 和 UTF-32 是 Unicode 字符集的三种常见编码方式，它们的主要区别在于。
GEE水体掩膜阈值选择0.1还是0.2？
qq_33894731的博客
08-17 1041
本文选取了两景云量很少的Landsat 8数据，img1：LANDSAT/LC08/C02/T1_TOA/LC08_127042_20220906，云量为0.11%；本文使用了0.1和0.2两种阈值，来探讨和对比其各自的去水体效果。img2：LANDSAT/LC08/C02/T1_TOA/LC08_127041_20220906，云量为0.56%。0.1的阈值水体掩膜范围比0.2的更大，在图像上表现为更为圆滑和彻底；即：水体掩膜的阈值越小，去水体效果更为彻底。
RSEI遥感生态指数计算——基于GEE与Landsat8/9卫星
Ray1170的博客
12-21 3499
但在操作时其网上的疑难杂症不少：（1）RSEI计算判断的问题，用PC1计算RSEI0还是用1-PC1去计算得到RSEI0？这里要注意的主要问题是，不同卫星不同传感器上的Wet的计算方式不一样，Landsat7ETM+和Landsat8/9OLI传感器的不一样，modis也不一样。中的PC1可以看出NDBI，Wet同为正（+）而LST，NDBSI同为负（-），所以这里就可以直接使用PC1，而我们来看看PC3，和PC1的正负情况相反，如果出现这种情况，那么就是用1-PC1来得到初始的RSEI也就是RSEI0。
生态遥感指数RSEI
weixin_43663756的博客
11-09 6610
遥感神态指数RSEI计算
基于 GEE 计算遥感生态指数 RSEI 数据
@HNUSTer的博客
02-11 1416
基于 GEE 计算遥感生态指数 RSEI 数据。
GEE计算遥感生态指数(RSEI)--Landsat 8为例
zqk的博客
09-28 2万+
遥感生态指数、 RSEI、 水体掩膜、 主成分分析、 PCA、 Landsat、 GEE、 gee、
基于遥感生态指数的平朔露天矿生态环境评价-论文
07-08
平朔露天矿区复垦对维护周边环境及生物多样性有重要作用，利用平朔矿区1989—2018年4个时相的Landsat( 影像，运用主成分分析法，集成绿度（NDVI）、湿度（WET）、干度（NDSI）和热度（LST）4项指标构建遥感生态指数（RSEI）综合评估模型，对平朔矿区的生态环境状况进行综合评估。结果表明：平朔露天矿1989、1998、2007、2018年的RSEI值分别为0.564、0.547、0.512、0.576，说明研究区生态环境状况持续变差再转好；绿度和湿度对生态环境状况具有正向作用，而干度和热度对其起负向作用。
RSEI计算
Dora_o22的博客
03-24 1274
/使用JRC/GSW1_4/YearlyHistory的30m分辨率数据进行水体掩膜，根据具体要求进行掩膜选择。// 此时Mask中value值有1 ， 0 ， masked，把masked转化为 0。//根据特征向量，选择RSEI_0，根据第一主成分湿度的特征向量的正负。// // 掩膜掉大片永久水体。//数据输入，Landsat以及MODIS数据，手动修改年份。//指数归一化，波段添加。//镶嵌数据，水体掩膜。//指数计算，带入函数。//归一化函数的定义。
GEE：水体掩膜（water mask）的多种数据集和计算方式
养乐多的博客
03-19 2067
本文总结了在 Google Earth Engine（GEE）平台上水体掩膜（water mask）的一些数据集和计算方法。
【RS】常见遥感指数(RSEI)原理与计算方法，以及效果比较
Remote Sensing迷途小书童
06-19 1万+
遥感指数(Remote Sensing Ecological Index,RSEI)是基于遥感技术，通过卫星多光谱影像可见光以及红外波段不同波段间组合，构建并强化光谱特性，以此来反应某一地物特征的一种技术。通常而言，遥感指数多用于如地物识别分类等场景，用以帮助区分不同地物；而不同的地物也有对应特征明显的指数，以此可以作为区分的依据。随着遥感技术的研究，现在有上百种遥感指数应用于不同的场景。
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 3689
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.
部分常见遥感指数(RSEI)原理与计算方法，以及效果比较
Yu_yunlan的博客
01-15 2万+
针对多种遥感指数，本文主要就针对同一地物时不同指数的提取效果进行比对分析，并对其使用提出建议与看法。
在ENVI上利用band math和ROI进行湖水掩膜
u013901294的博客
12-15 1万+
在网上找了一圈没看见湖水掩膜的，都是消除背景值，琢磨了半天思考出了这个方法，希望有人能用上。 1.生成NDWI图像（突出水域）  在这个网址中发现了NDWI计算公式https://tieba.baidu.com/p/2447000608?red_tag=1561289776 “要在basic tool---band math 对话框里输入函数：fix(((float(b1)-b2)/(b1+...
遥感生态指数（RSEI）计算教程
m0_66875796的博客
10-17 4877
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。
IBI指数
最新发布
04-03
### IBI指数的概念与计算方法 IBI（Index-Based Indicator）通常被称为基于指数的指示器，主要用于通过组合多种遥感指数来实现特定目标的地物信息增强。其核心理念在于通过对多源遥感数据进行标准化处理并加权合成，从而突出某一类地物特征的信息。 #### EBSI作为IBI的一种应用实例 为了增强裸土信息，可以通过归一化处理结合其他遥感指数构建增强型裸土指数EBSI。具体而言，EBSI公式定义如下[^1]： \[ EBSI = \frac{BSI - MNDWI}{BSI + MNDWI} \] 其中，\( BSI \) 表示建筑土壤指数，而 \( MNDWI \) 则表示改进后的归一化差水体指数。该公式的目的是通过对比裸土区域与其他地表覆盖类型的差异，进一步提升裸土识别的效果。 #### 遥感指数在IBI中的作用 不同的遥感指数适用于提取不同类型的地物信息。例如，在GEE平台中可以计算多种遥感指数用于区分植被、水体和建筑物等地物特性[^2]。这些基础指数经过适当的选择与组合后，能够形成更复杂的综合性指数，如IBI。 #### 主成分分析法的应用于IBI计算 一种常见的方式是采用主成分分析(PCA)，这种方法被广泛应用于遥感生态指数(RSEI)的计算过程中[^3]。以下是利用Landsat-8卫星影像数据计算四个关键指标(LST、NDVI、NDBSI 和 WET)的一个Python代码片段: ```python import ee def calculate_indices(image): ndvi = image.normalizedDifference(['B5', 'B4']).rename('NDVI') lst = image.select('B10').multiply(0.1).subtract(273.15).rename('LST') # Simplified LST calculation ndbsi = image.expression( '(SWIR - NIR) / (SWIR + NIR)', { 'SWIR': image.select('B6'), 'NIR': image.select('B5') }).rename('NDBSI') wet = image.expression( '((GREEN + SWIR) - (NIR * 2)) / ((GREEN + SWIR) + (NIR * 2))', { 'GREEN': image.select('B3'), 'SWIR': image.select('B6'), 'NIR': image.select('B5') }).rename('WET') return image.addBands(ndvi).addBands(lst).addBands(ndbsi).addBands(wet) # Example usage with Landsat-8 collection collection = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR').filterDate('2020-01-01','2020-12-31').map(calculate_indices) ``` 上述代码展示了如何从Landsat-8图像中提取所需的波段，并生成相应的遥感指数。之后可运用PCA技术对所得指数进行降维处理，最终得到反映整体生态环境状况的单一数值——即RSEI或其他形式的IBI。
评论 151
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
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