遥感云平台-GEE利用Landsat5/7/8/9计算时序RSEI（javascript）

本文旨在整理与 $RSEI$ 指数相关的资料，并整合了一套适用于 Landsat 5/7/8/9 长时间序列计算的 $RSEI$ 代码。在写课程论文时，网上搜集到大量相关资料，但对于一些细节和代码实现上的差异存在疑问，因此对常见问题进行了汇总和整理，部分代码需要统一命名或者优化用 AI 辅助，如有问题敬请批评指教！（后台留言即可）

内容介绍

徐涵秋老师提出遥感生态指数（$RSEI$）, 能完全基于遥感信息集成多种指标，实现对区域生态环境的快速检测和评价。因其具有很强的客观性、稳定性和可视性，目前已在城市的生态环境质量评价中得到广泛应用。构建 $RSEI$ 需要提取绿度、湿度、干度和热度四个生态因子，通过主成分变换合成四个指标，具体公式如下：[1]

• 绿度指标：植被覆盖状况是衡量一个地区生态质量的关键，归一化植被指数 $\text{NDVI}$ 是应用最广泛的植被指数之一。 $$\text{NDVI}=\frac{{\rho }_{\mathrm{nir}}-{\rho }_{\mathrm{red}}}{{\rho }_{\mathrm{nir}}+{\rho }_{\mathrm{red}}}$$
  • 绿度指标可以替换为更适合山区的山地$\text{NDVI}$或者$\text{kNDVI}$。
• 湿度指标：缨帽变换（TCT）是将光谱数据压缩成与具有最小信息损失的几个波段的重要工具，经TCT变换后的前3个分量通常被定义为亮度、绿度、湿度，这些已广泛应用于生态环境检测之中。湿度指标采用缨帽变换的湿度分量，用以指示土壤和植被的水分信息。$$\begin{gathered} \text{WET}=0.1511{\rho }_{\mathrm{blue}}+0.1973{\rho }_{\mathrm{green}}+0.3283{\rho }_{\mathrm{red}} \\ +0.3407{\rho }_{\mathrm{nir}}-0.7117{\rho }_{swir1}-0.4559{\rho }_{swir2} \end{gathered}$$ 由于 Landsat 5/7/8 的传感器参数不同，因此计算 WET 分量的参数不同，具体如表格所示：（Landsat 8 与 Landsat 9 由于十分相似，可以使用同一套缨帽变换的参数。[5]）

	Blue	Green	Red	NIR	SWIR1	SWIR2	来源
Landsat 5 TM	0.0315	0.2021	0.3102	0.1594	-0.6806	-0.6109	[2]
Landsat 7 ETM+	0.2626	0.2141	0.0926	0.0656	-0.7629	-0.5388	[3]
Landsat 8 OLS	0.1511	0.1973	0.3283	0.3407	-0.7117	-0.4559	[4]

• 干度指标：建筑用地和裸露的土壤均会造成地表干化，地表干化一定程度上会造成区域生态环境污染。因此干度指标（$\text{NDSBI}$）同时考虑到建筑用地与裸土的影响，由规范到0~1之间的裸土指数（$BI$）与建筑指数（$IBI$）平均算出。$$I_{\mathrm{SI}}=\frac{({\rho }_{\mathrm{SWIR}1}+{\rho }_{\mathrm{Red}})-({\rho }_{\mathrm{NIR}}+{\rho }_{\mathrm{Blue}})}{({\rho }_{\mathrm{SWIR}1}+{\rho }_{\mathrm{Red}})+({\rho }_{\mathrm{NIR}}+{\rho }_{\mathrm{Blue}})}$$ I I B I = { 2 ρ N I R / [ ( ρ S W I R 1 + ρ N I R ) − ρ N I R / ( ρ N I R + ρ R e d ) − ρ G r e e n / ( ρ G r e e n + ρ S W I R 1 ) ] } / { 2 ρ S W I R 1 / [ ( ρ S W I R 1 + ρ N I R ) + ρ N I R / ( ρ N I R + ρ R e d ) + ρ G r e e n / ( ρ G r e e n