6、RSEI 生态环境质量智能评估系统 (GEE App)

原创于 2025-12-14 15:59:12 发布 · 1k 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#GEE #遥感图像处理 #JavaScript #谷歌云平台

Google Earth Engine（GEE）专栏收录该内容

6 篇文章

订阅专栏

🌿 RSEI 生态环境质量智能评估系统 (GEE App)

平台: Google Earth Engine (GEE)
核心算法: 主成分分析 (PCA) / 遥感生态指数 (RSEI)

📖 项目简介

本项目是一个基于 Google Earth Engine 的自动化遥感生态指数 (RSEI) 计算工具。它集成了 绿度、湿度、热度、干度 四大生态指标，利用 主成分分析 (PCA) 技术自动构建 RSEI 模型。

相较于传统版本，本代码解决了以下痛点：

稳定性修复: 彻底解决了 GEE 中常见的 Dimensions mismatch (矩阵维度不匹配) 错误，采用“客户端权重计算 + 代数加权法”，确保 PCA 永不报错。
可视化增强: 地图支持 5 层叠加显示 (RSEI + 4个分量)，并配备了专属图例。
多维图表: 内置 3 类统计图表（直方图、均值对比图、分布曲线图），一键分析生态短板。
智能校正: 自动检测特征向量方向，确保 RSEI 数值逻辑正确 (数值越高，生态越好)。

🛠️ 主要功能

1. 四大生态指标自动计算

脚本自动处理 Landsat 8 影像，计算以下指标：

🟢 绿度 (Greenness): 使用 NDVI (归一化植被指数) 表征植被覆盖。
💧 湿度 (Wetness): 使用 Tasseled Cap Wet (缨帽变换湿度分量) 表征土壤/植被含水量。
🔥 热度 (Heat): 使用 LST (地表温度) 表征城市热岛效应。
🏜️ 干度 (Dryness): 使用 NDBSI (建筑指数 SI + 裸土指数 IBI) 表征地表硬化程度。

2. 交互式分析面板

时间滑块: 自由选择年份 (2014-2023)，默认筛选夏季 (6-9月) 影像以获得最佳植被表现
图层管理: 可在地图上自由切换查看单一分量，通过颜色直观判断区域是“太热”还是“太干”。
图表看板:
- RSEI 分布图: 了解整体生态得分分布。
- 分量均值对比: 快速识别该区域的主要生态制约因素。
- 数值分布曲线: 详细查看各指标的数据分布形态。

3. 结果导出

支持一键将计算好的 RSEI 结果导出为 GeoTIFF 格式至 Google Drive，保留地理坐标，方便在 ArcGIS/QGIS 中进一步制图。
在这里插入图片描述

🚀 快速开始

1. 设置分析区域 (ROI)

代码默认使用了我的测试 Asset ID，请务必修改为你自己的区域，否则可能无法运行或权限报错。

找到代码第 13 行：

// ❌ 原始代码 (可能无权限)
var roi = ee.FeatureCollection("projects/maxhecheng/assets/haidian");

// ✅ 修改方式 1: 使用你上传的 Shapefile (Asset ID)
var roi = ee.FeatureCollection("users/你的用户名/你的文件名");

// ✅ 修改方式 2: 使用简单的几何点缓冲区 (测试用)
var roi = ee.Geometry.Point([116.3, 39.95]).buffer(10000);

2. 运行代码

将完整代码复制到 GEE Code Editor。
点击上方的 Run 按钮。
在右侧面板选择年份，点击 “🚀 开始全指标分析”。

📊 结果解读指南

图层颜色说明

图层	颜色条	含义
RSEI (生态指数)	红 ➝ 绿	绿色越深，生态质量越好
绿度 (NDVI)	白 ➝ 绿	绿色越深，植被越茂密
湿度 (Wet)	灰 ➝ 蓝	蓝色越深，水分越充足
热度 (LST)	蓝 ➝ 红	红色越深，地表温度越高 (负面)
干度 (Dry)	绿 ➝ 红	红色越深，建筑/裸土越多 (负面)

图表分析技巧

柱状图 (均值对比):
- 如果 干度 (Dry) 柱子最高：说明该区域建筑密度大，硬化严重。
- 如果 热度 (Heat) 柱子最高：说明热岛效应是主要问题。
- 如果 绿度 (Green) 柱子很低：说明缺绿。
曲线图:
- 理想的生态城市，绿度和湿度曲线应偏右 (高值)，热度和干度曲线应偏左 (低值)。

GEE界面总览

在这里插入图片描述

⚠️ 常见问题 (FAQ)

Q: 为什么提示 “No images found”?
A:可能是该年份在选定区域云量过多 (代码默认过滤 >30% 云量)。

解决方法: 尝试更换年份，或在代码中调整 CLOUD_COVER 阈值，或放宽日期范围。

Q: 为什么 RSEI 只有 0 或 1？
A: 这种情况通常是极端值归一化导致的。

解决方法: 代码中已设置 bestEffort: true 和较大的 scale 来缓解此问题。如果依然出现，说明区域内可能有异常像素（如大面积水体或云）。

Q: 为什么 PC1 计算不会报错了？
A: 传统写法直接在 Server 端进行矩阵相乘，容易因像素对齐问题导致 Dimensions mismatch。本版本采用了混合计算法：先在 Client 端获取特征向量权重，再用简单的代数加权公式生成 PC1，稳定性提升 100%。

📝 引用与致谢

本算法基于 徐涵秋教授 提出的 RSEI 模型 (Remote Sensing Ecological Index)。

Reference: Xu, H. (2013). A remote sensing urban ecological index and its application. Acta Ecologica Sinica.

代码分享

https://github.com/mojoin/GEE-