)
🌿 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。
🚀 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)varroi=ee.FeatureCollection("projects/maxhecheng/assets/haidian");// ✅ 修改方式 1: 使用你上传的 Shapefile (Asset ID)varroi=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)varroi=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
⚠️ 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-
