文章目录前言第一步：定义研究区，自行更换自己的研究区第二步：加载数据集,定义去云函数第三步：主函数,计算生态指标第四步：PCA融合，提取第一主成分第五步：利用PC1，计算RSEI，并归一化完整代码总结前言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

文章目录前言第一步：定义研究区，自行更换自己的研究区第二步：加载数据集,定义去云函数第三步：主函数,计算生态指标第四步：PCA融合，提取第一主成分第五步：利用PC1，计算RSEI，并归一化完整代码总结前言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

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Collection2Level2T1数据）。总的来说就是Collection2比Collection1好，T1比T2好，具体的不同可以见如下链接。数据介绍以下是此数据

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Collection2Level2T1数据）。总的来说就是Collection2比Collection1好，T1比T2好，具体的不同可以见如下链接。数据介绍以下是此数据

这里我们在完成上一次的遥感生态指数，这里我们采用上一次已经得到的RSEI中，进行一个广东省市级区域RSEI的平均值，这里广东省中的7个地级市的生态遥感指数。ui.Chart.PIEFeature.byFeature(features,xProperty,yProperty)通过制定矢量数据的feature绘制方法参数：-ui(ui.Chart.PIEFeature.byFeature)调用者：ui.Chart.PIEFeature对象。-features(Object|List)feature、featureCollection、list、矢量数据或者列表-xProperty(List)x轴属

这里我们在完成上一次的遥感生态指数，这里我们采用上一次已经得到的RSEI中，进行一个广东省市级区域RSEI的平均值，这里广东省中的7个地级市的生态遥感指数。ui.Chart.PIEFeature.byFeature(features,xProperty,yProperty)通过制定矢量数据的feature绘制方法参数：-ui(ui.Chart.PIEFeature.byFeature)调用者：ui.Chart.PIEFeature对象。-features(Object|List)feature、featureCollection、list、矢量数据或者列表-xProperty(List)x轴属