各位同学，大家新年好！我们编写了一套基于GEE平台的RSEI计算代码，您只需要替换研究区区域，即可自动生成每年的NDVI、LST、WET、NDBSI、RSEI及主成分分析结果。由于内容较为复杂且涉及核心方法，本篇文章为付费内容。一、遥感生态指数RSEI
RSEI结合了绿度、湿度、干度和热度四个关键指标，能够有效地反映一个地区生态环境的质量状况。1. 绿度是通过归一化植被指数（NDVI）来衡量植被覆盖度和生长状况的。NDVI值的范围从-1到+1，值越接近+1表示植被生长越旺盛。NDVI的计算公式如下：2. 湿度指标用于反映区域内水体、植被和土壤的湿润程度。通过遥感影像，可以提取湿度分量WET，能够有效地表达地区的水分含量，反映土壤和植被的水分状况。湿度的计算公式为：其中，b, g, r, n, s1, s2 分别是对应 Blue（蓝色）、Green（绿色）、Red（红色）、NIR（近红外）、SWIR1（短波红外1） 和 SWIR2（短波红外2） 波段的系数。3. 干度指标通过NDBSI评估裸土与建设用地对地面干化的影响。NDBSI值较高通常意味着裸土或建设用地面积较大，这些区域的生态环境较差，容易发生干旱。NDBSI的计算公式如下：其中，SWIR1、Red（红色）、NIR（近红外） 和 Blue（蓝色） 为影像中的相应波段。4. 热度通过地表温度（LST）来表示，LST通常通过热红外波段（TIR）计算得出。LST的计算公式为：其中，Lλ\lambdaλ 是辐射亮度，K1 和 K2 是辐射定标常数。该公式将辐射亮度转换为地表温度（单位：摄氏度）。在GEE平台上，我们首先使用武汉大学CLCD数据集的水体数据进行掩膜处理，以减少水域对实际地面湿度条件的干扰。然后，利用Landsat 5/7/8/9影像数据计算1990至2023年间的NDVI、WET、NDBSI和LST，并导出每年的栅格数据。最后，根据RSEI的计算公式，采用主成分分析（PCA）方法计算了RSEI指数。1. 导出每年的NDVI、WET、NDBSI、LST的栅格数据。2. Print每一年的年份、特征值、特征向量和贡献率在GEE平台中，同学们只需要替换研究区域，代码即可运行。
由于数据量较大，我们已将NDVI、WET、NDBSI、LST的计算设置为多波段导出，并提供了R代码。您只需根据需要修改输入和输出路径。如果不需要这些分量，可以在GEE代码中注释掉相关部分。
由于代码较长，不便于复制，我们已将完整代码以TXT文件形式上传至百度网盘。需要的同学可以直接下载。如果在使用过程中遇到任何问题，欢迎随时联系我们，我们将竭诚为您提供帮助！以下是百度网盘链接：
