遥感生态指数(Remote Sensing based Ecological Index, RSEI)发表于2013年，迄今已有10周年了。近日《遥感技术与应用》杂志开通了视频号，第一个视频即介绍了RSEI。
RSEI现也已成为热门的网络课程，许多网友自编了相关视频和教程。
Karma & Yamamoto (2023)指出，RSEI及其所采用的PCA权重集成技术是生态脆弱性(EVI)评价领域中最重要的概念模型和权重机制，也是使用最多的概念和技术。RSEI的优势在于可扩展性、可视化、在不同时空尺度上的可比性，以及可以使用相同的数据得出所有的EVI指标，现已成为广泛使用的生态脆弱性评估方法之一。
10年来，RSEI已被应用于全国各省市自治区的生态质量评估，在国际上也得到广泛应用。3篇英文代表作都是ESI前1%高引论文，2篇中文代表作也分别被引用近700次。
随着RSEI指数的日益普及，近年来也有许多类RSEI指数(下称：xRSEI)相继提出，使得RSEI指数逐渐成为一个庞大的家族。不得不指出，有的作者由于对RSEI的构建机理不理解，或基本概念不清楚，使得一些xRSEI指数存在明显的错误。如以上《遥感技术与应用》视频中提到的我们的论文，就是针对这类错误而撰写的。2019年有的作者对PCA的概念不清楚，将互为垂直、毫不相关的3个PCA分量简单相加，以增加所谓信息量。因此我们在论文中详细阐述了PCA构建RSEI的原理，以及PCA各分量信息量与所增强信息的关系。论文发表后产生了积极的作用，并很快入选CNKI的高引论文，很多编辑部也将误用该xRSEI指数的论文撤稿，现在也已经看不见该指数的论文了。
当前，在类RSEI指数中，以加入某种指标，或替换某一指标形成的xRSEI最为常见。其中又以加入大气因子的MODIS AOD指标最普遍，初步统计了一下，大概有10多个这类xRSEI指数。有关MODIS AOD究竟是否可以作为指标加入RSEI，我们曾在《RSEI应使用主成分分析或核主成分分析?》一文中就二者间分辨率的巨大差异给予了初步分析。该文推出后也产生了积极的作用，并被国家卓越期刊《武汉大学学报 信息科学版》评为优秀论文。由于1个AOD 1000m分辨率的像元大致等于1111个Landsat 30m分辨率的像元，加入AOD后，将使RSEI的空间分辨率急剧下降。如果这种将分辨率降低1100倍的算法也称为“改进”，那什么又是“倒退”呢？其实加入AOD的副作用远不止降低分辨率，今后有时间将进一步阐述。在这里还要再次呼吁研究生教育要重视基础知识，研究生学习要掌握基本概念。记得刚回国开遥感课时，唯一选中的中文教材就是《土地利用/覆盖变化研究的方法与实践》(史培军、宫鹏、李晓兵等, 2000)，书中阐述的许多遥感基本概念，即便是今天也不过时。相信加入AOD的作者们如果学过这本书，就不会加入了。
当然，在xRSEI指数中，还有一些是为了自己的论文能发表，而把相对简单的问题复杂化，或者是故意贬低；在早期RSEI还不是很多人知晓的时候。有的甚至是剽窃，或者不明确引用。这些在科学研究中其实已经司空见惯，在其它领域中也很常见，因此也就不进行讨论了。相信这类xRSEI指数也不会有人去用它，即便是这些指数的作者发完文后，也没见他们自己再次用它。这两年也只是对有些会产生误导的xRSEI指数写些评述文章，如果是国际期刊，就发表在与他们发文的同一期刊上，以方便读者参考。这些评述论文的反响也都很好，即年指标也较高，有的领域加权引用指标(FWCI)是同类文献平均水平的7倍。
——(宋) 释可封《偈二首·其一》
