基于GEE的上海市2022年生态质量（RSEI）遥感监测与分析

导语

生态质量是区域可持续发展的核心指标，而遥感技术为大尺度生态监测提供了高效手段。本文基于Google Earth Engine（GEE）平台，以 Landsat-8 和 MODIS 数据为基础，通过构建遥感生态指数（RSEI），实现了上海市2022年生态质量的定量化监测。从数据预处理到指数合成的全流程自动化分析，不仅为城市生态评估提供了可复用的技术框架，更为城市生态保护与管理提供了科学依据。

一、研究背景

随着城市化进程的加速，城市生态系统面临栖息地破碎化、热岛效应加剧等多重挑战。上海市作为我国经济中心，其生态质量的动态变化直接关系到区域生态安全与居民生活品质。传统生态监测方法难以兼顾空间连续性与时间时效性，而基于遥感的生态指数（如RSEI）通过整合多维度生态要素，可实现区域生态质量的快速评估。

RSEI指数通过绿度（NDVI）、干度（NDBSI）、湿度（WET）和热度（LST）四大指标的主成分分析构建，能客观反映生态系统的综合状况。借助GEE平台的云计算能力，可高效完成从数据预处理到指数生成的全流程分析，为城市生态监测提供标准化技术方案。

二、数据与方法

2.1 数据来源与预处理

本研究采用的数据及处理流程如下：

• Landsat-8 数据：选用2022年上海市区域的Landsat-8 Level-2数据（数据集ID：LANDSAT/LC08/C02/T1_L2），通过云掩膜处理（基于QA_PIXEL波段去除云及云阴影）和年度中位数合成，获得无云干扰的地表反射率数据。
• MODIS 数据：采用MOD11A1地表温度产品（数据集ID：MODIS/061/MOD11A1），通过昼夜温度均值计算获取2022年平均地表温度（LST），并与Landsat数据空间匹配。
• 研究区范围：以上海市行政边界为研究区（通过GEE资产加载：projects/ee-hllutlu2024/assets/SHANGHAI）。

2.2 核心技术流程

研究流程分为数据预处理、生态指标计算、指数合成三大步骤，具体如下：

1. 数据预处理：通过云掩膜、时空滤波和研究区裁剪，生成2022年上海市无云合成影像；
2. 生态指标提取：计算绿度（NDVI）、干度（NDBSI）、湿度（WET）和热度（LST）四大基础指标；
3. RSEI合成：通过主成分分析（PCA）融合四大指标，生成标准化生态指数并可视化。

三、技术实现与代码解析

3.1 研究区与数据加载

// 1. 加载研究区域
var roi = ee.FeatureCollection("projects/ee-hllutlu2024/assets/SHANGHAI");
Map.centerObject(roi); // 地图定位至研究区

3.2 数据预处理（去云与合成）

// 2. 定义去云函数（基于QA_PIXEL波段）
function removeCloud(image) {
   
   
  var qa = image.select('QA_PIXEL');
  var cloudMask = qa.bitwiseAnd(1 << 3).eq(0); // 云掩码（第3位为云标识）
  var cloudShadowMask = qa.bitwiseAnd(1 << 4).eq(0); // 云阴影掩码（第4位为阴影标识）
  return image.updateMask(cloudMask.and(cloudShadowMask)); // 保留无云及无阴影区域
}

// Landsat-8数据加载与预处理
var targetYear = 2022;
var L8 = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2')
  .filterBounds(roi)
  .filterDate('2022-01-01', '2022-12-31')
  .filterMetadata('CLOUD_COVER', 'less_than', 10) // 筛选低云量影像
  .map(removeCloud) // 应用去云函数
  .median() // 年度中位数合成
  .clip(roi) // 裁剪至研究区
  .set('year', targetYear);

3.3 生态指标计算

通过calculateIndices函数整合四大生态指标，涵盖绿度、干度、湿度和热度：

// 3. 计算生态指标（NDVI、NDBSI、WET、LST）
function calculateIndices(image)