指数构建思路| 基于GEE的UTEI（城市热环境指数）构建思路及代码详解-优快云博客

随着城市热岛效应日益加剧，科学评价城市热环境状态成为生态研究和城市规划的重要任务。本文介绍一套本人自主设计的城市热环境指数（UTEI，Urban Thermal Environment Index），基于多源遥感数据融合，反映城市热环境综合质量。

本文亮点：

原创设计的多指标综合热环境指数
基于Google Earth Engine实现自动化计算与可视化
详细代码解析，帮助读者掌握指标构建流程
交互式查询支持空间微观分析

一、指标设计理念

UTEI融合了四个关键生态环境指标：

指标	来源	生态意义
NDVI（归一化植被指数）	Landsat 8	反映植被覆盖，有助于降低城市温度
NDBI（归一化建筑指数）	Landsat 8	反映建筑裸地比例，热岛效应增强因素
MNDWI（改进归一化水体指数）	Landsat 8	反映水体分布，具有降温效果
LST（日夜平均地表温度）	MODIS	直接反映热岛强度

设计思路：

植被和水体对城市降温起正面作用，因此它们是正向指标；
建筑裸地和高温则会提升热岛效应，因此为负向指标；
统一归一化后，采用等权重加权，得到0-1的综合指数，数值越大代表热环境越宜居。

二、详细代码解析

1）设置研究区及时间范围

var roi = ee.FeatureCollection("projects/ee-hllutlu2024/assets/SHANGHAI");
Map.centerObject(roi, 9);
var targetYear = 2022;

roi定义为上海市边界矢量，保证计算区域明确且空间一致。
Map.centerObject用于地图聚焦，便于浏览分析区域。
设定分析年份为2022。

2）加载 Landsat 8 影像，进行影像预处理

var L8 = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2')
  .filterBounds(roi)
  .filterDate(targetYear + '-01-01', targetYear + '-12-31')
  .filterMetadata('CLOUD_COVER', 'less_than', 10)
  .median()
  .clip(roi);

利用Landsat 8地表反射率数据，筛选覆盖目标区域的2022年影像。
云量小于10%，减少云干扰。
使用median()方法合成年中值影像，降低异常值影响。
最后裁剪至研究区，提升效率。

3）计算NDVI、NDBI、MNDWI三大遥感指数

var NDVI = L8.normalizedDifference(['SR_B5', 'SR_B4']).rename('NDVI');
var NDBI = L8.normalizedDifference(['SR_B6', 'SR_B5']).rename('NDBI');