地表温度LST计算教程

简介: 地表温度LST计算教程

地表温度反演算法主要有以下三种:大气校正法(也称为辐射传输方程:Radiative Transfer Equation——RTE)、单通道算法和分裂窗算法。


大气校正法基本原理:首先估计大气对地表热辐射的影响, 然后把这部分大气影响从卫星传感器所观测到的热辐射总量中减去, 从而得到地表热辐射强度, 再把这一热辐射强度转化为相应的地表温度。其中所使用的NDVI、植被覆盖度以及土地利用分类数据来源于地理遥感生态网平台。


主要步骤:

1、遥感图像裁剪;

2、辐射定标;

3、大气校正;

4、计算NDVI;

5、计算地表植被覆盖度;

6、计算比辐射率;

7、计算相同温度下黑体的辐射亮度值;

8、反演地表温度。


首先打开大气校正后的影像数据

微信截图_20230111115512.png


4、计算NDVI (归一化差分植被指数)

NDVI,它的全称是 NormalizedDifference Vegetation Index,也就是归一化差分植被指数,是反映农作物长势和营养信息的重要参数之一,它的计算原理很简单,就是近红外波段的反射值与红光波段的反射值之差比上两者之和。


即 NDVI=(NIR-R)/(NIR+R),


NIR为近红外波段的反射值,R为红光波段的反射值。


植被指数(NDVI)是检测植被生长状态、植被覆盖度和消除部分辐射误差等。NDVI能反映出植物冠层的背景影响,如土壤、潮湿地面、雪、枯叶、粗糙度等,且与植被覆盖有关。


Toolbox-->Spectral-->vegetation-->NDVI

微信截图_20230111115520.png

微信截图_20230111115529.png


结果如下:

微信截图_20230111115537.png


5、植被覆盖指数

计算植被覆盖度Fv采用的是混合像元分解法,将整景影像的地类大致分为水体、植被和建筑,具体的计算公式:

FV = (NDVI- NDVIS)/(NDVIV - NDVIS)


其中,NDVI为归一化差异植被指数,取NDVIV = 0.70和NDVIS = 0.00,且有,当某个像元的NDVI大于0.70时,FV取值为1;当NDVI小于0.00,FV取值为0。


Toolbox-->Band Ratiio-->Band Math

输入公式 :(b1 gt 0.7)*1+(b1 lt 0.05)*0+(b1 ge 0.05 and b1 le 0.7)*((b1-0.05)/(0.7-0.05))

微信截图_20230111115555.png

微信截图_20230111115605.png


结果如下

微信截图_20230111115618.png


6、计算比率辐射

根据前人的研究,将遥感影像分为水体、城镇和自然表面3种类型。本专题采取以下方法计算研究区地表比辐射率:水体像元的比辐射率赋值为0.995,自然表面和城镇像元的比辐射率估算则分别根据下式进行计算:

εsurface= 0.9625 + 0.0614FV - 0.0461FV2

εbuilding= 0.9589 + 0.086FV - 0.0671FV2

式中,εsurface和εbuilding分别代表自然表面像元和城镇像元的比辐射率。

Toolbox-->Band Ratiio-->Band Math

公式:(b1 le 0)*0.995+(b1 gt 0 and b1 lt 0.7)*(0.9589+0.086*b2-0.0671*b2^2)+(b1 ge 0.7)*(0.9625+0.0614*b2-0.0461*b2^2)

微信截图_20230111115631.png

微信截图_20230111115643.png


结果

微信截图_20230111115651.png


7、计算相同温度下黑体的辐射亮度值

卫星传感器接收到的热红外辐射亮度值Lλ由三部分组成:大气向上辐射亮度L↑,地面的真实辐射亮度经过大气层之后到达卫星传感器的能量;大气向下辐射到达地面后反射的能量。卫星传感器接收到的热红外辐射亮度值的表达式可为(辐射传输方程):

Lλ = [ε·B(TS) + (1-ε)L↓]·τ + L↑


这里,ε为地表辐射率,TS为地表真实温度,B(TS)为普朗克定律推到得到的黑体在TS的热辐射亮度,τ为大气在热红外波段的透过率。则温度为T的黑体在热红外波段的辐射亮度B(TS)为:

B(TS) = [Lλ - L↑- τ·(1-ε)L↓]/(τ·ε)


λ为普朗克定律推到得到的黑体在TS的热辐射亮度;

Lu为大气向上辐射亮度;

Ld为大气向上辐射亮度。


在NASA官网(http://atmcorr.gsfc.nasa.gov/)中输入成影时间以及中心经纬度,则会提供上式中所需要的参数。


打开遥感影像文件夹中…………MTL.txt的索引文件找到经纬度、时间

微信截图_20230111115701.png


打开网址http://atmcorr.gsfc.nasa.gov/

微信截图_20230111115707.png


编辑

微信截图_20230111115715.png


Toolbox-->Band Ratiio-->Band Math

公式为

(b2-Lu-λ*(1-b1)*Ld)/(λ*b1)

(b2-0.22-0.96*(1-b1)*0.39)/(0.96*b1)

微信截图_20230111115725.png

微信截图_20230111115738.png


结果:

微信截图_20230111115746.png


8、反演地表温度

在获取温度为TS的黑体在热红外波段的辐射亮度后,根据普朗克公式的反函数,求得地表真实温度TS:

TS = K2/ln(K1/B(TS)+ 1)

landsat4、5:对于TM,K1 =607.76 W/(m2µmsr),K2=1260.56K。

landsat 7: 对于ETM+,K1=666.09 W/(m2µmsr),K2=1282.71K。

landsat 8: 对于TIRS Band10,K1= 774.89 W/(m2µmsr),K2 =1321.08K。

Toolbox-->Band Ratiio-->Band Math

公式:(1321.08)/alog(774.89/b1+1)-273

微信截图_20230111115754.png

微信截图_20230111115811.png


结果:

微信截图_20230111115840.png

右键图像-->Raster color slice 查看温度数据

同时地理遥感生态网平台也正式发布该项数据,数据来源请引用:地理遥感生态网科学数据注册与出版系统

相关文章
|
存储 测试技术 开发工具
软考中的UML图、数据流图等二十余种示例
软考中的UML图、数据流图等二十余种示例
2137 0
|
机器学习/深度学习 Web App开发 算法
ML之RF:随机森林RF算法简介、应用、经典案例之详细攻略
随机森林指的是利用多棵决策树对样本进行训练并预测的一种分类器。它包含多个决策树的分类器,并且其输出的类别是由个别树输出的类别的众数而定。随机森林是一种灵活且易于使用的机器学习算法,即便没有超参数调优,也可以在大多数情况下得到很好的结果。随机森林也是最常用的算法之一,因为它很简易,既可用于分类也能用于回归。
ML之RF:随机森林RF算法简介、应用、经典案例之详细攻略
|
11月前
|
机器学习/深度学习 存储
线性化注意力综述:突破Softmax二次复杂度瓶颈的高效计算方案
大型语言模型虽在各领域表现出色,但其核心的softmax注意力机制存在显著的计算资源消耗问题。本文探讨通过线性时间复杂度的替代方案突破这一瓶颈,介绍线性注意力机制、门控线性注意力及状态空间模型(SSM)等创新方法,旨在优化计算效率与内存容量之间的权衡,提升模型性能。
459 9
线性化注意力综述:突破Softmax二次复杂度瓶颈的高效计算方案
|
11月前
|
存储 运维 前端开发
同城圈子搭子交友论坛系统/搭建圈子系统的常见问题
需求分析不明确 在系统设计初期,如果未能充分理解目标用户的需求,可能导致系统功能与实际需求脱节,进而影响用户体验。 解决方案:通过市场调研、用户访谈、问卷调查等方式深入了解用户需求,确保系统设计符合用户期望。 技术选型困难 选择合适的技术栈对于系统的稳定性和可扩展性至关重要。技术选型不当可能导致系统性能低下或开发周期延长。 解决方案:根据系统需求、开发团队的技术栈以及未来扩展性等因素综合考虑,选择适合的技术栈。例如,前端可以使用uinapp 等框架,后端可以选择PHP框架,数据库可以选择MySQL等。
385 0
|
编解码 算法 数据中心
遥感生态指数(RSEI)——四个指数的计算
遥感生态指数(RSEI)——四个指数的计算
遥感生态指数(RSEI)——四个指数的计算
|
11月前
|
资源调度 数据可视化 项目管理
看板视图如何提升团队效率?
看板视图源自丰田生产系统的管理工具,通过可视化手段展示任务、工作流和项目进度,以卡片形式表示任务,在不同列间移动反映工作进展。它能提高团队协作效率、优化工作流、减少瓶颈,适用于项目管理和软件开发等领域。
|
SQL 关系型数据库 数据库
PostgreSQL常用命令,启动连接,pg_dump导入导出
PostgreSQL常用命令,启动连接,pg_dump导入导出
|
消息中间件
【RabbitMQ七】——RabbitMQ发布确认模式(Publisher Confirms)
【RabbitMQ七】——RabbitMQ发布确认模式(Publisher Confirms)
825 0
|
传感器 算法 数据挖掘
基于ENVI与ERDAS的Landsat 7 ETM+单窗算法地表温度(LST)反演
基于ENVI与ERDAS的Landsat 7 ETM+单窗算法地表温度(LST)反演
432 1
|
前端开发 JavaScript 安全
Android MVI 架构:从双向绑定到单向数据流
现在从事Android开发多少都要懂点架构知识,从MVC、MVP再到MVVM,想必大家对于其各自的优缺点早已如数家珍。今天介绍的MVI与MVVM非常接近,可以针对性地弥补MVVM中的一些缺陷
2689 0

热门文章

最新文章