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
|
数据挖掘 编译器 Python
忽略NoData计算多时相遥感影像各个像元的平均值:Python
本文介绍基于Python中whitebox模块,对大量长时间序列栅格遥感影像的每一个像元进行忽略NoData值的多时序平均值求取~
165 2
忽略NoData计算多时相遥感影像各个像元的平均值:Python
|
7月前
Google Earth Engine(GEE)——用填充后的Landsat7影像进行LST地表温度计算(C值转化为K值)
Google Earth Engine(GEE)——用填充后的Landsat7影像进行LST地表温度计算(C值转化为K值)
109 2
|
7月前
|
存储 数据挖掘 BI
GT的使用及耗电量统计的原理,对GT采集的电池数据采用VBA分析
GT的使用及耗电量统计的原理,对GT采集的电池数据采用VBA分析
43 0
|
7月前
|
人工智能
GEE数据的白天day/夜晚night LST数据按照QC掩膜后的结果差异明显
GEE数据的白天day/夜晚night LST数据按照QC掩膜后的结果差异明显
71 0
|
7月前
|
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
132 1
|
7月前
|
传感器 存储 编解码
基于ENVI的Landsat 7地表温度(LST)大气校正方法反演与地物温度分析
基于ENVI的Landsat 7地表温度(LST)大气校正方法反演与地物温度分析
224 1
|
7月前
|
存储 定位技术 Python
Python中ArcPy实现对大量长时间序列栅格遥感影像批量逐像元求取像素平均值
Python中ArcPy实现对大量长时间序列栅格遥感影像批量逐像元求取像素平均值
|
7月前
|
存储 定位技术 Python
Python中ArcPy实现多张栅格遥感影像批量相减求差值
Python中ArcPy实现多张栅格遥感影像批量相减求差值
|
Python
Python实现温度转换
Python实现温度转换
716 0
Python实现温度转换
|
编解码 算法 BI
地表温度数据、LST温度数据、地表反照率、NDVI数据、NPP数据、植被覆盖度、土地利用数据
地表温度数据、LST温度数据、地表反照率、NDVI数据、NPP数据、植被覆盖度、土地利用数据
地表温度数据、LST温度数据、地表反照率、NDVI数据、NPP数据、植被覆盖度、土地利用数据