精华内容
下载资源
问答
  • 地表温度反演

    2018-05-17 15:32:59
    landsat 5-8不同传感器的地表温度反演模型以及参数设置
  • Landsat-8地表温度反演

    2021-01-04 14:52:22
    基于landsat-8的地表温度反演
  • PIE-Engine Studio基于影像的通州区地表温度反演.pdf
  • 地表温度反演过程,使用软件是ENVI,可以相互交流一下。
  • 该教程基于辐射传输方程,以landsat遥感影像为数据源,进行地表温度反演。内含的详细步骤讲解和每一步运算的envi 波段计算公式。
  • Landsat 8地表温度反演免费软件,Landsat 8地表温度反演免费软件,北京大学团队研究开发的,免费下载哈,有需要的可以看一下。
  • landsat 8 地表温度反演 ,操作简单,自带使用说明。
  • 基于python实现单窗算法反演Landsat-8影像地表温度,。
  • 地表温度反演工具包

    2019-01-09 11:56:28
    内含有遥基于遥感数据的地表温度繁衍工具,可用来进行大气校正与单窗算法反演地表温度
  • 基于深度动态学习神经网络和辐射传输模型地表温度反演算法研究.pdf
  • 通过单窗算法与单通道算法来实现地表温度反演,基于ENVI进行的IDL二次开发,支持.dat格式的遥感影像。大气平均温度通过气象网站得到研究区的历年数据,大气水汽含量由经验公式所确定。两种方法所反演的地表温度相差...
  • 常用ENVI功能扩展工具之一:Landsat8LST-地表温度反演
  • 利用MATLAB实现FY-3_MERSI地表温度反演及专题制图
  • 采用IDL语言,可以用来反演地表温度,输入影像即可
  • 北京大学遥感所任华忠研究员团队开发的从Landsat 8数据反演地表温度软件,免费下载,不需要外界输入数据即可反演出地表温度
  • 以LandsatETM+为主要遥感数据源,采用辐射传输方程法对厦门岛进行地表温度反演,得到厦门岛2000年的地表温度分布情况.结果表明在城市规划中加强绿化和保护水体有助于缓解热岛效应.
  • 【Envi】基于单窗算法的地表温度反演实验操作记录

    千次阅读 多人点赞 2020-08-10 15:14:37
    前天刚下的Envi,高强度学习了两天摸索出了点门道,不一定准确。本文谨作为个人记录,如有问题欢迎指正。...地表温度反演操作总结 技术流程 1.数据预处理 1.1数据获取 首先在地理空间数据云下载lan

    比前言还前

    2021年7月14日:虽然这一年一直在做遥感的工作,但是由于研究尺度和效率的问题我主要使用python和gee,所以这篇可能是有关Envi的唯一一篇博客。这篇博客写于刚学习Envi的时候,期内容是唯一一次通过Envi完成的工作(很基础的工作),所以我对于Envi的理解相当浅薄,所以这篇博客内容存在着一些问题。关于内容上的问题,评论区一些小伙伴们已经指出了相当多,有一些我实在是不懂得解决或者解决不了(或者没看到)。所以不要盲目复制工作,特别是在做研究的时候。复制这篇博客的工作的时候,最好还是看一遍评论区

    前言

    前天刚下的Envi,高强度学习了两天摸索出了点门道,不一定准确。本文谨作为个人记录,如有问题欢迎指正。
    写这篇博客的时候,我是边做边写的,想到啥写啥,可能会比较混乱一点。后面有空的话我会整理一下。

    参考博客

    在实践操作这方面,相关博客给的启发更大一点;而文献大部分只参考了公式或者是经验数值,太多了太杂了就不一一写出来了。
    记 / ENVI5.3温度反演-单窗算法-操作要点
    地表温度热红外遥感反演-以单窗算法为例
    地表温度反演操作总结

    技术流程

    在这里插入图片描述

    1.数据预处理

    1.1数据获取

    首先在地理空间数据云下载landsat8的系列影像。
    因为我的研究区是长春,覆盖范围是三幅行列号分别是119029、118029、1118030,其中118029是主图。

    1.2辐射亮度温度

    1.2.1热红外波段辐射定标与亮度

    经过一系列摸索,我喜欢先做热红外波段的辐射定标,因为可以在一定程度上遇见最终的温度反演输出结果。
    首先导入图像,进行辐射定标,波段选取热红外Thermal。
    在这里插入图片描述
    然后下面的spectral subset只勾选上面那个(10.9000),然后点击确定。
    在这里插入图片描述
    进入下一个页面,上面的部分保持默认,只需要填output filename就行了。我的命名规则是行列号+rhwfsdb(热红外辐射定标)(很土我知道)。然后确定,就开始允许了。
    在这里插入图片描述
    辐射定标之后它会自动加载到图层里,完事就得到一张热红外波段定标后的图层(如下)。在这里插入图片描述
    可以通过鼠标值先查看一下结果是否靠谱。
    landsat8在这一步处理完后数值一般在5-11之间,温度越高的地方可能就越高。
    所以由于热岛效应,城市的值会更高。
    但是我之前选了个3月初的长春的遥感图,反演出来的结果不太理想,那幅图的结果显示的温度主要呈现出西高东低,城市内的温度不是特别显著,我后来思考了一下,可能三月初这个时间段正在化雪,所以就导致温度不太准确。
    吸取教训,这次我选择的是九月底的遥感图像。
    在这里插入图片描述
    处理完第一幅图后,对其他两幅图也进行相同的操作。
    把三幅图放在一起看的效果长这样(下图)。为了方便观察,导入事先准备好的长春市shp。嗐,本来两幅图就行了,偏偏左边多出了个边边,还我要用三幅图。
    在这里插入图片描述
    再然后可以准备开始拼接图像了。但是在拼接之前,经过我多次实验发现,它这个黑色的框框会影响拼接(可能只有这三幅图会),所以我决定用ROI把它裁一下,特别是119029这幅图,我只用到它的一小块,所以更需要裁一下,而且还能提高拼接速度(虽然没提高几秒)。
    首先裁下118029这幅图,右键要裁的图层选ROI调出窗口。为了避免裁多了,我还是把长春市的shp放着作参考。
    在这里插入图片描述
    用ROI分别裁剪完三幅图片,我这边是这个样子的(下图)。
    在这里插入图片描述

    然后可以正式开始拼接了。搜索seamless mosaic,导入全部图层。
    在这里插入图片描述

    他会选定一幅作为reference,另外两幅根据reference进行调整(好像是这样)。而且这个reference好像是默认选定你打开到envi的第一幅图,使用seamless mosaic后好像更改不了(如果可以更改的话请教教我)(我这段话是不是太多“好像“了)。
    在这里插入图片描述

    color correction栏里,勾选histogram matching。
    在这里插入图片描述
    然后再点进seamlines里的auto generate seamlines,它就开始生成缝合线了(原谅我这里截图不了)。
    在这里插入图片描述
    其他保持默认。点进export,选择导出路径,就可以开始导出了。我把它命名为rhwfsdb_mosaiced。
    在这里插入图片描述
    完事之后图长这个样子(下图)。我顺便把长春shp导进来参考一下,完美!
    在这里插入图片描述
    然后为了裁出长春的形状,用感兴趣区裁剪,命名为CC_rhwfsdb。
    在这里插入图片描述
    裁剪结果(下图)。
    在这里插入图片描述
    然后我把他配色变换一下,已经能看得出有一点像了(比我之前做的那副三月份的效果好多了)。
    虽然已经能看出点东西,但是这还是最简单的一步。
    在这里插入图片描述

    1.2.2辐射亮度温度计算

    需要用到这个公式,Ti是辐射亮度温度(辐射亮温),Lλ是上面获取的辐射亮度(就是值大概在5-11之间的那幅图)。
    在这里插入图片描述
    关于这个K1和K2,查了一堆参考文献,基本能达成共识。K1=774.89,K2=1321.08。
    然后就可以开始我们的波段运算了。
    输入公式:1321.08/alog(774.89/b1+1)
    在这里插入图片描述
    下一个页面它让你选b1是啥,选择我们刚刚得到的CC_rhwfsdb,就是还是上面那图。命名为CC_fslw。
    计算完成,得出一幅值为300左右的图,这个就是它的辐射亮温了,单位是开尔文。
    在这里插入图片描述

    1.3地表比辐射率

    这一部分主要获取植被覆盖度图片。具体的流程是先对三幅多光谱的遥感图像分别做辐射定标,然后进行拼图,再然后计算ndvi,再再然后利用ndvi计算植被覆盖度。

    1.3.1多光谱辐射定标

    首先进行辐射定标。
    老操作,不过这次要选的是戴MultiSpectral的,然后点击确定。
    在这里插入图片描述
    在下一个页面里,output interleave换成BIL,然后点击apply flaash settings把scale factor换成0.10,在output filename设置输出,我这里的命名规则是行列号+fsdb。最后点击确定,等待处理完成。
    在这里插入图片描述
    按照以上的操作把全部三幅图的多光谱都辐射定标处理完成后,放在一起大概长这样(下图)。
    在这里插入图片描述
    然后开始拼图操作,和前文的操作一样;拼图完后,用长春shp把研究区域裁下来,这里就不细说了。最后输出的命名为CC_mosaiced。得到下面这样式的图。
    在这里插入图片描述

    1.3.2NDVI计算

    把前文多光谱辐射定标+拼接+裁剪后得到的图进行ndvi处理。直接在工具栏里搜索ndvi,有集成好的工具直接可以用了。
    直接选定需要处理的图层,其他默认,点OK。
    在这里插入图片描述
    下一个页面,也是其他默认,然后选择输出,我直接命名为ndvi。静待它ndvi计算完成。
    在这里插入图片描述
    ndvi计算结束后得到这样一幅图,这个就是归一化植被指数图,调一下色,把值高的调成绿色看看。和现实的比起来,还挺像的。
    在这里插入图片描述
    为了确保ndvi数值准确(在-1到1之间),这里我进入统计-空间统计检查一下数值。
    在这里插入图片描述
    点ok后到这个页面,勾选histograms更清楚。然后再点ok。
    在这里插入图片描述
    结果都分布在-1到1之间,效果拔群。
    在这里插入图片描述
    然后查看下面的表格,记录累计百分比在5%和95%的ndvi数值。
    我这边分别是-0.488609和0.450226。
    这个值用于计算植被覆盖度。
    在这里插入图片描述
    在这里插入图片描述

    1.3.3植被覆盖度计算

    根据这个公式:
    *(b1 lt NDVI MIN)0+(b1 gt NDVI MAX)1+(b1 ge NDVI MIN and b1 le NDVI MAX)((b1-NDVI MIN)/ (NDVI MAX-NDVI MIN))
    把上面ndvi获取的两个数值(-0.488609和0.450226)分别替换NDVI MIN和NDVI MAX,得到:
    *(b1 lt -0.488609)0+(b1 gt 0.450226)1+(b1 ge -0.488609 and b1 le 0.450226)((b1+0.488609)/ (0.450226+0.488609))
    打开波段计算,把上面这个公式放进去,点OK。
    在这里插入图片描述
    b1选之前得到的ndvi,输出命名为fvc,点OK。
    在这里插入图片描述
    得到这样一幅植被覆盖度图,并且给他调了下色(下图),这幅图的值在0-1之间,可以参考上面统计ndvi的方法检查一下。
    在这里插入图片描述

    1.3.4地表比辐射率计算

    获取了植被覆盖度图,就可以计算地表比辐射率了。
    利用这个公式:0.004*b1+0.986
    点开波段计算,b1选择植被覆盖度图fvc,输出我命名为emiss。
    在这里插入图片描述
    然后得到这样一幅图(下图),这个就是地表比辐射率了。
    在这里插入图片描述

    2.地表温度反演

    前面这个数据预处理好像有点长……不管了……
    接下来没剩几步了,直接开始地表温度反演操作。
    需要用到以下公式
    在这里插入图片描述
    有两个中间参数,分别是C和D。

    2.1中间参数C

    首先我们计算中间参数C,C是由地表比辐射率和大气透射率相乘得来。
    地表比辐射率就是我们做的emiss图层,那大气透射率在哪呢?
    NASA官网中输入成影时间以及中心经纬度,则会提供大气透射率。(不过这个网站需要邮箱,QQ邮箱好像不能用……)
    我根据我主图(行列号118029)查询大气透射率。
    输入以下必要的信息。
    在这里插入图片描述
    等一会会返回这样一个网页,我们只需要记录下τ=0.73。
    在这里插入图片描述
    好了,计算中间参数C的参数我们都获取到了。
    导入地表比辐射率,点开波段计算,公式为:b1*0.73,计算中间参数C。
    输出命名为C。
    在这里插入图片描述
    得到下面这样一幅图。
    在这里插入图片描述

    2.2中间参数D

    D的计算也是只要用到地表比辐射率和大气透射率。
    同样是用波段计算,公式为:*(1-0.73)*(1+(1-b1)0.73)
    输出命名为D。
    在这里插入图片描述
    处理完成后,得到下面这样一幅图。
    在这里插入图片描述

    2.3地表温度LST

    万事俱备只欠东风。
    根据上面的LST公式,我们可以写出这样的公式:
    (-62.735657(1-b1-b2)+b3(0.434036*(1-b1-b2)+b1+b2)+b2Ta)/b1**
    (当温度介于0-70°C 时,a=-62.735657,b=0.434036,这个是经验系数,不同的人可能经验系数不一样,这块我没具体地了解)
    上式b1是C,b2是D,b3是辐射亮温,Ta是大气平均作用温度。
    前三个温度我们都获取了,就差一个大气平均作用温度。
    这里我用这个公式,Ta是大气平均作用温度,T0是近地面温度。
    在这里插入图片描述
    通过查询历史天气作为近地面温度计算得大气平均作用温度。因为我主图是凌晨2:21拍摄的,所以接近当日的最低温,查询得当日最低温为5摄氏度,在这里把它变换成开氏温度为278.15。所以T0=278.15,然后Ta=273.63353。
    所有参数都确定了,补全我们的公式:(当然最后别忘减去273.15转化为摄氏度)
    ((-62.735657(1-b1-b2)+b3(0.434036
    (1-b1-b2)+b1+b2)-b2*273.63353)/b1)-273.15**
    然后丢进波段运算进行计算,命名为LST_ra
    在这里插入图片描述
    然后得到这样一幅图,调个色什么的。温度大概在30度左右,说实话有点偏高了,经验系数ab那块可以再参考一下。
    在这里插入图片描述
    如果要生成可以导入ArcGIS的格式的话,可以在输出的末尾加一个.tif。
    下图是导入ArcGIS里的效果。如果要使用的话,还需要掩膜一下。
    在这里插入图片描述
    大概就这样了。
    在这里插入图片描述

    -----------------------分割线(以下是乞讨内容)-----------------------
    在这里插入图片描述

    展开全文
  • 基于Modis数据的地表温度反演

    千次阅读 多人点赞 2020-06-11 13:26:19
    基于Modis数据的北京市地表温度反演 图片压缩有点看不清 ,留言可发word原文。 操作平台 ENVI 5.5 ArcGIS 10.2 数据源 MODIS B1产品(包含1km 热红外波段) 数据来源 ...研究区:北京市 研究时间:2019年9月 ...

    基于Modis数据的北京市地表温度反演

    图片压缩有点看不清 ,留言可发word原文。

    操作平台

    ENVI 5.5
    ArcGIS 10.2

    数据源

    MODIS B1产品(包含1km 热红外波段)
    数据来源
    https://ladsweb.modaps.eosdis.nasa.gov/search/
    研究区:北京市
    研究时间:2019年9月

    原理介绍

    算法:劈窗算法
    主要根据覃志豪研究成果进行,针对于陆地
    T s = A 0 + A 1 T 31 − A 2 T 32 T_s=A_0+A_1T_{31}-A_2T_{32} Ts=A0+A1T31A2T32

    其中   T s {\ T}_s  Ts 为地表温度,
    A 0 、 A 1 、 A 2 A_0、A_1、A_2 A0A1A2 为参数,
    T 31 、 T 32 T_{31}、T_{32} T31T32 分别为 B 31 、 B 32 B31、B32 B31B32 的亮度温度。

    A 0 = a 31 D 32 ( 1 − C 31 − D 31 ) D 32 C 31 − D 31 C 32 − a 32 D 31 ( 1 − C 32 − D 32 ) D 32 C 31 − D 31 C 32 A_0=\frac{a31D32(1-C31-D31)}{D32C31-D31C32}-\frac{a32D31(1-C32-D32)}{D32C31-D31C32} A0=D32C31D31C32a31D32(1C31D31)D32C31D31C32a32D311C32D32

    A 1 = 1 + D 31 D 32 C 31 − D 31 C 32 + b 31 D 32 ( 1 − C 31 − D 31 ) D 32 C 31 − D 31 C 32 A_1=1+\frac{D_{31}}{D_{32}C_{31}-D_{31}C_{32}}+\frac{b_{31}D_{32}(1-C_{31}-D_{31})}{D_{32}C_{31}-D_{31}C_{32}} A1=1+D32C31D31C32D31+D32C31D31C32b31D32(1C31D31)

    A 2 = D 31 D 32 C 31 − D 31 C 32 + b 32 D 31 ( 1 − C 31 − D 32 ) D 32 C 31 − D 31 C 32 A_2=\frac{D_{31}}{D_{32}C_{31}-D_{31}C_{32}}+\frac{{b_{32}D}_{31}(1-C_{31}-D_{32})}{D_{32}C_{31}-D_{31}C_{32}} A2=D32C31D31C32D31+D32C31D31C32b32D31(1C31D32)
    其中:
    a 31 = − 64.60363 , b 31 = 0.440817 a_{31}=-64.60363,b_{31}=0.440817 a31=64.60363b31=0.440817
    a 32 = − 68.72575 , b 32 = 0.47345 a_{32}=-68.72575,b_{32}=0.47345 a32=68.72575b32=0.47345

    C i C_i Ci D i D_i Di 均为参数,运算如下

    C i = ε i τ i C_i=\varepsilon_i\tau_i Ci=εiτi

    ε i \varepsilon_i εi 为地表比辐射率, τ i \tau_i τi   i \ i  i 热通道大气透过率

    D i = ( 1 − τ i ) [ 1 + ( 1 − ε i τ i ) ] D_i=\left(1-\tau_i\right)[1+(1-\varepsilon_i\tau_i)] Di=(1τi)[1+(1εiτi)]

    其中:

    地表比辐射率计算

    ε i = P v R v ε i v + ( 1 − P v ) R s ε i s + d ε i \varepsilon_i=P_vR_v\varepsilon_{iv}+(1-Pv)Rsεis+dεi εi=PvRvεiv+(1Pv)Rsεis+dεi

    P v P_v Pv 为地表植被覆盖度,可以通过归一化植被指数计算
    R v R_v Rv R s R_s Rs 分别为植被和裸土的辐射比率

    其中:
    ε 31 v = 0.98672 \varepsilon_{31v}=0.98672 ε31v=0.98672
    ε 32 v = 0.98990 \varepsilon_{32v}=0.98990 ε32v=0.98990
    ε 31 s = 0.96767 \varepsilon_{31s}=0.96767 ε31s=0.96767
    ε 32 s = 0.97790 \varepsilon_{32s}=0.97790 ε32s=0.97790
    R v = 0.92762 + 0.07033 P v R_v=0.92762+0.07033P_v Rv=0.92762+0.07033Pv
    R s = 0.99782 + 0.08362 P v R_s=0.99782+0.08362P_v Rs=0.99782+0.08362Pv
    P v = N D V I − N D V I S N D V I V − N D V I S P_v=\frac{NDVI-{NDVI}_S}{{NDVI}_V-{NDVI}_S} Pv=NDVIVNDVISNDVINDVIS
    其中:
    N D V I V = 0.7 {NDVI}_V=0.7 NDVIV=0.7
    N D V I S = 0.05 {NDVI}_S=0.05 NDVIS=0.05
      d ε = 0.003796 min ⁡ [ P v   , ( 1 − P v ) ] \ d_\varepsilon=0.003796\min[P_{v\ },(1-P_v)]  dε=0.003796min[Pv ,(1Pv)]

    N D V I = B 2 − B 1 B 2 + B 1 NDVI=\frac{B_2-B_1}{B_2+B_1} NDVI=B2+B1B2B1
    其中:
    B i B_i Bi 为第 i 波段的反射率

    大气透过率计算

    W = ( α − ln ⁡ r e f 19 r e f 2 ) / β W=(\alpha-\ln{\frac{{ref}_{19}}{{ref}_2}})/\beta W=(αlnref2ref19)/β
    其中:
    W 为 水汽含量, r e f i {ref}_i refi 为 I 波段反射率
    α = 0.02 \alpha=0.02 α=0.02
    β = 0.651 \beta=0.651 β=0.651

    y 31 = 5.72 − 4.69 e ( x / 42.05 ) y_{31}=5.72-4.69e^{(x/42.05)} y31=5.724.69e(x/42.05)
    y 32 =   − 1.25 + 2.28 e ( − x / 12.44 ) y_{32}=\ -1.25+2.28e^{(-x/12.44)} y32= 1.25+2.28e(x/12.44)

    亮温计算:

    T 31 = K 31 , 2 ln ⁡ ( 1 + K 31 , 1 R a d 31 ) T_{31}=\frac{K_{31,2}}{\ln{(1+\frac{K_{31,1}}{{Rad}_{31}})}} T31=ln(1+Rad31K31,1)K31,2

    T 32 = K 32 , 2 ln ⁡ ( 1 + K 32 , 1 R a d 32 ) T_{32}=\frac{K_{32,2}}{\ln{(1+\frac{K_{32,1}}{{Rad}_{32}})}} T32=ln(1+Rad32K32,1)K32,2

    其中:

    T i T_i Ti 为亮温
    K 31 , 1 = 729.541636 K_{31,1}=729.541636 K31,1=729.541636
    K 31 , 2 = 1304.413871 K_{31,2}=1304.413871 K31,2=1304.413871
    K 32 , 1 = 474.684780 K_{32,1}=474.684780 K32,1=474.684780
    K 32 , 2 = 1196.978785 K_{32,2}=1196.978785 K32,2=1196.978785

    R a d i {Rad}_i Radi 为I 通道 辐射亮度

    操作过程

    技术流程图

    在这里插入图片描述

    具体操作

    一、预处理(几何校正与辐射定标)

    方法一:MCTK

    选用ENVI提供的扩展工具MCTK,进行几何校正,几何校正后的结果同时也进行了定标。首先安装MCTK,然后即可在Toolbox中extensions中找到安装的扩展工具
    在这里插入图片描述
    打开工具,按照提示输入参数
    在这里插入图片描述

    方法二:手动定标

    通过toolbox中的在这里插入图片描述工具查看,热红外数据集的scales和 offsets,并通过公式:
    R a d i a n c e = s c a l e s × ( D N − o f f s e t s ) Radiance=scales\times(DN-offsets) Radiance=scales×(DNoffsets)
    计算。
    使用ENVI中的band math计算出结果
    由于后续还需要用到NDVI,所以还需要对B1、B2进行定标。操作相同,不再赘述。
    在这里插入图片描述
    结果:MCTTK这种定标方式和手动定标结果有一定出入,所以暂时选择MCTK定标方式。
    根据相关研究,做地表温度反演可以不用进行大气校正,所以就不进行大气校正了。

    二、计算

    1. 计算亮温
      计算T31、T32亮温
      在这里插入图片描述
    2. 地表比辐射率计算
      1. NDVI计算

    在这里插入图片描述

    1. P v P_v Pv 计算
      P v = b 1 g t 0.7 ∗ 1 + b 1 l t 0.05 ∗ 0 + b 1 g e 0.05 a n d b 1 l e 0.7 ∗ ( ( b 1 − 0.05 ) / ( 0.7 − 0.05 ) ) P_v=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)) Pv=b1gt0.71+b1lt0.050+b1ge0.05andb1le0.7((b10.05)/(0.70.05))
      在这里插入图片描述

    2. d ε d_\varepsilon dε 计算
      d ε = ( b 1   e q   0   o r   b 1   e q   1 ) ∗ 0 + ( b 1   g e   0   a n d   b 1   l e   0.5 ) ∗ 0.003796 ∗ b 1 + ( b 1   g e   0.5   a n d   b 1   l e   1 ) ∗ 0.0037968 ∗ 1 − b 1 + b 1 e q 0.5 ∗ 0.00189 d_\varepsilon=\left(b_1\ eq\ 0\ or\ b_1\ eq\ 1\right)\ast0+\left(b_1\ ge\ 0\ and\ b_1\ le\ 0.5\right)\ast0.003796\ast b_1+\left(b_1\ ge\ 0.5\ and\ b_1\ le\ 1\right)\ast0.0037968\ast1-b1+b1eq 0.5*0.00189 dε=(b1 eq 0 or b1 eq 1)0+(b1 ge 0 and b1 le 0.5)0.003796b1+(b1 ge 0.5 and b1 le 1)0.00379681b1+b1eq0.50.00189

    在这里插入图片描述

    1. ε i \varepsilon_i εi 计算
      b 1 ∗ ( 0.92762 + 0.07033 ∗ b 1 ) ∗ 0.98672 + ( 1 − b 1 ) ∗ ( 0.99782 + 0.08362 ∗ b 1 ) ∗ 0.96767 + b 2 b1*(0.92762+0.07033*b1)*0.98672+(1-b1)*(0.99782+0.08362*b1)*0.96767+b2 b1(0.92762+0.07033b1)0.98672+(1b1)(0.99782+0.08362b1)0.96767+b2

    在这里插入图片描述

    1. 大气透过率计算
      1. W 水汽含量计算
        在这里插入图片描述

      2. T 31 − T 32 T31-T32 T31T32 大气透过率计算

        τ 31 = 5.72 − 4.69 e ( x / 42.05 ) \tau_{31}=5.72-4.69e^{(x/42.05)} τ31=5.724.69e(x/42.05)

    在这里插入图片描述

    τ 32 = − 1.25 − 2.28 e ( − x / 12.44 ) \tau_{32}=-1.25-2.28e^{(-x/12.44)} τ32=1.252.28e(x/12.44)

    在这里插入图片描述

    1. 计算参数 C i D i C_i D_i CiDi

      1. C i C_i Ci 计算

      C 31 = ε 31 × τ 31 C_{31}=\varepsilon_{31}\times\tau_{31} C31=ε31×τ31

    在这里插入图片描述

    C 32 = ε 32 × τ 32 C_{32}=\varepsilon_{32}\times\tau_{32} C32=ε32×τ32

    在这里插入图片描述

    1. D i D_i Di 计算
      D i = 1 − τ i 1 + 1 − ε i τ i = ( 1 − τ i ) ( 2 − C i ) D_i=1-τi1+1-εiτi=(1-τi)(2-Ci) Di=1τi1+1εiτi=(1τi)(2Ci)

      D 31 = ( 1 − τ 31 ) ( 2 − C 31 ) D_{31}=(1-\tau_{31})(2-C_{31}) D31=(1τ31)(2C31)
      在这里插入图片描述
      D 32 = ( 1 − τ 32 ) ( 2 − C 32 ) D_{32}=(1-\tau_{32})(2-C_{32}) D32=(1τ32)(2C32)

    在这里插入图片描述

    1. 计算参数 A 0      A 1    A 2 A_{0\ }\ \ A_1\ \ A_2 A0   A1  A2

      1. 计算 A 0 A_0 A0

      A 0 = a 31 D 32 ( 1 − C 31 − D 31 ) D 32 C 31 − D 31 C 32 − a 32 D 31 ( 1 − C 32 − D 32 ) D 32 C 31 − D 31 C 32 A_0=\frac{a31D32(1-C31-D31)}{D32C31-D31C32}-\frac{a32D31(1-C32-D32)}{D32C31-D31C32} A0=D32C31D31C32a31D32(1C31D31)D32C31D31C32a32D311C32D32
      在这里插入图片描述

    在这里插入图片描述

    1. 计算 A 1 A_1 A1

    A 1 = 1 + D 31 D 32 C 31 − D 31 C 32 + b 31 D 32 ( 1 − C 31 − D 31 ) D 32 C 31 − D 31 C 32 A_1=1+\frac{D_{31}}{D_{32}C_{31}-D_{31}C_{32}}+\frac{b_{31}D_{32}(1-C_{31}-D_{31})}{D_{32}C_{31}-D_{31}C_{32}} A1=1+D32C31D31C32D31+D32C31D31C32b31D32(1C31D31)

    在这里插入图片描述

    1. 计算 A 2 A_2 A2

    A 2 = D 31 D 32 C 31 − D 31 C 32 + b 32 D 31 ( 1 − C 31 − D 32 ) D 32 C 31 − D 31 C 32 A_2=\frac{D_{31}}{D_{32}C_{31}-D_{31}C_{32}}+\frac{{b_{32}D}_{31}(1-C_{31}-D_{32})}{D_{32}C_{31}-D_{31}C_{32}} A2=D32C31D31C32D31+D32C31D31C32b32D31(1C31D32)

    在这里插入图片描述

    1. 计算地表温度
      T s = A 0 + A 1 T 31 − A 2 T 32 T_s=A_0+A_1T_{31}-A_2T_{32} Ts=A0+A1T31A2T32
      在这里插入图片描述

    在这里插入图片描述

    反演结果

    1. 由于中间过程步骤有一步单位需要换算,所以计算结果还需要 ÷ 10 \div10 ÷10
    2. ArcGIS 制图
      在ARCGIS 中对反演结果进行可视化表达,加上等温线,显得更加直观。根据反演结果,发现北京市西南部温度比北部温度高,与现实情况,北京北部为怀柔、密云区,多山体和水域(密云水库)等,而北京市建成区在南部,所以呈现出这样的温度特征。说明反演结果较为准确。

    在这里插入图片描述

    展开全文
  • 基于Landsat ETM+影像的干旱半干旱地区地表温度反演研究与分析,许民,刘勇,陆地表面温度是地-气相互作用及其能量相互交换的综合反映,研究区甘肃武威地处干旱、半干旱地区,其地表温度(LST)与下垫面覆盖�
  • 地表温度反演操作总结

    万次阅读 多人点赞 2019-02-14 16:26:00
    地表温度反演操作总结 由于博主也是自己边做实验便总结,难免会有混乱出错的地方,欢迎大家指正~ 整体实验流程: 1 数据预处理 1.1 数据下载 本实验使用的是Landsat8 OLI_TIRS数据,在地理空间数据云...

    地表温度反演操作总结

    由于博主也是自己边做实验便总结,难免会有混乱出错的地方,欢迎大家指正~

    整体实验流程:

    在这里插入图片描述

    1 数据预处理

    1.1 数据下载

    本实验使用的是Landsat8 OLI_TIRS数据,在地理空间数据云(http://www.gscloud.cn/) 下载三幅广州地区的影像预备进行预处理。(由于这仅为一个练手实验,所以并未对云量有太高要求)
    在这里插入图片描述

    1.2 辐射定标

    文件解压后使用File-Open as-Landsat-GeoTIFF with Metadata打开XML文件就可打开所需的多光谱和全色影像。
    使用Radiometric Correction-Radiometric Calibration工具进行辐射定标,设定如下图(注意:辐射定标时只能对多光谱影像进行定标)
    在这里插入图片描述

    1.3 大气校正(温度反演可省去此步,对结果影响不大)

    大气校正模型有两种,这里我们使用FLAASH大气校正,打开Radiometric Correction-Atmospheric Correcrion Module-FLAASH Atmospheric Correction工具,打开已定标的多光谱图像

    1.4 图像融合

    使用Image Sharpening-Gam-Schmidt Pan Sharpening工具进行图像融合,先选择低分辨率的多光谱影像(MultiSpectral)后选择高分辨率的全色影像(Panchromatic)

    选择传感器类型和重采样方法,设置输出文件夹,点击OK输出融合图像
    在这里插入图片描述

    1.5 图像拼接

    将三幅完成预处理的影像使用 Mosaicking-Seamless Mosaic工具进行拼接
    点击加号添加三幅影像:
    在这里插入图片描述
    Color Matching Action可选择影像颜色的被参照图像和校正图像,选择一副图像为被参照图,另外两副的颜色就会校正成与被参照图相似的颜色
    在这里插入图片描述
    勾选Histogram Matching,这里主要是选择颜色改变是交界处改变还是全图改变
    在这里插入图片描述
    选择Auto Generate Seamlines自动生成缝纫线,能观察到如何裁剪图像
    在这里插入图片描述
    设置输出背景,输出文件夹和格式,点击Finish便可得到拼接文件
    在这里插入图片描述
    在这里插入图片描述
    注:可勾选右上角Show Preview观察每一步操作后的图像

    1.6 图像裁剪

    现在我们得到三幅影像拼接的图像,我们要准确的切割出广州市的影像
    打开广州市边界矢量图,使用Regions of Interest-Vector to ROI工具将矢量图转化为ROI方便切割(注意:若是两个坐标系不一致,还需要进行投影变换)
    在这里插入图片描述
    使用Subset Data from ROIs工具进行裁剪
    先选择拼接好的图像
    在这里插入图片描述
    再选择广州市ROI,选择输出文件夹,点击OK输出裁剪图像(注意:Mask pixels output of ROI需要选YES才能输出精确广州市边界的图像,若选NO则输出一个矩形)
    在这里插入图片描述

    1.7 Band10辐射亮度图像获取

    Band10波段后缀为Thermal,打开后照以上步骤拼接剪裁,然后进行辐射定标
    在这里插入图片描述
    打开Radiometric Calibration,选中Thermal图像,选择Thermal Infrared 1(10.9)光谱
    在这里插入图片描述

    然后开始进行辐射定标,设定如下
    在这里插入图片描述

    2 地表温度反演

    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。
    本实验采用大气校正法。
    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。
    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Lλ的表达式可写为(辐射传输方程):
    Lλ = [εB(TS) + (1-ε)L↓]τ + L↑
    式中,ε为地表比辐射率,TS为地表真实温度(K),B(TS)为黑体热辐射亮度,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↓]/τε
    Ts可以用普朗克公式的函数获取。
    TS = K2/ln(K1/ B(TS)+ 1)
    对于TM,K1 =607.76 W/(m2µmsr),K2 =1260.56K。
    对于ETM+,K1=666.09 W/(m2µmsr),K2 =1282.71K。
    对于TIRS Band10,K1= 774.89 W/(m2µmsr),K2 = 1321.08K。

    2.1 NDVI指数运算

    使用Band Math计算NDVI指数(或者可以直接使用ENVI自带的计算NDVI指数工具),指数公式:(近红外-红)/(近红外+红)
    Band Math计算结果输出如下:

    2.2 计算植被覆盖度

    计算公式:(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))
    B1选择NDVI输出结果
    Band Math计算结果输出如下:
    在这里插入图片描述

    2.3 计算地表比辐射率

    计算公式:0.004*B1+0.986
    B1选择计算植被覆盖度后的结果
    Band Math计算结果输出如下:
    在这里插入图片描述

    2.4计算同温度下的黑体辐射亮度图像

    计算公式:(B2-0.75-0.9*(1-B1)1.29)/(0.9B1)
    B1选择地表比辐射率图像
    B2选Band10辐射亮度图像
    Band Math计算结果输出如下:
    在这里插入图片描述

    2.5计算地表温度

    计算公式:(1321.08)/alog(774.89/B1+1)-273
    B1选择黑体辐射亮度图像
    Band Math计算结果输出如下:
    在这里插入图片描述
    使用Cursor Value查看地表温度的数值,大多是在8-15℃的范围内,结合影像拍摄时间为凌晨两点,温度范围合理。

    展开全文
  • 利用ENVI实现landsat 5地表温度反演

    万次阅读 多人点赞 2019-04-18 21:46:23
    计算热红外波段的辐射亮度值 在band math中输入 (b2-1.36-0.82*(1-b1)*2.32)/(0.67*b1) b1为地表比辐射率,b2为热红外波段的辐射定标值,(记得重采样至同一分辨率) 6:地表温度反演 T=k2/(ln(k1/L=1)) k1=607....

    1:将landsat 5数据进行大气校正

    2:计算NDVI,

    3:利用混合相元法计算植被覆盖度

    fv=(NDVI-NDVI_S)/(NDVI_V-NDVI_S)

    (NDVI_S代表裸地的NDVI值,NDVI_V代表全部植被覆盖的NDVI值

    根据自己的实际情况确定上述两个值,比如NDVI_S为-0.2,NDVI_V为0.7

    利用envi的波段运算(band math)工具输入(b1 gt 0.7)*1+(b1 lt -0.2)*0+(b1 gt -0.2 and b1 lt 0.7)*(b1+0.2)/(0.7+0.2) 

    b1为NDVI

    4:地表比辐射率计算

    自然表面

    bifsl=0.9625+0.0614*fv-0.0461*fv*fv

    城镇相元

    bifsl=0.9589+0.086fv-0.0671*fv*fv

    fv为植被覆盖率

    在band  math中输入以下公式

    (b1 le -0.2)*0.995+(b1 gt -0.2 and b1 lt 0.7)*(0.9589+0.086*b2-0.0671*b2*b2)+(b1 gt 0.7)*(0.9625+0.0614*b2-0.0461*b2*b2)

    b1为NDVI,b2为植被覆盖度

     

    5:大气参数获取

    网站为  http://atmcorr.gsfc.nasa.gov/(记得输入邮箱)

     

    大气在热红外波段的透过率为0.82,大气向上辐射亮度为1.36,大气向下辐射亮度为2.32.

    计算热红外波段的辐射亮度值

    在band math中输入 (b2-1.36-0.82*(1-b1)*2.32)/(0.67*b1)

    b1为地表比辐射率,b2为热红外波段的辐射定标值,(记得重采样至同一分辨率)

    6:地表温度反演

    T=k2/(ln(k1/L=1))

    k1=607.76,k2=1260.56

    l;i用band math  输入 (1260.56)/alog(607.76/b1+1))

    b1为热红外辐射亮度值。

    展开全文
  • 基于Landsat的地表温度反演——单窗算法

    千次阅读 多人点赞 2021-01-15 22:14:45
    基于遥感的地表温度反演主要有三种,辐射传输方程法、单窗算法和劈窗算法。在遥感生态指数(RSEI)的地表温度反演用到的是辐射传输方程算法。接下来,简单说一下覃志豪的单窗算法反演地表温度的基本操作。 原理: ...
  • 【RS学习笔记】基于MODIS劈窗算法地表温度反演

    千次阅读 多人点赞 2019-10-15 20:06:56
    2)能够根据劈窗算法反演地表温度。 步骤: 1 理论知识 陆地表面温度(Land Surface Temperature ,LST) 是一个重要的地球物理参数,用卫星遥感数据提取海洋温度(Sea Surface Temperature ,SST)已较为成熟,可以在...
  • 算法根据覃志豪的单窗算法而来,步骤详细,供大家参考。觉得好,给个赞。谢谢诶支持。
  • 该方法以覃志豪发明的单窗算法为核心,基于landsat影像数据,进行地表温度反演。内含每一步步骤的详细说明和基于envi软件的波段运算公式。
  • 这个用的是MOD02数据,对地表温度反演需要用到的几个波段分别是波段2、19、31、32。注意后面并没有做重投影,hdf数据需要build GLT,如果有需要可以看上一篇文章,可以自行加入,如果数据多,可以自己加for循环。 ...
  • 文中介绍了一种基于单通道热红外数据的地表温度反演模型,该模型以大气辐射传输方程为理论推导依据,并利用泰勒展开式可得到求取的众多反演参量。通过对Landsat TM(Thematic Mapper)热波段数据的波谱响应分析,经总结后...
  • Windows下基于Erdas实现对Landsat8地表温度反演(单通道算法)ENVI原理相同 环境配置 Windows 10 ; ERDAS IMAGINE CLASSIC 2010; ArcMap10.4 原理 地表温度对理解地气之间的能量交换十分重要。地表辐射温度通过TM...
  • Earth Engine下地表温度反演

    千次阅读 多人点赞 2018-11-19 00:33:56
    不同的是,该博文称使用原始DN值计算NDVI对反演影响不大,但通过实践发现还是有差异,所以代码采用了经过大气校正的地表反射率产品进行NDVI的计算。 注意的地方:代码中44和45行需要自行替换,也可以通过filter过滤...
  • 第27卷 第6期2012年12月 遥 感 信 息 Remote Sensing Information Vol.27,No.6Dec.,2012 热红外遥感地表温度反演研究现状与发展趋势 孟鹏①,② ,胡勇① ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 447
精华内容 178
关键字:

地表温度反演

友情链接: 每日一题20190628.zip