精华内容
下载资源
问答
  • 本次反演对比主要用了:针对landsat8的热红外波段进行大气校正法,单窗算法,单通道算法,劈窗算法,几种算法总体上差异不大。还有用针对modis的第31,32波段数据进行的温度反演-------分裂窗算法。总体思路为: 1....

    本次反演对比主要用了:针对landsat8的热红外波段进行大气校正法,单窗算法,单通道算法,劈窗算法,几种算法总体上差异不大。还有用针对modis的第31,32波段数据进行的温度反演-------分裂窗算法。总体思路为:

    1.大气校正法
    大气校正法又称RTE 算法,该算法物理基础明确,计算结果精度较高,但所需要的卫星过境时刻的实时大气剖面数据(包括不同高度的气温、气压、水汽含量等)较难获取, 从而也就限制了 RTE 算法的广泛使用。本次反演使用NASA 网站(http://atmcorr.gsfc.nasa.gov/)获取的大气探空数据来代替实时大气剖面数据。
    2.单窗算法
    该算法的优点在于仅需要3个基本参数:地表比辐射率、大气透过率和大气平均作用温度。大气透过率和大气平均作用温度可以根据实时大气廓线数据计算,也可以根据近地面空气湿度和近地面气温的观测值来估计。在大多数情况下,各地方气象 观测站均有对应于卫星过境时大气要素的实时观测数据。该算法的不足之处是,其推导过程中的估算大气透过率和大气平均作用温度的经验公式使用了标准大气廓线数据,而标准大气廓线的条件在大多数情况下不能满足实际应用,因而限制了该算法的适用范围。
    3.单通道算法
    该算法的主要优点是不仅考虑了地表比辐射率的影响,也考虑了大气辐射的影响,反演过程所需要的大气参数仅为大气水分含量,但是由于使用的遥感影像属于历史存档数据,影像成像是的大气参数无法实测获得,因此,需要采用大气剖面参数开进行代替,会给反演带来一定的误差。
    4.劈窗算法
    分裂窗算法在陆面温度反演中已经得到广泛应用,算法需要的参数少,反演结果精度较高,在实际应用中更为有效。最大优点就是可以快速、精确地获取地表温度反演中所需要的大气参数。分裂窗算法是在假定地表比辐射率已知的情况下,通过两个相邻通道对大气吸收的差异来进行大气校正。科研工作者们已经通过各种方法来精确的测定大气水汽含量和地表比辐射率以及通过一些近似和假设来优化分裂窗法,从而提高分裂窗法反演地表温度的精度。
    综上所述,采用劈窗算法反演的温度精度应该比较高。
    5.温度反演
    本次温度反演算法对比主要使用的数据为2017年1月的landsatd8的数据的第10.11波段,在反演过程中没有去除水体,云以及雪的影响会带来一定的误差,四种方法总体反演的温度结果基本保持一致。在单通道算法中使用的大气水分含量是通过查询往年当天的天气预报得到的,会带来一定的误差。以下是温度反演结果:

    1.针对landsat8的热红外波段进行温度反演对比图

    大气校正法 单窗算法

    单通道算法 劈窗算法
    四种算法温度曲线图:

    根据上图发现,四种算法的温度曲线基本上保持一致,但是单窗算法温度比其他三种算法温度偏高,劈窗算法,大气校正法和单通道法比较接近,可能是由于单通道算法中使用的大气水分含量是通过查询往年当天的天气预报得到的,使得温度偏高。

    在上面的比较中,发现劈窗算法的进度相对比较高,利用劈窗算法对2016年3月,7月,10月,和2017年1月的landsatd8的数据进行反演,得到一年中四季的温度图结果如下:
    2.基于劈窗算法的Landsat8四季温度变化图

    春季温度 夏季温度

    秋季温度 冬季温度
    3.全年及冬夏平均温度反演结果

    全年平均温度反演结果 冬夏平均温度反演结果

    全年平均温度 冬季夏季平均温度

    从反演的来的全年的平均温度和夏季冬季的平均温度的曲线来看,两者整体差异不是很大,两者温度最大值都在30度左右,最小值在0度左右,两者的平均值只差0.31摄氏度。
    6.针对modis的温度反演对比图
    本次温度反演采用的数据是2017年1月27号的terra-MODIS数据,modis有36个波段,空间分辨率为1km,本次选用1,2,19,31,32波段组合来反演温度。计算公式如下:

    式中,Ts为地表温度,单位为(K),T31,T32为MODIS的第31和32波段的亮度温度A0,A1,A2为劈窗算法的参数,a31,a32,b31,b32在温度为0-50摄氏度的时候可取常量,τ是 大气透过率,εi为波段i的地表比辐射率。利用MODIS 的第2,19波段来反演大气水体含量,并通过大气透过率和水体含量额关系来计算31,32波段的大气透过率。

    Modis温度反演结果

    展开全文
  • 单窗算法的实现

    2014-08-28 21:07:22
    实现单窗算法进行地表温度反演,能够有效的运行,
  • 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...
  • Landsat8地表温度反演单窗算法工具,基于IDL开发,效率高,精度高,简单易用
  • 注:两种算法反演的结果总体趋势比较接近,但单窗算法相对于单通道算法结果偏低,二者相差2.45°C(来自:TM热波段图像的地表温度反演算法与实验分析). 反演结果2: 图都上完了,来点硬货。 陆地表面温度(land ...

    话不多说,先上图:

    注:数据来源(地理空间数据云),为西安市2006年7月28日数据.

    反演结果1:

                 

    注:两种算法反演的结果总体趋势比较接近,但单窗算法相对于单通道算法结果偏低,二者相差2.45°C(来自:TM热波段图像的地表温度反演算法与实验分析).

    反演结果2:

    图都上完了,来点硬货。

    陆地表面温度(land surface temperature,简称LST)是地表能量平衡和资源环境变化的重要参数。地面监测站获取温度信息准确,但不能获取大范围温度值及其时空分布,热红外遥感的出现解决了这个难题。热红外遥感技术能获取热红外波段的辐射能量,根据地表物体的发射率特性反演得到其温度,实现大范围的温度信息获取,因而热红外遥感在地表温度反演方面有着重要的作用。

    IDL代码

        result = 1.0094+0.047*alog(NDVI)
        ;NDVI<0.157
        w=where(NDVI LT 0.157,count)
        if count gt 0 then result[w]=0.923
        ;NDVI>0.727
        w=where(NDVI gt 0.727,count)
        if count gt 0 then result[w]=0.994
        ;水体
        w=where(MNDWI gt 0,count)
        if count gt 0 then result[w]=0.995

     

    IDL代码

    
        x1=0.14714D*w^2-0.15583*w+1.1234
        x2=-1.1836D*w^2-0.37607*w-0.52894
        x3=-0.04554D*w^2+1.8719*w-0.39071
        
        Y=(Tb^2)/(c2*L*((11.457^4*L)/c1+1/11.457))
        Z=-Y*L+Tb
        result=Y*((x1*L+x2)/Emiss+x3)+Z-273.15
         result[where(~finite(result))] = 0

    IDL代码

    C=Trans*Emiss
      D=(1-Trans)*(1+Trans*(1-Emiss))
      result=(float(a)*(1-float(C)-float(D))+(float(b)*(1-float(C)-float(D))+float(C)+float(D))*float(Tb)-float(D)*float(Ta))/float(C)-273.15
      result[where(~finite(result))] = 0

    参考:1.徐永明老师的遥感二次开发语言IDL

               2.TM热波段图像的地表温度反演算法与实验分析。

    由于版本的问题,细节更新,代码也做了相应更新。

    注:其他温度反演算法后续推出,数据会用Landsat8 OLI数据替代。

     

    展开全文
  • 该方法以覃志豪发明的单窗算法为核心,基于landsat影像数据,进行地表温度的反演。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。
  • 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: ...

    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:

    Ts=[a*(1-C-D)+(b*(1-C-D)+C+D)*T_{6}-D*T_{a}]/C

    其中,Ts为地表真实温度,是我们要计算的值;a、b为常量,a=-67.355351,b=0.458606;C、D为中间变量,T_{a}为大气平均作用温度(单位:K),T_{6}可以用普朗克公式的反函数获取。

    C=\varepsilon *t

    D=(1-t)*(1+(1-\varepsilon )*t)

    其中 \varepsilon 表示地表比辐射率,t为当天大气的透射率

    大气平均作用温度 T_{a}与近地面气温 T_{0}(一般为2m)存在以下的线性关系:(注:T_{a}T_{0}的单位均为华氏度 K,而不是摄氏度)

    T_{a}=17.9769+0.91715*T_{0}   (热带平均大气)

    T_{a}=16.0110+0.92621*T_{0} (中纬度夏季平均大气)

    T_{a}=19.2704+0.91118*T_{0}    (中纬度冬季平均大气)

    其中,T_{a}是大气平均作用温度,T_{0} 是遥感图像获取时当地的气温。

    T_{6}=K_{2}/ln(K_{1}/B(T_{s})+1)

    K1、K2是卫星发射前的预设常量,具体值如下图所示

    预设常量K1、K2的值

     

    原理大概就这样。由此,单床算法反演地表温度,需要3个参数,分别是:大气平均作用温度、大气透射率、地表比辐射率。接下来,就是具体操作了~

    1、从地理空间空间数据云下载Landsat8卫星遥感影像,尽量找云量少的。本次的研究区是宁夏中卫市沙坡头区。打开头文件,查看该遥感影像的基本信息,如图1所示

    图1 遥感图像基本信息

    2、辐射校正。打开_MTL文件,选择envi辐射校正工具【Radiometric Calibration】,依次校正多光谱波段和热红外波段。校正多光谱波段时参数如图2-2所示,热红外波段参数设置如2-3所示。

    图2-1 辐射校正并裁剪研究区范围

     

    图2-2 多光谱辐射校正参数
    图2-3 热红外辐射校正参数设置

    3、对多光谱波段进行大气校正,得到可见光波段的反射率图像 (该反射率值被放大大了10000倍)。大气校正参数设置参见文章  遥感生态指数(RSEI)——图像预处理

    4、获取研究区当天的大气透射率。计算大气剖面参数的网址:https://atmcorr.gsfc.nasa.gov/  

    (推荐一个可以查询历史天气的网站:https://www.wunderground.com/ 

    注:该网站气温为华氏度,需换算成摄氏度,大气压单位为英寸汞(inHg),需换算成毫巴),得到结果如图7所示,得到当天的大气透射率为 0.73

    图3-1大气剖面参数计算

     

    图3-2 2019-08-18中卫市天气情况
    图3-3 大气剖面参数

    5、计算地表比辐射率

    ①计算NDVI:在bandmath中输入计算归一化植被指数的计算公式 (float(b4-b3))/(b4+b3)   其中,b3、b4分别选择经过大气校正之后的红波段和近红外波段。ndvi的值范围在[0,1]之间,若因为大气校正过度而使ndvi的值超出这个范围,可以使用去除异常值的方法来进行剔除

    ②计算植被覆盖度Fv:植被覆盖度的计算公式为 Fv = (NDVI - NDVIS)/(NDVIV-NDVIS)  ,其中 NDVIS、NDVIV分别表示NDVI的最小值和最大值。这里,取5%的置信区间,得到NDVIS=0.1,NDVIV = 0.57

    因此,在bandmath中输入植被覆盖度度的公式: (b1 gt 0.57)*1+(b1 lt 0.1)*0+(b1 ge 0.1 and b1 le 0.57)*((b1-0.1) / (0.57-01))  ,其中b1为NDVI图像数据

    ③计算地表比辐射率Surf:根据地物不同,其辐射率也不同,一般将遥感地物分为水体、城镇和自然表面三种。三种不同类型地物像元的比辐射率估算公式如下:

    E(water)=0.995

    E(surface)=0.9625+0.0614*Fv-0.0461*Fv*Fv

    E(building)=0.9589+0.086*Fv-0.0671*Fv*Fv

    因此,在bandmath中输入地表比辐射率计算公式: (b1 le 0.1)*0.995+(b1 gt 0.1 and b1 lt 0.57)*(0.9589+0.086*b2-0.0671*b2*b2)+(b1 ge 0.57)*(0.9625+0.0614*b2-0.0461*b2*b2)   其中,b1为NDVI,b2为植被覆盖度Fv,得到地表比辐射率图像 Surf

    图4 查看5%置信区间NDVI的值

    6、计算中间参数 C

    在Bandmath中输入公式 0.73*b1,b1选择地表比辐射率图,即热红外波段辐射校正后的数据,得到 C_2019

    7、计算中间参数 D

    在Band math中输入计算公式 (1-t)*(1+(1-b1)*t) ,其中,t = 0.73 ,b1选择地表比辐射率图像

    8、计算T6 ,即辐射亮温

    在Bandmath中输入计算公式 1321.08/alog(774.89/b1+1),b1选择地表比辐射率图像

    9、计算Ta(T0的温度要转换成开尔文温度)

    由于我的研究区是中纬度夏季,因此,Ta = 16.0110+0.92621*298.705 = 292.67455805  (78°F = 298.705K)

    9、计算真实地表温度

    在bandmath中输入公式 (-67.355351*(1-b1-b2)+(0.458606*(1-b1-b2)+b1+b2)*b3-b2*292.67455805)/b1  其中,b1、b2、b3分别表示中间参数C、D、T6,计算结果即为单窗算法反演出的地表温度。

    若取5%的置信区间,可知沙坡头区2019年8月18日正午12点的地表温度在29-46℃(地表温度比体感温度高~)

    图5 温度像元统计

    10、裁剪研究区、温度分级、出图。效果图如下图所示:(南部的蓝色点点的低温区是由于云层照成的误差~)

    图6 单窗算法反演温度图

     

    展开全文
  • 用陆地卫星Landsat5 Tm6反演地表温度的单窗算法
  • 【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...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 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

    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
  • 记 / ENVI5.3温度反演-单窗算法-操作要点

    千次阅读 热门讨论 2020-04-16 21:13:41
    使用ENVI5.3进行地表温度反演-单窗算法操作要点记录,欢迎指正
  • 基于ENVI与ERDAS的Landsat 7 ETM+单窗算法地表温度(LST)反演1 原理部分与前期操作准备1.1 图像预处理1.2 植被指数反演1.3 单窗算法原理2 实际操作部分2.1 数据导入与辐射定标2.2 波段合成2.3 编辑头文件2.4 转换...
  • 基于Google Earth Engine的Landsat单窗算法地表温度(LST)反演1 背景知识2 算法介绍3 代码4 效果 1 背景知识   基于遥感数据的地表温度(LST)反演目前得到了广泛的应用,尤其是面向大尺度、长时间范围的温度数据...
  • 地表温度热红外遥感反演-以单窗算法为例

    千次阅读 多人点赞 2018-04-23 22:12:22
    地表温度反演的单窗算法公式:其中各参数含义如下图1、对参数T6进行计算:1)从HTM头文件中获得gain与bias的值使用写字板打开,找到如下信息。gain:0.037,bias:3.22)DN值转为辐射亮度值,应用如下公式:其中DN6为...
  • 用陆地卫星 TM6数据演算 地表温度的单窗算法 覃志豪1, 2, Zhang Minghua1, Arnon Karnieli2, Pedro Berliner2 ( 1. Dept. of Land, Air and Water Resources, University of...
  • 2017年10月26日21:54:09 邮箱:x@ixxin.cn 目前网上已经有了Landsat8大气校正法(辐射传输方程法),网址:...Landsat8劈窗算法,网址:http://blog.sciencenet.cn/blog-1164598-989214.html。基于此,特分...
  • 1.温度反演的原理 一切温度高于绝对零度的物体都能产生热辐射,温度愈高,辐射出的总能量就愈大。 依据普朗特原理: 如想获知地表温度,求比辐射率则成为一个重点。 比辐射率的求解主要通过遥感影像相关波段的计算...
  • 基于多源影像的地表温度反演算法的研究         引言 地表温度是一个重要的地球物理参数,其反演对于地震、气候等灾害监测,城市热岛,农业,以及全球环境变化等研究具有重要的意义[1~3]。根据数据源和研究区域...
  • 之前同样是一合入被发现内存暴涨,也是滑,导致我对这个算法有点意见。滑是这个样子的:上图是一个长为N。这是干什么用的呢?你可以认为你要对某个消息做个统计,收到0/1/2,就给里填0/1/2,当收到2的...
  • 当保护所采集的电气量发生跃变时,算法的数据窗内同时包含跃变前、后的数据,算法输出结果所呈现出的动态特性一般不具有单调递变性质,这就限制了长数据窗算法在快速保护中的应用,必须靠整数据窗延时躲过动态过程。...
  • 在银行的窗口排队问题中,假设银行只有1个窗口提供服务,所有顾客按到达时间排成一条长龙。当窗口空闲时,下一位顾客即去该窗口处理事务。此时如果已知第i位顾客与排在后面的第j位顾客是好朋友,并且愿意替朋友...
  • 算法-滑动窗口

    2020-07-01 13:46:46
    在嵌套循环中解决重复字符串或者区域内求最大和这种问题的时候,一般可以使用双循环来解决问题,但是使用滑动窗口可以循环解决; 例如以上求连续无重复最大字符串长度,我们可以直接两个for循环进行记录比较一直...
  • 1. 1 算法介绍CamShift算法的全称是"Continuously Adaptive Mean-SHIFT",即:连续自适应的MeanShift算法。基本思想是对视频序列的所有图像帧都作Mean...简单点说,meanShift是针对张图片寻找最优迭代结果,而cam...
  • 我的数据结构与算法题目集代码仓:https://github.com/617076674/Data-structure-and-algorithm-topic-set 原题链接:https://pintia.cn/problem-sets/15/problems/895 题目描述: 思路:模拟银行排队问题 (1...
  • 算法首先将源信号截断为有限长度的子信号,以子信号为载体进行离散傅里叶变换得到信号频谱,在各个频率上采用静态或动态快速多极子算法进行加速计算,最后使用傅里叶逆变换及时间得到时域结果。通过算例验证了...
  • 文章目录前言算法题1....滑动窗口算法可以将嵌套的循环问题,转换为循环问题,降低时间复杂度。 算法题 1. LeetCode 1423. 可获得的最大点数 LeetCode 1423 几张卡牌 排成一行,每张卡牌都有一个对
  • 算法之滑动窗口

    2020-06-10 00:17:52
    Leetcode-3寻找最长不重复子串 题目要求必须是子串,也就是必须是连续的几个不重复字符,而不是单纯计算不重复字符有多少个(如果是,直接用set很容易就解决) 此题很容易想到用滑动窗口解决 class Solution { ...
  • 因此,他们提出了一种多帧障碍物清除算法,该算法利用了基于优化和基于学习的方法的优点。 受到基于优化方法的启发,该算法在密集运动估计和背景/障碍层之间,以粗略到精细的方式将重构的步骤交替进行。密集运动的...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 976
精华内容 390
关键字:

单窗算法