地表温度计算
一块土地热量计算公式
一块土地热量计算公式土地热量计算公式。
土地热量是指土地表面吸收和释放的热量，是土地生态系统中非常重要的一个参数。
土地热量的计算可以帮助我们更好地了解土地的热量分布情况，对于农业生产、城市规划和气候变化等方面都有着重要的意义。
本文将介绍土地热量的计算公式和相关知识。
土地热量的计算公式主要包括两个方面，一是土地表面的热量吸收和释放，二是土地内部的热传导和储存。
首先我们来看土地表面的热量吸收和释放。
土地表面的热量主要来自太阳辐射和大气的热对流，而土地表面的热量释放则主要通过辐射、对流和蒸发等方式。
土地表面的热量吸收和释放可以用以下公式表示：Q = αS εσT^4。
其中，Q为土地表面的净热通量，单位为W/m^2；α为土地表面的反射率，取值范围为0到1；S为太阳辐射的强度，单位为W/m^2；ε为土地表面的辐射率，取值范围为0到1；σ为斯特蒂芬-玻尔兹曼常数，取值为5.67×10^-8W/(m^2·K^4)；T为土地表面的温度，单位为K。
在这个公式中，第一项αS表示土地表面从太阳辐射吸收的热量，第二项εσT^4表示土地表面向大气释放的热量。
通过这个公式，我们可以计算出土地表面的净热通量，从而了解土地表面的热量变化情况。
接下来我们来看土地内部的热传导和储存。
土地内部的热传导主要是指土壤中热量的传导过程，而土地内部的热储存则主要是指土壤中热量的储存情况。
土地内部的热传导和储存可以用以下公式表示：Q = -k∇T。
其中，Q为土地内部的热通量，单位为W/m^2；k为土壤的热传导系数，单位为W/(m·K)；∇T为土地内部的温度梯度，单位为K/m。
在这个公式中，-k∇T表示土地内部的热传导通量。
通过这个公式，我们可以计算出土地内部的热传导通量，从而了解土地内部的热量传导情况。
同时，我们还可以通过土地内部的热传导和储存计算出土地内部的热量储存情况，从而了解土地内部的热量分布情况。
以上就是土地热量的计算公式和相关知识。
地理气温计算公式
地理气温计算公式地理气温计算公式是用来计算地理气温的数学公式，它可以根据一定的参数以及地理位置来估计某个地区的气温。
气温是指空气的温度，它可以是摄氏度、华氏度或开尔文度量的。
地理气温计算公式的基本原理是根据地球表面吸收太阳辐射的情况来估算地球表面的温度。
太阳辐射进入地球大气层后会与地表相互作用，并在空气中产生温度。
地理气温计算公式根据各种因素的综合作用，可以估算出地球表面的气温。
地理气温计算公式的具体形式可以是多种多样的，因为它会考虑很多因素，例如地理位置、海拔高度、纬度、季节、日照时间、云量等等。
下面是一些常用的地理气温计算公式的参考内容：1. 简化的地理气温计算公式：气温 = 基础温度 + 基于海拔高度的修正值 + 基于纬度的修正值 + 基于季节的修正值 + 基于云量的修正值其中，基础温度是该地区的平均温度，海拔高度的修正值会对气温产生影响，纬度的修正值会根据地区的纬度情况进行调整，季节的修正值会考虑夏季和冬季的变化，云量的修正值会考虑云量对太阳辐射的遮挡影响。
2. 基于能量平衡的地理气温计算公式：放射平衡方程：入射太阳辐射 = 地表反射太阳辐射 + 地表向大气层辐射 + 大气层向地表辐射 + 地面其他热通量地表与大气层的热通量平衡方程：地表净辐射 = 地表向大气层辐射 + 大气层向地表辐射 + 地表其他热通量这两个方程是典型的地理气温计算公式，其中的各个参数可以根据具体情况进行调整，以得到地球表面的气温。
需要注意的是，地理气温计算公式只是对气温进行估算的一种方法，并不是完全准确的预测模型。
地理气温受到很多复杂因素的影响，如地形、海洋流、降水等等，这些因素都会对气温分布产生重要影响。
因此，在实际应用中，还需要结合气象观测数据以及气象模型来进行更准确的气温预测和分析。
地表温度反演
地表温度反演目录一：单窗算法 (3)1.1实验原理 (3)1.1.1TM/ETM波段的热辐射传导方程： (3)1.1.2化简后最终的单窗体算法模型为： (3)1.1.3大气平均作用温度Ta的近似估计 (3)1.1.4大气透射率t6的估计 (3)1.1.5地表比辐射率的估计 (4)1.1.6像元亮度温度计算 (4)1.1.7遥感器接收的辐射强度计算 (4)1.2操作步骤 (5)1.2.1研究区示意图 (5)1.3实验结果 (7)1.3.1灰度图像 (7)1.3.2密度分割后图像 (7)二：单通道算法 (8)2.1实验原理 (8)2.1.1单通道算法模型为： (8)2.1.2大气平均作用温度Ta的近似估计 (8)2.1.3大气透射率t6的估计 (8)2.1.5像元亮度温度计算 (8)2.1.6遥感器接收的辐射强度计算 (9)2.2操作步骤 (9)研究区示意图 (9)2.2.1计算L6 (10)2.2.2T6e6的求算 (10)2.2.3计算R (10)2.2.4计算t (10)2.3实验结果 (11)2.3.1温度反演灰度图像 (11)2.3.2密度分割后的图像 (11)三：辐射方程 (12)3.1实验过程 (12)3.1.1数据准备 (12)3.1.2地表比辐射率的估计 (12)3.1.3计算同温度下黑体的辐射亮度值 (12)3.1.4反演地表温度 (13)3.2温度反演结果 (13)一：单窗算法1.1实验原理1.1.1TM/ETM波段的热辐射传导方程：B6(T6)=t6(q)[ ε6B6(Ts)+(1-ε6)I6~]+I6_Ts是地表温度；T6是TM6的亮度温度；t6是大气透射率；ε6是地表辐射率。
B6(T6)表示TM6遥感器所接收到的热辐射强度；B6(Ts)是地表在TM6波段区间内的实际热辐射强度，直接决取于地表温度；I6~和I6_分别是大气在TM6波段区间内的向上和向下热辐射强度。
1.1.2化简后最终的单窗体算法模型计算Ts（地表温度）：Ts={a(1-C-D)+[b(1-C-D)+C+D]T6-DTa}/C式中C6=τ6ε6(ε6为比辐射率，τ6为透射率）D6=(1-τ6)[1+t6(1-ε6)]a =-67.355351，b=0.4586061.1.3大气平均作用温度Ta的近似估计温度换算：T＝t＋273.15本图为9月份拍摄，对于中纬度夏季平均大气Ta=16.0110+0.92621T0取平均气温为25摄氏度时Ta = 312.157531.1.4大气透射率τ6的估计τ6=0.974290-0.08007w，0.4≤w≤1.6。
初一地理海拔与温度计算
初一地理海拔与温度计算
初一地理课程通常会涉及到海拔与温度之间的关系。
海拔与温
度之间存在着密切的联系，一般来说，随着海拔的增加，温度会逐
渐下降。
这是因为大气层对太阳辐射的吸收和地球表面的辐射散热
导致的。
下面我将从多个角度来解释海拔与温度之间的关系。
首先，随着海拔的增加，气温通常会下降。
这是因为大气层随
着海拔的增加而变得更加稀薄，能量传导也会减弱，导致温度下降。
根据气象学的原理，每上升100米，温度大约下降0.6摄氏度，这
被称为温度梯度。
其次，海拔对温度的影响还与地表的辐射和吸热有关。
海拔较
高的地方，由于空气稀薄，太阳辐射能量的吸收较少，同时地表的
辐射散热也会更快，导致温度较低。
另外，海拔还会影响气候带的划分。
通常来说，海拔较低的地
方更容易受到海洋气候的影响，而海拔较高的地方则更容易受到大
陆气候的影响。
这也会导致不同海拔处的温度差异。
最后，海拔对温度的影响还会影响到植被和动物的分布。
一般
来说，随着海拔的增加，植被和动物的分布也会发生变化，因为它
们需要适应不同的温度和气候条件。
综上所述，海拔与温度之间的关系是一个复杂而多方面的问题，涉及到大气层的物理特性、太阳辐射、地表辐射散热、气候带的划
分以及生物适应等多个方面。
希望我的回答能够全面地解答你的问题。
landsat8地表温度反演公式
landsat8地表温度反演公式
对于Landsat 8卫星影像的反演，可以使用单窗算法（Mono-window Algorithm）。
这是一种由覃志豪（2004）等根据地表热辐射传导方程，推导出的利用Landsat TM /ETM+第六波段数据反演地表温度的算法。
其计算公式如下：
TS=[a(1- C- D)+(b(1- C- D)+C+D) T6- DTa]/C （）
式中，TS为地表真实温度(K)；a和b是常量，分别为-和；C和D是中间变量，C=ετ，D=(1-τ) ([1+(1-ε) τ]，其中，ε是地表比辐射率，τ是大气透射率；T6是卫星高度上传感器所探测到的像元亮度温度(K)；大气平均作用温度(Ta)与地面附近（一般为2 m处）气温（T0）存在如下线性关系（Ta与T0的单位为K）：热带平均大气（北纬15°，年平均）Ta= + T0。
请注意，这些公式都是理论公式，实际应用时需要结合具体的数据和情境进行调整。
(完整)基于单窗算法反演地表温度的ENVI操作教程
单窗算法反演地表温度教程1.1 算法原理1.1.1单窗算法单窗算法（MW 算法）是覃志豪于2001年提出的针对TM 数据只有一个热红外波段的地面温度反演算法。
经过众多学者验证，单窗算法具有很高的反演精度，且同样适用于ETM+和landsat 8数据。
公式如下：6666666666/)))1(()1((C T D T D C D C b D C a T a sensor s -++--+--=式中，LST 为地表温度（K ），T sensor 是传感器上的亮度温度（K ），T a 是大气平均温度（K ）；a 、b 为参考系数，当地表温度为0-70℃时，a = -67.355351，b = 0.458606；C 、D为中间变量，计算公式为：式中，为地表比辐射率，为地面到传感器的大气总透射率。
因此单窗算法反演地表温度的关键是计算得到亮度温度T senso 、地表比辐射率、大气透射率和大气平均作用温度T a 。
1.1.2参数计算1.1.2.1辐射亮温计算利用Planck 公式将图像像元对应传感器辐射强度值转换为对应的亮度温度值。
公式如下式中，T senso 为亮度温度值；影像预处理后得到的光谱辐射值，λL 单位为，K1 、K2为常量，可由数据头文件获取。
)/(2m sr m w μ⋅⋅计算图像辐射亮温之前，需采用辐射定标参数将像元灰度值DN转换为热辐射强度值，公式如下：式中，M L 为增益参数，A L 为偏移参数，该参数可直接在影像通文件数据中获取，且ENVI 软件中已经集成，不需要自己在查找。
1.1.2.2地表比辐射率计算根据覃志豪针对TM 影像提出的混合像元分解法来确定区域地表福辐射率。
对于城市区域，我们简单的将其分为水体、自然表面和建筑表面三种，因此针对混合像元尺度上的地表比辐射率通过下式来估算：式中，为混合像元的地表比辐射率；P V 为植被覆盖率；R V 为植被的温度比率；R M 为建筑表面的温度比率；V 表示植被法地表比辐射率，m 表示建筑表面的地表比辐射率；d表示辐射校正项。
地表温度
陆面温度的遥感反演
•如何获得表面比辐射率？
根据室内、外测量 波谱辐射仪 辐射仪结合CO2激光仪（主动与被动结合） 黑箱子 需要假定表面温度和比辐射率在测量过程中不变
从卫星上测定 根据可见光和近红外光谱信息的统计关系(NDVI/e) 根据热红外光谱仪里最小e和在最大相对比辐射率 之差的统计关系 利用多时相数据假定： eday = enight 或 eday1 = eday2
Gillespie et al.(1986,1987)也讨论了把地表比辐射率 和地表温度对辐射测量的影响分离开的问题。 Wan 和 Dozier(1989)把遥测地表温度当作一个地球物理 学的反演问题,通过Lowtran程序进行数值模拟,评价了温度反演 的可行性并提出了合理的波谱段范围,认为通过多波谱同时反演 地表温度和地表比辐射率是可行的。 Wan 和 Dozier(1996)通过大气传输模型进一步模拟计算 指出：1)统计回归的系数与传感器的视角有关；2)为了提高反演 精度，模拟计算回归系数时有必要把大气含水量、大气低层温度 和地表温度考虑进去,而不能在所有的情况下都用相同的系数来 反演地表温度。
（3）地表温度的“皮肤”效应
地表30cm温度廓线
在地表下的一定距离，温度趋于稳定。这个 深度可能是30-50 cm
陆面温度遥感反演面临的主要问题
(4)陆面目标的比辐射率往往受物理状况（如土 壤比辐射率随土壤含水量而变），表面粗糙 度、地表起伏等因子控制，所以一般只能作 为未知量，不能事先设定。
陆面温度遥感反演面临的主要问题
总之，陆面温度反演的研究多以分裂窗 口方法为基础，为了提高温度的反演精度， 不同的作者主要从多个方面进行了研究。但 由于陆面温度反演问题的复杂性，迄今为止， 陆面温度反演的研究主要仍以可行性研究为 主，大气效应的纠正、地表比辐射率 未知 和地表温度的皮肤效应问题仍制约着陆面温 度遥感反演方法在实际中的应用。
长江流域地表温度与气温差异分析
长江流域地表温度与气温差异分析摘要：本文以长江流域为研究区，主要采用统计分析、直方图、空间分析方法，对比长江流域地表温度反演结果与气象温度的差异性，进而分析差异性的形成原因，总结其一般特征。
研究结果表明1）地表温度反演结果与气温监测数据在空间和数值存在差异，而这一差异具有空间分布和数值分布上的稳定性和可解释性。
2）陆地表面白天吸收太阳辐射，地表温度逐渐上升，在这一过程中，由于陆地表面的差异性，导致不同区域地表温度与气温之间的差异性放大，具有明显的分异效应。
3）夜晚陆地表面向外辐射能量，地表温度下降，在此过程中区域地表温度与气温之间的差异性逐渐减小，具有明显的趋同效应。
关键词：长江流域；地表温度；气温；差异分析1 引言地表温度（Land Surface Temperature，LST）是地学研究中一个非常重要的参量，在陆地环境相互作用过程中扮演着十分重要的角色，是全球变化研究中的关键参数，对水文、生态、环境和生物地球化学等研究有重要意义[1，2]。
从上世纪80年代起，随着对地观测计划和热红外遥感的快速发展，采用热红外遥感影像反演地表温度的相关研究得到相关学者的关注[3，4]。
气温（Tair）主要是通过气象监测站进行连续实地监测得到，因此气象温度主要是点分布状态[5]，想要获取全区域的气象温度主要依托高程进行空间插值，然而差值结果误差较大[6]。
随着地表温度反演的发展，部分学者开始关注采用地表温度反演结果，结合气象监测数据进一步估算近地表温度（也就是气象温度）的相关研究[7，8]。
并且近地表温度在许多领域有着重要的应用，特别在农业气象、气候和环境研究中是一个不可缺少的研究因子，对人们的生产生活活动有重要影响[9]。
因此本文以长江流域为研究区，主要采用统计分析、直方图、空间分析方法，对比地表温度反演结果与气象温度的差异性，进而分析差异性的形成原因，总结其一般特征。
2 研究区概况与数据来源2.1 研究区概况长江流域横跨东经90°33'～122°25'，纵越北纬24°30'～35°45'。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
具体的实现步骤：
第一步：准备数据
热红外数据使用的是Landsat的第六波段，已经做了传感器定标、几何校正、大气校正和工程区裁剪。
由TM影像（已经过大气校正）生成的NDVI数据，已经利用主菜单->Basic Tools->Resize Data（Spatial/Spectral）重采样为60米分辨率，与TMi6数据保持一致。
第二步：地表比辐射率计算
物体的比辐射率是物体向外辐射电磁波的能力表征。
它不仅依赖于地表物体的组成，而且与物体的表面状态(表面粗糙度等)及物理性质(介电常数、含水量等)有关，并与所测定的波长和观测角度等因素有关。
在大尺度上对比辐射率精确测量的难度很大，目前只是基于某些假设获得比辐射率的相对值，本文主要根据可见光和近红外光谱信息来估计比辐射率。
(一)植被覆盖度计算
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，具体的计算公式如下：
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。
利用ENVI主菜单->Basic Tools->Band Math，在公式输入栏中输入：
（b1 gt 0.7）*1+（b1 lt 0.）*0+（b1 gt 0 and b1 lt 0.7）*（(b1-0.0)/(0.7-0.0)）
注：数据输入应在英文状态下。
b1：选择NDVI图像
得到植被盖度图像。
(二)地表比辐射率计算
根据前人（覃志豪）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（3）（4）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。
利用ENVI主菜单->Basic Tools->Band Math，在公式输入栏中输入：
(b1 lt 0)*0.995+(b1 gt 0 and b1 lt 0.7)*(0.9589 + 0.086*b2 -
0.0671*b2^2)+(b1 gt 0.7)*(0.9625 + 0.0614*b2 - 0.0461*b2^2)
b1：NDVI值；
b2：植被覆盖度值。
得到地表比辐射率数据。
第三步：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写为（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
在NASA官网(httF:///)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。
本专题输入的数据是襄樊市地区2002年9月2日北京时间10：30成像的Landsat7 ETM+影像，影像中心的经纬度为：32.51N，111.81 E。
得到下图参数图：大气在热红外波段的透过率τ为0.6，大气向上辐射亮度L↑为3.39 W/(m2·sr·μm)，大气向下辐射亮度L↓为
5.12W/(m2·sr·μm)。
图2 2002年9月2日Landsat ETM+数据的大气辅助参数
利用ENVI主菜单->Basic Tools->Band Math，在公式输入栏中输入：(b2-0.69-0.89*(1-b1)*1.19)/(0.89*b1)
b1：60m分辨率的地表比辐射率值；
b2：表示热红外波段大气校正后的辐射定标值。
得到了温度为T的黑体在热红外波段的辐射亮度值。
第四步：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)
对于ETM+，K1 =666.09W/(m2·sr·μm)，K2 =1282.71K。
利用ENVI主菜单->Basic Tools->Band Math，在公式输入栏中输入：
(1282.71)/alog(666.09/b1 +1)-273
b1：温度为T的黑体在热红外波段的辐射亮度值。
得到真实的地表温度值，单位是摄氏度。
第五步：结果浏览与输出
在DisFlay中显示温度值，是一个灰度的单波段图像。
(1)选择Tools->Color MaFFing->Density Slice，单击Clear Range按钮清除默认区间。
(2)选择OFions->Add New Ranges，增加以下四个区间：
●39℃以上，红色
●35℃至39℃，黄色
●30℃至35℃，绿色
●低于30℃，蓝色
(3)单击AFFly。
(4)选择File->OutFut Range to Class Image，可以将反演结果输出。