Landsat8 TIRS 地表温度反演
landsat遥感影像地表温度反演教程（大气校正法）
landsat遥感影像地表温度反演教程（⼤⽓校正法）基于辐射传输⽅程的Landsat数据地表温度反演教程⼀、数据准备Landsa 8遥感影像数据⼀景，本教程以重庆市2015年7⽉26⽇的=⾏列号为（128，049）影像（LC81280402016208LGN00）为例。
同时需提前查询影像的基本信息（详见下表）⼆、地表温度反演的总体流程三、具体步骤1、辐射定标地表温度反演主要包括两部分，⼀是对热红外数据，⼆是多光谱数据进⾏辐射定标。
（1）热红外数据辐射定标选择Radiometric Correction/Radiometric Calibration。
在File Selection对话框中，选择数据LC81230322013132LGN02_MTL_Thermal，单击Spectral Subset选择Thermal Infrared1（10.9），打开Radiometric Calibration⾯板。
Scale factor 不能改变，否则后续计算会报错。
保持默认1即可。
（2）多光谱数据辐射定标选择要校正的多光谱数据“LC81230322013132LGN02_MTL_MultiSpectral”进⾏辐射定标。
因为后续需要对多光谱数据进⾏⼤⽓校正，可直接单击Apply Flaash Settings，如下图。
注意与热红外数据辐射定标是的差别，设置后Scale factor值为0.1。
2、⼤⽓校正本教程选择Flaash 校正法。
FLAASH Atmospheric Correction，双击此⼯具，打开辐射定标的数据，进⾏相关的参数设置进⾏⼤⽓校正。
注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为0.1，若已设置，则默认值为1即可。
1)Input Radiance Image：打开辐射定标结果数据；2)设置输出反射率的路径，由于定标时候；3)设置输出FLAASH校正⽂件的路径，最优状态：路径所在磁盘空间⾜够⼤；4)中⼼点经纬度Scene Center Location：⾃动获取；5)选择传感器类型：Landsat-8 OLI；其对应的传感器⾼度以及影像数据的分辨率⾃动读取；6) 设置研究区域的地⾯⾼程数据；7)影像⽣成时的飞⾏过境时间：在layer manager中的Lc8数据图层右键选择View Metadata，浏览time字段获取成像时间；注：也可以从元⽂件“LC81230322013132LGN02_MTL.txt”中找到，具体名称：DATE_ACQUIRED = 2013-05-12；SCENE_CENTER_TIME = 02:55:26.6336980Z；8) ⼤⽓模型参数选择：Sub-Arctic Summer（根据成像时间和纬度信息选择）；9) ⽓溶胶模型Aerosol Model：Urban，⽓溶胶反演⽅法Aerosol Retrieval：2-band（K-T）；10) 其他参数按照默认设置即可。
基于大气校正法的Landsat8TIRS反演地表温度
基于大气校正法的Landsat8TIRS反演地表温度(2015-07-02 08:22:53)转载▼标签：分类：遥感解决方案landsat8地表温度热红外遥感（Infrared Remote Sensing）是指传感器工作波段限于红外波段范围之内的遥感。
即利用星载或机载传感器收集、记录地物的热红外信息，并利用这种热红外信息来识别地物和反演地表参数如温度、湿度和热惯量等。
目前有很多的卫星携带了热红外传感器，包括ASTER、AVHRR、MODIS、TM/ETM+/ TIRS等。
目前，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。
本实例是基于大气校正法，利用Landsat8 TIRS反演地表温度。
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。
具体实现为：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(T S) + (1-ε)L↓]τ+ L↑（1.1）式中，ε为地表比辐射率，T S为地表真实温度(K)，B(T S)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(T S)为：B(T S) = [Lλ - L↑- τ(1-ε)L↓]/τε（1.2）T s可以用普朗克公式的函数获取。
T S = K2/ln(K1/ B(T S)+ 1) （1.3）对于TM，K1 =607.76 W/(m2*µm*sr)，K2 =1260.56K。
基于landsat8-OLI／TIRS和HJ-1B太湖叶绿素含量和温度反演研究
仅 对水 中生物的 生存有 着重要 的意义 ， 同时 ， 水温 的变化 也常常会 导致 水 中浮 游生物和植物疯 长 ， 进 而 引起 水资
源的污染 ， 对人 们 的 生 活 造 成 严 重 的影 响 。
本文利用 Ｅ Ｎ Ｖ Ｉ ｔ ／ Ｉ Ｄ Ｌ ５ ． １对 Ｌ ａ ｎ ｄ ｓ ａ ｔ ８卫星的 Ｏ Ｌ Ｉ ／ ／ Ｔ Ｉ Ｒ Ｓ数据和 Ｈ Ｊ 一１ Ｃ Ｃ Ｄ多光 谱数 据在 太湖水 体 区域 开展
第４ Ｏ卷 第 ５期
２ ０１ ７ 年 ５ 月
测 绘 与 空 间地 理 信 息
ＧＥ ｏＭＡ ＴＩ Ｃ ｓ＆ Ｓ Ｐ ＡＴ Ｉ Ａ Ｌ ｌ ＮＦ ＯＲ ＭＡＴ Ｉ ＯＮ Ｔ ＥＣ ＨＮＯ Ｌ ＯＧ Ｙ
Ｖｏ １ ． ４ ０， Ｎｏ． ５ Ｍａ ｙ ．，２０１ ７
基于 ｌ ａ ｎ ｄ ｓ ａ ｔ ８一ｏＬ Ｉ ／ Ｔ Ｉ ＲＳ 和 ＨＪ一１ Ｂ 太 湖 叶 绿 素 含 量 和 温 度 反 演 研 究
Ｒｅ ｔ ｒ ｉ ｅ ｖ ａ ｌ ｏ ｆ Ｃｈ ｌ ｏ ｒ ｏ ｐ ｈ ｙ ｌ ｌ Ｃｏ ｎ ｔ ｅ ｎ ｔ ａ ｎ ｄ Ｔｅ ｍｐ ｅ ｒ ａ ｔ ｕ ｒ ｅ ｉ ｎ Ｔａ ｉ ｈ ｕ
Ｂａ ｓ ｅ ｄ ｏ ｎ Ｌａ ｎ ｄ ｓ ａ ｔ ８一ＯＬＩ ／ ＴＩ ＲＳ ａ ｎ ｄ ＨＪ一１ Ｂ
证 明了建立 的模型 的可靠性 ， 找到 了误 差来源。最后 分析 了造成叶绿 素含 量较 高的原 因及反 演的难 点。 关键词 ： Ｈ Ｊ 一１ Ｃ Ｃ Ｄ； ｌ ａ ｎ ｄ ｓ ａ ｔ ８一 Ｏ Ｌ Ｉ ／ Ｔ Ｉ Ｒ Ｓ ； 叶绿素 ； 太湖 ； Ｅ Ｎ Ｖ Ｉ ／ Ｉ Ｄ Ｌ
中 图分 类 号 ： Ｐ ２ ０ ８ 文献 标 识 码 ： Ａ 文章编号 ： １ ６ ７ ２— ５ ８ ６ ７ （ ２ ０ １ ７ ） ０ ５— ０ １ ４ ６— ０ ６
基于Landsat8影像和劈窗算法的济南地区地表温度反演
基于Landsat8影像和劈窗算法的济南地区地表温度反演作者：王菲来源：《绿色科技》2015年第08期摘要：地表温度是表征地表能量和资源环境变化的重要参数，通过地面观测站获得大面积地表参数并不现实。
遥感影像以其面积广、更新快、数据廉价的特点广泛应用于地表参数的求取。
利用Landsat8卫星影像，采用劈窗算法，对地表比辐射率和大气透过率进行了估算，实现了对济南地区地表温度的反演。
利用同日的MODIS温度产品对反演结果进行了验证，结果表明：反演结果能较真实地反映济南地区地表温度的分布规律。
关键词：济南地区；地表温度；Landsat8；劈窗算法中图分类号：TP79文献标识码：A文章编号：16749944（2015）080015041引言地表温度能清晰地表征地表能量平衡和资源环境变化，是一个重要的地表参数。
地面监测站虽然可以实时观测某些点的温度，但无法实现大面积获取该地区的地表温度参数。
遥感影像面积广、更新快，可以方便快捷地获得大面积地表温度参数。
不少学者曾针对地表温度反演做过大量工作[1～5]：覃志豪等使用陆地卫星TM6数据进行地表温度单窗算法反演，并针对TM6热红外波段特征给出地表比辐射率和大气参数的估算[1～3]；毛克彪等人利用MODIS数据和劈窗算法对山东地区的地表温度进行了反演，结果较合理[4]；陈云以Landsat8其中一个热红外通道—第11波段为数据源，利用单窗算法对厦门市的地表温度和热岛效应进行了求算和研究，得到较好结果[5]。
劈窗算法的数据源多选用MODIS、NOAA-AVHRR等拥有两个热红外通道的遥感影像。
MODIS数据反演地温效果较理想，但由于MODIS等数据的空间分辨率太低，因此MODIS等中低分辨率的数据比较适合反映大区域的温度变化规律。
针对于小区域的地表温度反演，目前多以TM、ETM、中巴资源卫星、HJ-1B等中高分辨率影像为数据源，利用单窗算法反演地表温度。
Landsat8影像数据源较新，两个热红外通道波谱范围与MODIS数据相近。
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。
地表温度反演实验报告
地表温度反演实验报告地表温度是指地球表面的温度，是一个重要的气象参数，对于气候变化、城市热岛效应等问题具有重要的影响。
地表温度反演是通过遥感技术获取地表温度信息的一种方法，可以有效地监测地表温度的变化情况。
本实验旨在利用卫星遥感数据，反演地表温度，并对结果进行分析和讨论。
实验方法：我们收集了MODIS卫星传感器获取的遥感数据，包括云量、地表温度等信息。
然后，利用反演算法对这些数据进行处理，得到地表温度的反演结果。
接着，我们将反演结果与实地观测数据进行对比分析，验证反演结果的准确性。
最后，我们对地表温度的空间分布特征进行研究，分析其与地形、植被覆盖等因素的关系。
实验结果：经过反演算法处理，我们得到了一幅地表温度的空间分布图。
从图中可以看出，地表温度在不同区域有明显的差异，一般来说，城市区域的地表温度要高于郊区和农田地区。
另外，我们还发现地形和植被覆盖对地表温度有一定的影响，高海拔地区的地表温度要低于低海拔地区，而植被茂密的地区地表温度相对较低。
实验分析：通过对地表温度的反演结果进行分析，我们可以发现地表温度的空间分布受到多种因素的影响，包括城市化程度、地形、植被覆盖等。
城市热岛效应导致城市区域地表温度升高，而高海拔地区地表温度较低，这些都是地表温度空间分布差异的原因之一。
植被覆盖可以降低地表温度，起到调节气候的作用。
结论：地表温度反演是一种有效的监测地表温度变化的方法，可以为气候研究、城市规划等领域提供重要的参考依据。
通过对地表温度的反演结果进行分析，可以更好地理解地表温度的空间分布特征，为环境保护和气候调控提供科学依据。
希望通过本实验的研究，能够更深入地探讨地表温度变化的规律，为未来的研究提供参考。
地表温度反演步骤
地表温度反演是通过遥感技术获取地表温度的过程。
以下是一般的地表温度反演步骤：
1. 数据收集：选择适合的遥感数据源，如热红外遥感数据或者微波遥感数据。
这些数据可以来自于卫星、飞机或无人机等。
2. 大气校正：由于大气在传输过程中对热辐射的吸收和散射作用，会影响到地表温度的观测。
因此，需要进行大气校正，以消除大气效应并准确估算地表温度。
3. 辐射学模型：建立辐射学模型，将已经校正的遥感数据与地表温度之间的物理关系联系起来。
这个模型通常基于不同波段的辐射亮温和地表温度之间的经验关系。
4. 晴空辐射和云覆盖修正：如果存在云覆盖，需要对遥感数据进行修正，以排除云的干扰。
这可以通过晴空辐射率和云覆盖率的估计来实现。
5. 地表温度反演：利用辐射学模型和修正后的遥感数据，通过数学计算反演地表温度。
这个过程可以是基于物理模型的解析方法，也可以是基于统计回归或机器学习的统计方法。
6. 优化和验证：对反演得到的地表温度进行优化和验证。
可以与已知的地面观测数据进行比较，评估反演结果的精确性和可靠性。
需要注意的是，地表温度反演是一个复杂的过程，涉及到多种因素和技术手段。
具体步骤可能会根据数据源、研究目的和数据处理软件的不同而有所变化。
地表温度反演的三种方法
地表温度反演的三种方法
地表温度反演是通过遥感技术获取地表温度信息的过程。
一般来说，地表温度反演方法可以分为三种：基于亮温的方法、基于辐射能量平衡的方法和基于模型的方法。
1. 基于亮温的方法：这种方法是根据地表反射下来的辐射能直接计算地表温度。
通常需要使用多光谱遥感数据，并使用反演算法将遥感数据转换为地表亮温，然后通过专门的公式或模型将亮温转换为地表温度。
这种方法比较简单，但受到大气中的影响较大，精度较低。
代表性算法有单窗算法（Single-Window Algorithm, SWA）、双窗算法（Two-Window Algorithm, TWA）等。
2. 基于辐射能量平衡的方法：这种方法是通过计算地表吸收的太阳辐射能和辐射冷却能量之间的平衡来反演地表温度。
这种方法需要考虑地表的地形、植被和大气特性等因素，一般需要使用高分辨率遥感数据和气象数据来进行模型计算。
代表性算法有热红外转换（Thermal Infrared Conversion, TIC）法、分层蒸散算法（Surface Energy Balance System, SEBS）等。
3. 基于模型的方法：这种方法基于已知的地表温度统计模型或地理信息系统等数据库，利用数据挖掘等方法来反演地表温度。
这种方法需要大量的先验知识和算法支持，并且需要大量的人工调整和验证。
代表性算法有人工神经网络（Artificial Neural Network, ANN）法、支持向量机（Support Vector
Machines, SVM）法等。
- 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)。
热红外遥感（Infrared Remote Sensing）是指传感器工作波段限于红外波段范围之内的遥感。
即利用星载或机载传感器收集、记录地物的热红外信息，并利用这种热红外信息来识别地物和反演地表参数如温度、湿度和热惯量等。
目前有很多的卫星携带了热红外传感器，包括ASTER、AVHRR、MODIS、
TM/ETM+/ TIRS等。
目前，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。
本实例是基于大气校正法，利用Landsat8 TIRS反演地表温度。
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。
具体实现为：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(T S) + (1-ε)L↓]τ+ L↑（1.1）
式中，ε为地表比辐射率，T S为地表真实温度(K)，B(T S)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(T S)为：
B(T S) = [Lλ - L↑- τ(1-ε)L↓]/τε（1.2）
T s可以用普朗克公式的函数获取。
T S = K2/ln(K1/ B(T S)+ 1) （1.3）
对于TM，K1 =607.76 W/(m2*µm*sr)，K2 =1260.56K。
对于ETM+，K1=666.09 W/(m2*µm*sr)，K2 =1282.71K。
对于TIRS Band10，K1= 774.89 W/(m2*µm*sr)，K2 = 1321.08K。
从上可知此类算法需要2个参数：大气剖面参数和地表比辐射率。
大气剖面参数在NASA提供的网站(/)中，输入成影时间以及中心经纬度可以获取大气剖面参数。
适用于只有一个热红外波段的数据，如Landsat TM /ETM+/TIRS数据。
主要内容就是使用BandMath工具计算公式（1.2）和公式（1.3），处理流程如下图所示。
注：OLI大气校正是可选项，根据前人研究成果，大气校正处理对结果影响不是很大。
图1.1 基于大气校正法的TIRS反演流程图
1、图像辐射定标
(1)在主界面中，选择File→Open，在文件选择对话框中选择
"LC81230322013276LGN00_MTL.txt"文件，ENVI自动按照波长分为五个数据集：多光谱数据（1-7波段），全色波段数据（8波段），卷云波段数据（9波段），热红外数据（10，11波段）和质量波段数据（12波段）。
（2）在Toolbox工具箱中，选择Radiometric Correction/Radiometric Calibration。
在File Selection对话框中，选择数据LC81230322013132LGN02_MTL_Thermal，单击Spectral Subset选择Thermal Infrared1（10.9），打开Radiometric Calibration面板。
（3）在Radiometric Calibration面板中，设置以下参数：
•定标类型（Calibration Type）：辐射亮度值（radiance）。
•其他选择默认参数。
（4）选择输出路径和文件名1-LC81230322_band10_rad.dat，单击OK 按钮执行定标处理。
得到Band10辐射亮度图像。
2、地表比辐射率计算
TIRS的Band10热红外波段与TM/ETM+6热红外波段具有近似的波谱范围，本例采用TM/ETM+6相同的地表比辐射率计算方法。
使用Sobrino提出的NDVI阈值法计算地表比辐射率。
ε=0.004Pv+0.986 （1.4）
其中，Pv是植被覆盖度，用以下公式计算：
Pv = [(NDVI- NDVI Soil)／(NDVI Veg - NDVI Soil)] （1.5）
其中，NDVI为归一化植被指数，NDVI Soil为完全是裸土或无植被覆盖区域的NDVI值，NDVI Veg则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。
取经验值NDVI Veg = 0.70和NDVI Soil = 0.05，即当某个像元的NDVI大于0.70时，Pv取值为1；当NDVI小于0.05，Pv取值为0。
注：这里采用简化的植被覆盖度计算模型，感兴趣的可以使用更加精确的植被覆盖度计算模型。
（1）在Toolbox工具箱中，双击Spectral/Vegetation/NDVI工具，在文件输入对话框中，选择Landsat8 OLI多光谱图像。
图1.2 NDVI文件输入对话框
提示：覃志豪提出使用原始的DN值图像计算NDVI对反演结果影响不大。
（2）在NDVI Calculaton parameters对话框中，自动识别NDVI计算波段：Red：4，Near IR：5。
图1.3 NDVI对话框
（3）选择输出文件名和路径。
（4）在Toobox中，选择Band Ratio/Band Math，输入表达式：(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))
其中，b1：NDVI。
计算得到植被覆盖度图像。
（5）在Toobox中，选择Band Ratio/Band Math，输入表达式：
0.004*b1+0.986
其中，b1：植被覆盖度图像。
计算得到地表比辐射率图像。
提示：为了得到更精确的地表比辐射率数据，可使用覃志豪等提出的先将地表分成水体、自然表面和城镇区，分别针对三种地表类型计算地表比辐射率：•水体像元比辐射率：0.995
•自然表面像元比辐射率：εsurface = 0.9625 + 0.0614Pv -
0.0461Pv2
•城镇区像元比辐射率：εbuilding = 0.9589 + 0.086Pv - 0.0671Pv2 3、黑体辐射亮度与地表温度计算
在NASA公布的网站查询（），输入成影时间：2013-10-03 02:55和中心经纬度（Lat：40.32899857，Lon：
116.70610046），以及其他相应的参数，得到大气剖面信息为：
•大气在热红外波段的透过率τ：0.90
•大气向上辐射亮度L↑：0.75 W/(m2·sr·μm)
•大气向下辐射亮辐射亮度L↓：1.29W/(m2·sr·μm)
提示：由于缺少地表相关参数（气压、温度、相对湿度等信息），得到的结果是基于模型计算的结果。
（1）依据公式（1.2），在Toolbox工具箱中，双击Band Ratio/Band Math 工具，输入表达式：
(b2-0.75-0.9*(1-b1)*1.29)/(0.9*b1)
其中，b1：地表比辐射率图像
b2：Band10辐射亮度图像
计算得到同温度下的黑体辐射亮度图像。
（2）依据公式（1.3），在Toobox中，双击Band Ratio/Band Math工具，输入表达式：
(1321.08)/alog(774.89/b1+1)-273
其中，b1：同温度下的黑体辐射亮度图像
得到单位为摄氏度的地表温度图像。
提示：公式（1.3中），TIRS Band10的K1和K2是从*_MTL.txt元数据文件中获取。
（3）在图层管理器（Layer Manager）中的地表温度图像图层，右键选择Raster Color Slices。
将温度划分为四个区间：
•25℃以上
•22℃至25℃
•20℃至22℃
•15℃至20℃
•低于15℃
（4）分别浏览几个温度区间的空间分布范围。
（5）统计反演结果得出81%区域的温度集中在15~22°区间。
提示：缺少同步温度测量数据用于验证反演结果，查询2013年10月3号北京市最低气温为10°，最高气温为22°。
本示例反演结果大部分在这个区间内，反演结果有一定的参考价值。