遥感数字图像处理_地表反射率、温度的反演以及植被指数的计算

合集下载

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。

遥感反演地表温度

遥感地学分析实验报告成绩：姓名：学号：班级：题目：课程实验报告要求一、实验目的掌握并熟悉band math的操作，对建筑用地分离用的几个建筑指数；学会面对对象分类；学会反演地表温度。

二、实验准备软件准备：ENVI5.1数据准备：中等分辨率数据AA、高分辨率数据qb_colorado.img、热岛监测band6三、实验步骤1.中等分辨率数据中城市范围的提取：（1）加载数据AA，首先在BAND MATH里面计算图像的NDVI值其公式：(float(b1)-float(b2))/(float(b1)+float(b2))，正确输入公式后点击OK；在接下来的界面中为公式中b1和b2赋予相应的波段，及近红外波段和红色波段，选择合适的路径即可点击OK；结果如图：（2）同样用上述发放计算图像的归一化建筑指数（NDBI值），公式同样使用前面所用，但是后面给b1和b2赋予第五和第四波段就行，同样选择合适的路径即可；结果如图：（3）利用前面所计算的NDVI和NDBI值计算改进的归一化裸露指数（MNDBI），MNDBI= NDBI+(1-NDVI)，首先在BAND MATH中输入一下公式并b1和b2赋予NDBI的波段和NDVI的波段；结果如图：（3）同样使用上述方法计算城镇用地指数（ULI）计算公式为ULI=NDBI and NDVI，同样在BAND MATH中输入公式并赋予相应的波段，在设置好输出路径即可；结果如图：（4）三种指数的阈值的设置，通过查看三种指数的直方图可以为每种指数的分离建筑用地提取合适的阈值；通过查看NDBI的阈值设置为0.035，并将其在band math中进行二值化；通过查看MNDBI的阈值设置为0.681，并将其在band math中进行二值化；通过查看ULI的阈值设置为0.004，并将其在band math中进行二值化；（5）将三种指数的二值化图像在ARCMAP中成图，即可简单的比较三种指数的优劣；2.高分辨率图像中城市范围的提取（1）加载图像qb_colorado.img，打开FEATURE EXTRACTION工具选择待分类数据，点击NEXT进入下一步；（2）设置分割和合并阈及模板大小等参数如下，点击NEXT进入下一步；（3）添加分类类型并选择合适的样本，并为每种类型选择相应的属性，最后选择合适的分类方法；（4）预览图如下；（5）设置导出图像的类型，此处导出矢量图，设置好参数和路径点击FINISH即可；（6）结果如图；3.城市热岛遥感监测（1）辐射定标：将DN值（即图像灰度值）转换为光谱辐射亮度L，利用公式b1*0.055158+1.2378在band math中计算辐亮度；B1赋予第六波段；结果：（2）地表比辐射率E，此处先计算NDVI，方法同上即可，此处不再赘述；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 = 0.25 和NDVIS =0.022，且有，当某个像元的NDVI 大于0.25 时，FV 取值为1；当NDVI小于0.022，FV 取值为0。

实习7、地表反射率、温度的反演以及植被指数的计算

基本原理一)地表反射率是指地表物体向各个方向上反射的太阳总辐射通量与到达该物体表面上的总辐射通量之比。

反照率可以通过遥感成像提供的辐射亮度值L 或反照率p ，二向性反射率分布函数BRDF 来获得：地物反射率的光谱特征差异是从遥感影像中识别地表不同类型地物的基本依据，也是地表其他各种物理、生物物理参数反演的依据地表。

地表反射率的计算步骤：1、辐射定标：根据遥感影像DN 值计算到达传感器的各波段辐射亮度也就是将传感器记录的辐射量化值（Digital Number ，DN ）转换成绝对辐射亮度值、表观反射率，或者表观温度的过程。

绝对定标：通过各种标准辐射源，建立辐射亮度值与辐射量化值（DN ）之间的定量关系式中，辐射亮度值L 的常用单位为W/(m2.μm.sr)，或者μW/(cm2.nm.sr) 。

1W/(m2.μm.sr)=0.1 μW/(cm2.nm.sr)2、各波段表观反射率计算3、大气辐射校正（ENVI FLAASH/QUAC ）绝对大气辐射校正：消除大气辐射衰减效应，将遥感影像的DN 值转换为地表反射率、辐亮度、地表温度等的方法，此过程包含了辐射定标。

相对大气辐射校正：将遥感影像的DN 值转换为类似的整型数，同时消除大气辐射衰减效应。

FLAASH 是用数学建模辐射的物理行为，纠正波长在可见光至近红外和短波红外区域，最多3微米。

（对于热地区，使用基本工具>预处理>校准工具>热大气压校正菜单选项。

）不同于预先计算模拟结果的数据库内插辐射传输特性许多其他大气校正程序， FLAASH 采用了MODTRAN4辐射传输代码。

MODTRAN4并入ENVI FLAASH 的版本被修改，以校正在HITRAN -96水行参数的误差。

可以选择任何一种标准MODTRAN 大气模型和气溶胶类型，FLAASH 还包括以下功能：校正邻近效应（像素混合是由于表面反射辐射的散射）计算场景的平均能见度（气溶胶/雾量）。

植被指数的计算方法与遥感图像处理步骤

植被指数的计算方法与遥感图像处理步骤植被指数是研究地表植被覆盖状况的重要指标，可以通过遥感技术获取高空间分辨率的植被信息。

植被指数的计算方法与遥感图像处理步骤是确定植被指数数值的关键环节。

一、什么是植被指数？植被指数是通过遥感技术获取的图像数据来计算植被覆盖状况的指标。

常见的植被指数有归一化植被指数（Normalized Difference Vegetation Index, NDVI）、植被指数（Vegetation Index, VI）等。

这些指标利用遥感图像中红、近红外波段的反射光谱信息来反映植被生长情况，指数数值越高，代表植被覆盖程度越高。

二、植被指数的计算方法1. 归一化植被指数（NDVI）NDVI是最常用的植被指数之一，计算公式为（NIR-RED）/（NIR+RED），其中NIR是近红外波段的反射值，RED是红波段的反射值。

NDVI范围在-1到1之间，数值越接近1代表植被覆盖越高，数值越接近-1代表植被覆盖越低，数值接近0则代表无植被。

2. 植被指数（VI）植被指数是根据遥感图像中的红、蓝、绿波段的反射值计算得到的，常见的植被指数有绿光波段（Green）、蓝光波段（Blue）和红边波段（Red-edge）等。

植被指数的计算公式根据研究的需要而定，比如Normalized Green-Blue Vegetation Index（NGB）、Green-Blue Vegetation Index（GBVI）等。

三、遥感图像处理步骤1. 遥感图像获取遥感图像可以通过卫星、飞机等载体获取，一般包括多个波段的光谱信息。

从遥感图像中选取合适的波段进行植被指数的计算。

2. 数据预处理遥感图像预处理包括大气校正、几何纠正和辐射辐射校正等步骤，以消除由于大气、地表地貌等因素引起的图像噪声。

3. 波段选择根据研究需要和相关指数的计算公式选择合适的波段进行植被指数的计算。

常用的波段有红、近红外、绿、蓝等。

遥感数字图像处理_地表反射率、温度的反演以及植被指数的计算

操作方法及过程1、使用ENVI对landsat 7 ETM+原始数据进行辐射定标：①对1、2、3、4、5、7波段进行辐射定标。

②对61和62波段进行辐射定标。

步骤和上面的一样，只是选择输入文件时为包含61和62波段的_MTL文件，将结果保存为radiance_band6。

2、将BSQ格式的影像数据转化为BIL：利用Basic Tools |Convert Data，弹出对话框中选择Radiance，Output Interleave中选择BIL，选择输出路径保存为radiance_BIL。

3、使用FLAASH大气辐射校正模型进行地表反射率的计算：①利用Spectral |FLASSH弹出大气校正模型参数设置窗口如下：分别按照以上所示的内容进行参数设置，将输入文件设为radiance_BIL，输出文件设为flassh，设置Scene Center Location时，打开原始影像在头文件中找到行和列，算出中心行和列，利用Pixel Locator工具找到中心点的经纬度。

将Sensor Type设为Landsat TM7。

设置Ground Elevation时，利用裁剪工具在亚洲幅SRTM DEM影像数据中裁剪该地区的DEM数据，再用统计功能算出高程的平均值为2058m。

在头文件中找到Flight Data：1999年8月10日，Flight Time GTM:3时36分39秒。

ndvi在温度反演(lst)公式

ndvi在温度反演(lst)公式
温度反演（LST）是一种用于确定地表温度的技术，它可以通过一种被称为归一化差异植被指数（NDVI）的指标来实现。

NDVI是一种衡量植被生长和健康状况的指标，它基于植被对红外和可见光的反射率差异。

在温度反演中，NDVI被用作一个关键参数，以帮助推断地表温度。

NDVI的计算方法是通过测量地表的红外和可见光反射率来获得的。

这个指标可以用来反映植被的状况，因为植被通常具有较高的可见光反射率和较低的红外反射率。

因此，当植被生长得更好时，NDVI 值会增加。

NDVI与地表温度之间存在一种相反的关系。

当地表温度升高时，植被的生长和健康状况可能会受到影响，导致NDVI值下降。

相反，当地表温度下降时，植被的生长和健康状况可能会改善，导致NDVI 值增加。

基于NDVI和地表温度之间的这种关系，可以通过建立一个数学模型来进行温度反演。

该模型可以使用已知的NDVI值来推断地表温度。

这种方法可以在遥感技术中广泛应用，特别是在农业、环境和气候研究中。

通过NDVI在温度反演中的应用，我们可以更好地了解地表温度的变化趋势，并对植被生长和健康状况进行评估。

这对于农业管理、
环境监测和气候研究都具有重要意义。

NDVI在温度反演中起着重要的作用。

通过测量地表的红外和可见光反射率差异，NDVI可以帮助我们推断地表温度。

这种方法在农业、环境和气候研究中具有广泛的应用前景，为我们提供了更好地了解地表温度和植被状况的机会。

遥感反演地表温度

1、裁剪出出济南市区2、分别利用ENVI 、ERDAS 反演地表温度（LST ）、NDVI ，对LST 进行彩色显示。

3、分析LST 、NDVI 的关系。

反演公式具体流程：图像的DN 值辐射亮度辐射亮温地表温度。

反演时从图像数值（DN ）转换成绝对辐射亮度值时的公式、从辐射亮度值转成辐射亮温时的公式、从亮温转换成地表温度时的公式分别是：min min max 6255)(L L L DN L tm +-⨯=、 )1/ln(/12+=λL K K T 、 ερλl n )/(1T T T s += 其中：6tm L 为TM 传感器所接收到的辐射亮度（mW .cm -2s r-1.um -1），max L 、min L 分别是传感器所接收到的最大和最小的辐射强度，即对应于DN ＝255和DN ＝0时的最大和最小辐射强度。

对于Landsat5的TM 6波段，1K =60.77mW .cm -2s r-1.um -1,2K =1260.56K 。

S T 为地表温度（K ）；T 为辐射温度（K ）；λ为有效波谱范围内的最大灵敏度值，λ＝11.5um ，ρ=/hc δ=1.438×10-2mk ，其中δ=1.38 ×10-23/J k ，为玻尔兹曼常数，h =6.626×10-34Js ，为Plank′s 常数，c =2.998 ×108/m s ，为光速。

一般地，有植被覆盖的地表取ε＝0.95，没有植被覆盖的地表取ε＝0.92（Weng ，2004[16]）。

min L =0.1238255)(min max L L - =0.005632156 )1/ln(/12+=λL K K T 1260.56 / LOG ( 1 + 60.766 / $n8_fu )$n1_12736l / (1 + (0.0000115 * $n1_12736l /0.01438) * LOG (0.95 ) )。

地表反射率、温度、植被指数

地表反射率、温度、植被指数、几何精纠正和Landsat影像一、DNVI建模【地表反射率】第3波段第4波段【DNVI】【3、4波段表观反射率和地表反射率的线性关系】【表观反射率和地表反射率的线性关系数学表达式】波段关系式波段关系式1波段y=0.8933*x+0.0473 4波段y=0.9401*x+0.0065 2波段y=0.8801*x+0.0242 5波段y=0.9399*x+0.001 3波段y=0.9161*x+0.0143 7波段y=0.9584*x+0.0004【部分地物的DNVI值】地物DNVI值min max mean stdev Reservior 0.057713 0.338587 0.145087 0.038598 Snow -0.12395 0.152669 0.025088 0.031572Urban -0.356923 0.038094 -0.273288 0.045284Plant 0.333387 0.786695 0.656094 0.081619Desert 0.071897 0.155663 0.100783 0.014291River 0.043469 0.429917 0.127503 0.08131【结果与分析】：通过对提取地物的DNVI值的可以发现，绿色的DNVI值比较高，原因是绿色植物叶绿素引起的红光吸收和叶肉组织引起的近红外光反射使得植被在近红外波段和红光波段有很大的差异；水体和裸地在红光波段和近红外波段反射率相当，因此水库和裸地的NDVI值接近0；雪地NDVI最低值中出现负值，是由于在近红外波段比可见光波段有较低的反射率；沙漠中植被很少，因此其近红外波段和红光波段的反射情况和裸地类似，因此其NDVI值接近于0；河流的NDVI值稍大于由于河流中存在一定的含沙量，使得地物在近红外波段的反射率大于近红外波段。

二、温度反演【温度反演】低增益温度反演高增益温度反演【第1波段部分地物低增益温度反演数据】开尔文温度摄氏温度反演温度地物min max mean stdev min max mean Reservior 287.47641 289.289886 288.13127 0.388036 14.32641 16.13989 14.98127 Snow 273.154785 293.990417 278.177771 3.788266 0.004785 20.84042 5.027771 Bare Land 295.989319 310.676086 303.445647 2.819391 22.83932 37.52609 30.29565 Urban 300.165253 310.928528 307.469228 1.530421 27.01525 37.77853 34.31923 Plant 294.278015 305.525879 298.698402 2.333251 21.12802 32.37588 25.5484 Desert 302.605286 309.915955 306.491575 1.39902 29.45529 36.76596 33.34158影像几何精纠正1.深入理解影像几何精纠正的原理2.学会使用影像对影像的几何精纠正方法和具体操作步骤1. 扫描地形图（宁夏中卫地区1:25万104811.img ）进行几何精纠正（包括投影参数、单位的调整将选定参考点保存）。

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)。

操作方法及过程
1、使用ENVI对landsat 7 ETM+原始数据进行辐射定标：
①对1、2、3、4、5、7波段进行辐射定标。

②对61和62波段进行辐射定标。

步骤和上面的一样，只是选择输入文件时为包含61和62波段的_MTL文件，将结果保存为radiance_band6。

2、将BSQ格式的影像数据转化为BIL：
利用Basic Tools |Convert Data，弹出对话框中选择Radiance，Output Interleave中选择BIL，选择输出路径保存为radiance_BIL。

3、使用FLAASH大气辐射校正模型进行地表反射率的计算：
①利用Spectral |FLASSH弹出大气校正模型参数设置窗口如下：
分别按照以上所示的内容进行参数设置，将输入文件设为radiance_BIL，输出文件设为flassh，设置Scene Center Location时，打开原始影像在头文件中找到行和列，算出中心行和列，利用Pixel Locator工具找到中心点的经纬度。

将Sensor Type设为Landsat TM7。

设置Ground Elevation时，利用裁剪工具在亚洲幅SRTM DEM影像数据中裁剪该地区的DEM数据，再用统计功能算出高程的平均值为2058m。

在头文件中找到Flight Data：1999年8月10日，Flight Time GTM:3时36分39秒。

大气模型Atmospheric Model选择Mid-Latitude Summer（根据研究区的位置和影像获取时间来确定）。

气溶胶Aerosol Model 选为Rural，气溶胶反演Aerosol Retrieval选为2-Band(K-T)。

②进行Multispectral Settings设置，弹出窗口如下：
根据要求设置气溶胶反演模型。

③进行高级Advanced Settings设置，弹出对窗口如下：
注意图中红色圈中的数据，Tile Size为计算时每个小窗口中的像元，有助于加快计算。

Output Reflectance Scale Factor是给反射率（范围0-1，以浮点型表示）乘以一个系数将浮点型转换为整型，便于储存。

④将参数设置好后，点击Apply进行地表反射率计算。

4、植被指数的计算:
利用Basic Tools |Band Math，输入公式(float(b4)-b3)/(float(b4)+b3)，将b4设置为第三步计算出地表反射率中的第4波段，b3设置为第3波段，最后选择输出路径保存为NDVI。

利用ROI Tool工具分析不同地表覆盖类型的植被指数，给出统计表。

5、地表温度反演：
利用Basic Tools |Band Math，输入公式1282.71/alog(666.09/b6+1)-273，将b6设置为第一步辐射定标结果radiance_band6中的61波段。

最后选择输出路径保存为band61_tem。

结果与分析
1、对landsat7 ETM+元数据中的1、
2、
3、
4、
5、7波段进行辐射定标的结果（以432波段合成显示）
图1（原始影像）图2（辐射定标后的影像）
分析：对比两幅影像，发现每种地物在两幅影像上显示的颜色都相同，因为辐射定标是按照线性关系式（QCAL 为DN 值）进行变化的，相当于用辐射亮度代替了DN 值，所以影像显示的一模一样。

当打开Cursor Location/Value 窗口
可以看出，原始影像中的数据是整型表示DN 值，定标后影像中的数据是浮点型表示辐射亮度。

2、利用FLAASH 大气校正模型计算出的结果（以432波段合成显示）
图3（辐射定标后的影像）图4（大气校正后的影像）
分析：影像颜色大体格局没发生变化，但是仔细一看，地物颜色均发生了微小的变化，例如沙漠的颜色从淡绿色变成了淡浅绿色，甚至有的地方变成了灰色，裸地的颜色
L gain QCAL bias λ=∙+原始影像
辐射定标后的影像
从淡蓝色变成了灰白色，有植被的地方黑红色变少了等等。

利用十字叉丝找一个有植被覆盖的像元并统计它的光谱特征曲线如下：
图5（辐射定标后植被的光谱曲线）图6（大气校正后植被的光谱曲线）
从图5中可以看出，未进行大气辐射校正的植被在蓝光波段（0.45um）的反射率比在绿光（0.55um）波段的反射率高，这不符合正常健康植被的光谱特征，说明大气辐射对植被的光谱特征产生了影响，而从图6中可以看出，经过大气辐射校正后，植被的光谱特征曲线符合了正常健康植被的光谱特征，在绿光波段（0.55um）有个反射峰，两侧的蓝光（0.45um）和红光（0.67um）则有两个吸收带。

3、利用地表反射率计算NDVI的结果
图7（原始影像）图8（NDVI影像）分析：从上面两图中，我们可知，有植被覆盖的地区都是高亮显示的，植被覆盖度高，则亮度越高；水库完全呈现黑色；云也呈现黑色，但是颜色较水库要浅一些；沙漠和裸地呈现颜色深浅不一的灰色，整体感官其沙漠比裸地更深。

下面为NDVI的统计表：
地物/NDVI Min Max Mean Stdev
Forest0.47830.93540.85610.0479
Farmland0.46830.73890.63790.0404
Grassland0.12510.62820.30520.0592
Barren Land0.04900.39590.16450.0518 Cloud0.04690.23540.13200.0367
Town0.01990.49850.10620.0460
River0.01660.31170.10100.0340
Desert0.03450.15780.06930.0080
Reservior-0.7980-0.3107-0.26120.2042
分析：通过提取地物的DNVI值可以发现：①绿色植被的DNVI值比较高，一般大于
0.1，在NDVI影像上，以高亮度显示。

原因是绿色植被叶片组织对蓝光和红光有强烈的吸收，而对绿光和红外光则是强烈的反射，叶片里面的海绵组织和叶片背面组织对近红外辐射反射较强，使得植被在近红外波段和红光波段有很大的差异；又植物对红光的吸收会很快达到饱和，近红外反射则随着植被的增加而增加，所以通常植被覆盖越高，红光反射率越小，近红外光的反射越大，近红外波段与红光波段的差值也就越大，NDVI值也就越大。

本地区林地覆盖率大于农田，农田大于草地，所以NDVI(Forest)>NDVI(Farmland) >NDVI(Grassland)。

②城镇和裸地的NDVI值较接近，由于城镇中有大量的水泥建筑和部分裸露的土地，植被很少；裸地地区有大量的裸露泥土和岩石，植被很少，只有部分地区会生长较好的植被，而岩石、裸土在近红外和红光波段有相似的反射作用，在近红外波段稍高一些，所以城镇和裸地的NDVI一般在0-0.1，而本地区的平均值稍微高于0.1可能是裸地和城镇中有一些绿色植被。

③河流和水库的NDVI一般情况下接近0，原因是水体在红光和近红外波段的反射率基本一样。

但是本地区的河流NDVI平均值为0.1左右，原因是该地区的河流为季节性河流，在八月份的时候为干河床，干河床的光谱特征曲线和裸地差不多，所以河流的NDVI平均值为0.1左右，而水库中有泥沙、微生物等对可见光造成强烈的反射，所以NDVI平均值为负的。

④沙漠地区主要是沙子，植被非常稀少，沙子在近红外波段和红光波段的反射规律相似，且反射率值相近，近红外波段稍高，所以沙漠的NDVI值很小，接近0。

⑤云在可见光波段比近红外波段的反射率高，因而其NDVI 值应为负值，但是本地区云的NDVI平均值为0.13，可能是云本身对可见光进行了无选择性的散射，反射能量减少，即在红光波段的反射率减少，所以其NDVI值出现了正值。

4、地表温度反演结果
图9（原始影像）图10（温度反演影像）不同地表植被覆盖类型的辐射温度的统计表：
地物/温度℃Min Max Mean Stdev Desert35.7945.9941.13 2.82
Town30.1537.1634.52 1.04 Barren Land24.7538.5231.84 2.37
Grassland26.2434.4030.21 1.47 River23.2434.4026.62 3.16
Farmland24.2526.7425.370.52
Forest18.5832.0522.33 1.83
Reservior19.1022.7320.800.55 Cloud 1.4813.17 5.52 1.90。