【GEE】基于GEE-Landsat8数据集地表温度反演（LST热度计算）

news2025/1/9 10:22:16

老样子，最近在做生态方面的项目，然后需要分析城市的热岛效应，想了想还是用GEE计算比较简单，直接下载影像太麻烦了。所以在网上看看了资料，踩了踩坑终于是将代码写出来了。秉承着取之于民、用之于民的想法，今天给大家分享一下如何使用GEE的Landsat8数据集进行地表温度的反演。

踩坑1：网上大部分的资源都是C01数据集，但是GEE在2021年的时候就已经将Landsat8数据整合到C02数据集中了，所以直接用网上的代码可能会出现波段不存在的报错！

踩坑2：资源质量不一，有的用地表反射率产品，有的用大气产品导致代码复杂，不容易复现！

一、思路

Landsat8数据的L2级产品的热红外波段ST_B10就直接对应着地表温度，只需简单计算即可获取摄氏度。（问就是不知道，以前做的都是单床算法啥的计算NDVI进行反演）GEE官方给出了这个example所以就直接用了。

二、代码

记得将自己的研究区导进去，默认命名是table，所以导进去直接运行即可。


var roi = table //感兴趣的区域信息
var style_set = {color:"red",fillColor:"00000000"}; //设置地图中要素的颜色和填充颜色
Map.addLayer(roi.style(style_set),{},"shape") //使用之前定义的样式集将roi添加到地图中。该地图层默认使用几何形状（例如多边形）来表示区域
Map.centerObject(roi,10) //将地图中心设置为roi对象，并设置缩放级别为10

//本示例演示了使用Landsat 8 Collection 2，Level 2的QA_PIXEL波段（CFMask）来屏蔽不需要的像素。

//定义函数maskL8sr，接受一个图像作为输入，并对图像进行处理
function maskL8sr(image) {
  // Bit 0 - Fill
  // Bit 1 - Dilated Cloud
  // Bit 2 - Cirrus
  // Bit 3 - Cloud
  // Bit 4 - Cloud Shadow
  var qaMask = image.select('QA_PIXEL').bitwiseAnd(parseInt('11111', 2)).eq(0);
  //从输入图像中选择QA_PIXEL波段，使用位运算和掩码来识别填充、云、云影等像素
  var saturationMask = image.select('QA_RADSAT').eq(0); //从输入图像中选择QA_RADSAT波段，并识别未饱和的像素。
  
  // 将缩放因子应用于适当的频带
  var opticalBands = image.select('SR_B.').multiply(0.0000275).add(-0.2);
  // 从输入图像中选择光学波段，并应用归一化处理。
  var thermalBands = image.select('ST_B.*').multiply(0.00341802).add(149.0);
  // 从输入图像中选择热红外波段，并应用归一化处理。

  // 用缩放的带替换原始带并应用掩码。
  return image.addBands(opticalBands, null, true)
      .addBands(thermalBands, null, true)
      .updateMask(qaMask)
      .updateMask(saturationMask);
}


// 将函数映射到一年的数据上
var collection = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2')
                     .filterDate('2022-01-01', '2022-12-31')
                     .map(maskL8sr)
                     .median() //中值合成
                     .clip(roi); //裁剪

// Display the results.
// Map.setCenter(-4.52, 40.29, 7);  // Iberian Peninsula

// print(dataset)
var img = collection.select("ST_B10") //从处理后的图像集合中选择热红外波段（'ST_B10'）
var lst = img.expression(
    'B1-273.15',
    {
        B1:img.select('ST_B10'), 
    }); //对选择的热红外波段进行计算表达式操作
    
print("LST直方图", ui.Chart.image.histogram(lst, roi, 100, 258)) //打印直方图，显示热红外波段处理后的数据分布情况
print(lst) //打印热红外波段处理后的数据

Map.addLayer(lst, {'min':2,'max':49,'palette':["eff3ff","c6dbef","9ecae1","6baed6","4292c6","2171b5","084594",
"fff5f0","fee0d2","fcbba1","fc9272","fb6a4a","ef3b2c","cb181d","99000d"]}, 'lst')
// 将处理后的热红外波段数据添加到地图上，并设定显示范围和颜色映射

function exportImage(image, roi, fileName) {  
    Export.image.toDrive({  
       image: image,  
       description: "Landsat8"+fileName,  
       fileNamePrefix: fileName,  //文件命名
       folder: "Landsat 8",  //保存的文件夹
       scale: 30,  //分辨率
       region: roi,  //研究区
       maxPixels: 1e13,  //最大像元素
       crs: "EPSG:4326"  //设置投影
   });  
 }
exportImage(lst,roi,"lst")