ENVI软件的地表温度(LST)反演教程

news2024/11/27 9:37:24

前言

遥感图像处理平台(The Environment for Visualizing Images)的软件处理技术覆盖图像数据的输入/输出、图像定标、图像增强、纠正、正射校正、镶嵌、数据融合以及各种变换、信息提取、图像分类、基于知识的决策树分类、与GIS的整合、DEM及地形信息提取、雷达数据处理、三维立体显示分析。

<ENVI地表温度反演——单窗算法>

【原理】

温度反演原理: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。

单窗算法:中国农业科学院农业资源与农业区划研究所 覃至豪发明。原理不做过甚探究,重点是方法为我所用。

【数据来源】

地理空间数据云 http://www.gscloud.cn/

NASA官网 https://www.nasa.gov/

Landsat网站 https://www.usgs.gov/core-science-systems/nli/landsat

01

数据预处理

1.1 数据获取

      地理空间数据云选取了2017年7月10日landsat8的影像,成像效果理想,轨道号为123/33,研究区内图像质量良好,影像中无云雾遮挡,地物类型清晰, Landsat8多光谱波段的空间分辨率为30m。

1.2 辐射亮度温度

1.2.1 热红外波段辐射定标与亮度
        首先导入图像,进行辐射定标,波段选取热红外Thermal。

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)。

K1=774.89,K2=1321.08。
然后就可以开始我们的波段运算了。

右键赋予颜色分级,根据温度区间调整至简明美观。(所有计算图都可颜色分级,不分级不影响后续运算)

1.3 地表比辐射率

       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,再计算ndvi,进而利用ndvi计算植被覆盖度。

1.3.1 多光谱辐射定标

       Radio辐射分析选的是MultiSpectral的,然后点击确定。output interleave换成BIL,然后apply flaash settings把scale factor换成0.10,在output filename设置输出图层名。

1.3.2 NDVI计算

       多光谱辐射定标得到的图进行NDVI处理。

       为了确保ndvi数值准确(在-1到1之间)进入统计-空间统计验证。记录累计百分比在5%和95%的ndvi数值-0.325490和0.584314。

1.3.3 植被覆盖度计算

方法一:NDVI数值计算

       *(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))把上一步ndvi获取的两个数值(- 0.325490和0.584314 )分别替换NDVI MIN和NDVI MAX。

方法二:波段计算

       利用(近红外波段-红波段)/(近红外波段+红波段)的公式,在envi中使用transform下的NDVI公式时需要时组合波段(即多个波段组合一起的文件,如果各个波段分开的则无法使用) NDVI=(float(b4)-float(b3))/(float(b4)+float(b3))

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

02

地表温度反演

2.1 中间参数计算

       C是由地表比辐射率和大气透射率相乘得来。C=b1*0.73

       大气透射率计算:在NASA官网atmcorr.gsfc.nasa.gov/中输入成影时间以及中心经纬度,则会提供大气透射率。

中间参数D同样是用波段计算

D=*(1-0.73)*(1+(1-b1)0.73)

2.2 地表温度LST反演

       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2:53拍摄的,所以接近当日的最低温,查询得当日最低温为25摄氏度,在这里把它变换成开氏温度为298.15。所以T0=298.15,

然后Ta=2973.63353。
最后要减去273.15转化为摄氏度

(-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)

上式b1是C,b2是D,b3是辐射亮温

需计算Ta是大气平均作用温度,T0是近地面温度。

以上,就完成了天津市中心城区的地表温度反演。

温馨提示

       地表温度反演一般使用单窗算法、劈窗算法。本文演示的是“老实人式”按步操作法﹔如果同学们对此感兴趣﹐本公众号将在下次为大家带来其他更简易的方法哦。比如说:

>“阿姆斯特朗”法

       作为人类首个踏上月球的宇航员﹐阿姆斯特朗说过“我的一小步﹐是人类的一大步。”同样在地表反演法中﹐可以采用ENVI拓展工具简单快速的获取大气剖面系数以便计算。

>“偷得浮生半日闲”法

       北京大学遥感与地理信息研究所任华忠老师团队发了一个称为“LSTfromL8_PKU"的软件,可直接通过landsad不同图像代表波段以植被覆盖率法和地表分类法进行温度反演。

本文来源:韧性城市规划

最系统的ENVI含土地利用、植被指数、耕地监测、水质反演、温度反演、干旱监测专题

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/662243.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【FPGA入门】第四篇、有限状态机

目录 第一部分、一个关于有限状态机的例子 第二部分、学会有限状态机的准备知识 1、什么是有限状态机&#xff1f; 2、为什么需要状态机&#xff1f; 3、什么是竞争冒险&#xff1f; 3.1、什么情况下会发生竞争冒险&#xff1f; 3.2、为什么组合逻辑电路会产生竞争和冒险…

HBase入门(一)

第1章 HBase简介 1.1 HBase定义 HBase是一种分布式、可扩展、支持海量数据存储的NoSQL数据库。 1.2 HBase数据模型 逻辑上&#xff0c;HBase的数据模型同关系型数据库很类似&#xff0c;数据存储在一张表中&#xff0c;有行有列。但从HBase的底层物理存储结构&#xff08;…

【C语言复习】第四篇、有关C语言数据类型的知识

目录 第一部分、前言 第二部分、初识数据类型 1、C语言为啥要这么多的数据类型&#xff1f; 2、表格中所占内存的大小是如何计算得到的&#xff1f; 2.1、计算机的内数据存储单位 2.2、关键字sizeof的使用说明&#xff08;具体后面会更详细的解释&#xff09; 3、为什么…

【Python 随练】求最大公约数和最小公倍数

题目&#xff1a; 输入两个正整数 m 和 n&#xff0c;求其最大公约数和最小公倍数。 简介&#xff1a; 在本篇博客中&#xff0c;我们将解决一个常见的数学问题&#xff1a;求两个正整数的最大公约数和最小公倍数。我们将提供问题的解析&#xff0c;并给出一个完整的代码示例…

【新星计划Linux】——Linux介绍与了解Linux与Windows系统区别

作者简介&#xff1a;一名云计算网络运维人员、每天分享网络与运维的技术与干货。 座右铭&#xff1a;低头赶路&#xff0c;敬事如仪 个人主页&#xff1a;网络豆的主页​​​​​ 目录 前言 一.Linux系统 1.Linux系统与Windows系统的区别 &#xff08;1&#xff09;性…

【JavaScript】ES6新特性(4)

14. Proxy 代理 Proxy 可以对目标对象的读取、函数调用等操作进行拦截&#xff0c;然后进行操作处理 它不直接操作对象&#xff0c;而是像代理模式&#xff0c;通过对象的代理对象进行操作&#xff0c;在进行这些操作时&#xff0c;可以添加一些需要的额外操作 14.1 Object.d…

2023年DAMA-CDGA/CDGP数据治理工程师认证这里报名

DAMA认证为数据管理专业人士提供职业目标晋升规划&#xff0c;彰显了职业发展里程碑及发展阶梯定义&#xff0c;帮助数据管理从业人士获得企业数字化转型战略下的必备职业能力&#xff0c;促进开展工作实践应用及实际问题解决&#xff0c;形成企业所需的新数字经济下的核心职业…

追梅西的少年

* * * 原创&#xff1a;刘教链 * * * 号外&#xff1a;今天在“刘教链Pro”发表了头条《鼠头和鸭脖——中心化验真的困境》&#xff0c;以及次条《内参&#xff1a;美SEC执法主管表示&#xff0c;DeFi是纯粹的欺诈&#xff01;&#xff1f;&#xff1f;》&#xff0c;欢迎关注…

云安全技术(六)之云架构模型

云架构模型 1.1 舍伍德业务应用安全架构(SABSA) 舍伍德业务应用安全架构(Sherwood Applied Business Security Architecture&#xff0c;SABSA)的官方网站是 。SABSA提供了一组组件&#xff0c;这些组件可部分或全部用作任何系统的安全架构方www.sabsa.org法。如下&#xff1a…

【Flutter】Flutter中如何获取子类Widget并调用它的方法

文章目录 一、前言二、理解 Flutter 中的 Widget三、如何在 Flutter 中获取子类 Widget1. 使用 GlobalKey2. 使用 context.findAncestorWidgetOfExactType 四、如何调用子类 Widget 的方法五、如何在 Flutter 中传递数据六、总结 一、前言 如果你想深入学习 Flutter&#xff0…

如何打造优秀Web3产品

近日&#xff0c;我们采访了Mysten Labs的联合创始人兼首席执行官Evan Cheng&#xff0c;探讨了Web3技术对消费者的价值、Web3行业应该如何更好地自我诠释&#xff0c;以及它对产品开发的影响。 您曾谈到Web3作为一种所有权实验&#xff0c;这种新技术可能会改变消费者的行为。…

Can’t connect to MySql server on ‘localhost’(10038)

一般是一下几个原因&#xff1a; 1、MySQL服务没有启动 2、用户没有权限使用远程连接 3、linux中防火墙中没有配置MySQL端口&#xff08;3306&#xff09; 使用命令service mysqld status 或者service mysql status 命令来查看mysql的启动状态 启动MySQL命令&#xff1a; …

±0.1℃精度、超低功耗的高精度数字模拟混合信号温度传感芯片

温度芯片感温原理基于CMOS半导体PN节温度与带隙电压的特性关系&#xff0c;经过小信号放大、模数转换数字校准补偿后&#xff0c;数字总线输出&#xff0c;具有精度高、一致性好、测温快、功耗低、可编程配置灵活、寿命长等优点。 温度芯片内置16-bit ADC&#xff0c;分辨率0.…

用代码生撸qsort函数来实现冒泡排序

作者主页&#xff1a;paper jie的博客_CSDN博客-C语言,算法详解领域博主 本文作者&#xff1a;大家好&#xff0c;我是paper jie&#xff0c;感谢你阅读本文&#xff0c;欢迎一建三连哦。 本文录入于《C语言》专栏&#xff0c;本专栏是针对于大学生&#xff0c;编程小白精心打造…

Windows 系统彻底卸载 SQL Server 通用方法

Windows 系统彻底卸载 SQL Server 通用方法 无论什么时候&#xff0c;SQL Server 的安装和卸载都是一件让我们头疼的事情。因为不管是 SQL Server 还是 MySQL 的数据库&#xff0c;当我们在使用数据库时因为未知原因出现问题&#xff0c;想要卸载重装时&#xff0c;如果数据库…

Jetson Xavier NX 备份与烧录固态系统

目录 1 需要的硬件 2 需要安装在ubuntu上的软件 2.1 安装gparted 2.2 安装nvidia官方烧录包 2.2.1 下载 2.2.2 配置 3 备份系统 4 烧入系统 1 需要的硬件 像是 nx&#xff0c;nx附带的固态硬盘&#xff0c;显示器 这些就赘述了 一个ubuntu实体机(虚拟机听说…

ansible-roles模块

roles用于层次性&#xff0c;结构化地组织playbook&#xff0c;roles能够根据层次型结构自动装载变量文件&#xff0c;tasks以及handlers等。要使用只要载playbook中使用include指令引入即可。 &#xff08;roles就是通过分别将变量&#xff0c;文件&#xff0c;任务&#xff…

u盘中毒文件夹数据丢失怎么恢复?这里有4个恢复方案

您是否曾经遇到过U盘中毒的情况&#xff1f;连累到文件夹内的数据文件消失了&#xff0c;如果丢失的是重要数据&#xff0c;这或许会对我们工作或学习带来了极大的困扰。为了解决您的困扰&#xff0c;下面将根据不同情况给予不同的U盘中毒数据恢复方案&#xff0c;帮助您尽快找…

小红书各行业流量分析:普通人怎么有效使用小红书?

随着互联网的发展&#xff0c;越来越多的人开始利用自媒体平台赚钱。小红书是近年来兴起的一种新型自媒体平台&#xff0c;也是国内最大的海外购物分享平台之一。随着小红书用户的不断增加&#xff0c;小红书的流量趋势也在发生着变化。那么&#xff0c;在各行业的流量趋势中&a…

驱动开发:文件微过滤驱动入门

MiniFilter 微过滤驱动是相对于SFilter传统过滤驱动而言的&#xff0c;传统文件过滤驱动相对来说较为复杂&#xff0c;且接口不清晰并不符合快速开发的需求&#xff0c;为了解决复杂的开发问题&#xff0c;微过滤驱动就此诞生&#xff0c;微过滤驱动在编写时更简单&#xff0c;…