地表温度反演教程
时间: 2025-06-11 13:35:24 浏览: 19
### 地表温度反演教程及遥感数据处理指南
地表温度(LST)的反演是遥感领域的重要研究内容之一。基于热红外波段的地表辐射特性,结合遥感影像和大气校正模型,可以实现对地表温度的有效估算[^2]。以下将详细介绍基于ENVI软件的地表温度反演流程,并结合Landsat 8 OLI/TIRS数据进行说明。
#### 1. 数据准备
在进行地表温度反演之前,需要准备以下数据和工具:
- **遥感影像**:通常使用Landsat 8 OLI/TIRS数据,因其包含热红外波段(Band 10 和 Band 11),能够反映地表辐射特性。
- **大气校正插件**:如FLAASH或DARK OBJECT SUBTRACTION(DOS)等,用于将影像从数字量值(DN)转换为反射率或亮度温度。
- **辅助数据**:包括气象数据(如大气水汽含量、气压等),以提高反演精度。
#### 2. 数据预处理
在ENVI中,可以通过以下步骤完成数据预处理:
- **辐射定标**:将DN值转换为辐亮度(Lλ)。公式如下:
```python
Lλ = ML * Qcal + AL
```
其中,`ML` 和 `AL` 分别为影像元数据中的乘性因子和加性因子,`Qcal` 为DN值[^4]。
- **大气校正**:利用FLAASH插件或其他大气校正工具,将辐亮度转换为地表反射率或亮度温度。此过程需输入大气参数,如水汽含量、气压等。
#### 3. 地表温度反演
地表温度的反演方法主要包括物理模型法和经验统计法。以下是基于单窗算法的反演步骤:
- **计算NDVI**:通过归一化植被指数区分地表覆盖类型,公式为:
```python
NDVI = (NIR - Red) / (NIR + Red)
```
其中,`NIR` 和 `Red` 分别为近红外波段和红光波段的反射率[^3]。
- **分离地表发射率**:根据NDVI值计算地表发射率(ε)。经验公式如下:
```python
ε = a * NDVI + b
```
参数`a`和`b`可通过实验测定或参考文献获得[^1]。
- **反演地表温度**:结合亮度温度(TB)和地表发射率(ε),利用普朗克定律反演地表温度(LST)。公式如下:
```python
LST = TB / ε^(1/α)
```
其中,`α`为经验系数,通常取值为1.4[^4]。
#### 4. 结果验证与分析
反演完成后,需对结果进行验证和误差分析。可采用地面实测温度数据作为参考,计算均方根误差(RMSE)或相关系数(R²)以评估模型精度。
```python
import numpy as np
def calculate_rmse(observed, predicted):
return np.sqrt(np.mean((observed - predicted)**2))
# 示例数据
observed = np.array([30.5, 31.0, 32.5, 33.0])
predicted = np.array([30.0, 31.5, 32.0, 33.5])
rmse = calculate_rmse(observed, predicted)
print(f"RMSE: {rmse:.2f}°C")
```
---
###
阅读全文
相关推荐















