温度反演模型

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。

landsat5地表温度反演步骤
Landsat 5地表温度反演步骤如下：
1. 获取Landsat 5卫星遥感数据：从美国地质调查局(USGS)或其他相关机构获取相应的Landsat 5地表温度遥感数据。

2. 辐射校正：对遥感数据进行辐射校正，将数字计数值转换为辐射亮度。

3. 大气透过率校正：通过大气透过率模型校正遥感数据，去除大气影响。

4. 辐射温度计算：根据温度-辐射关系模型，将辐射亮度转换为辐射温度。

5. 地表辐射温度计算：考虑地表辐射率、植被覆盖、水汽含量等因素，将辐射温度转换为地表温度。

6. 数据剔除和补全：根据质量控制指标剔除无效数据，并进行缺失数据的补全。

7. 结果验证与分析：对反演结果进行验证和分析，与实地观测数据进行比较，并考虑地形、土壤类型等因素对结果进行解释和讨论。

8. 结果输出和应用：将地表温度反演结果输出为栅格数据或矢量数据，用于环境监测、气候研究、农业生产等应用领域。

需要注意的是，地表温度反演是一个复杂的过程，需要综合考虑多个因素，如大气状况、地表材料、遥感数据质量等，以确保反演结果的准确性和可靠性。

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。

地表温度遥感反演模型改进及其在城市规划中的应用思考地表温度是指地表各点的温度值，它是地球能量平衡过程中重要的参数之一。

传统的地表温度观测方法包括气象站点观测和陆地表面观测，然而这些方法在时间和空间上存在一定的局限性。

近年来，利用遥感技术对地表温度进行反演成为一种重要的手段。

本文将通过改进地表温度遥感反演模型，并探讨其在城市规划中的应用思考。

首先，地表温度遥感反演模型的改进对于提高反演精度具有重要意义。

目前，一般采用黑体辐射模型和亮温-温度关系模型进行地表温度的反演。

然而，这些模型在复杂地表条件下存在一定的局限性，如城市地表由于城市热岛效应等因素造成的温度变化较大。

因此，我们可以通过引入辅助因子来改进地表温度遥感反演模型。

例如，可以利用土地利用/覆盖类型（Land Use/Cover Types，LULC）数据、高程数据和气象数据等，结合多源数据构建地表温度反演模型。

这样可以综合考虑不同因素对地表温度的影响，提高反演模型的准确性和稳定性。

其次，地表温度遥感反演模型在城市规划中有着广泛的应用前景。

城市规划是指通过合理的布局和设计，以实现城市的可持续发展和人民生活质量的提升。

地表温度作为城市热环境的重要参数，对城市规划具有重要的指导意义。

首先，地表温度反演模型可以为城市规划提供科学依据。

通过对地表温度的反演和分析，可以揭示城市热岛效应的空间分布特征，为城市规划提供热环境指导。

其次，地表温度反演模型可以辅助城市热环境评价。

通过对地表温度的反演和分析，可以评估城市热环境的状况，为城市规划和城市管理部门提供决策支持。

再次，地表温度反演模型可以为城市热环境治理提供科学依据。

通过对地表温度的反演和分析，可以研究城市热岛效应的形成机制，制定相应的治理措施，以改善城市热环境。

然而，地表温度遥感反演模型在应用过程中还面临一些挑战和问题。

首先，地表温度遥感反演模型对数据质量要求较高。

由于遥感数据本身具有一定的噪声和误差，因此对遥感数据进行预处理和校正是必不可少的。

1、TM/ETM波段的热辐射传导方程：B6(T6)=t6(q)[e6B6(Ts)+(1-e6)I6~]+I6_Ts是地表温度；T6是TM6的亮度温度；t6是大气透射率；e6是地表辐射率。

B6(T6)表示TM6遥感器所接收到的热辐射强度；B6(Ts)是地表在TM6波段区间内的实际热辐射强度，直接决取于地表温度；I6~和I6_分别是大气在TM6波段区间内的向上和向下热辐射强度。

2、化简后最终的单窗体算法模型为：Ts={a(1-C-D)+[b(1-C+D)+C+D]T6-DTa}/C式中C6=t6e6(e6为比辐射率，t6为透射率）D6=(1-t6)[1+t6(1-e6)]a =-67.355351，b=0.4586063、大气平均作用温度Ta的近似估计温度换算：T＝t＋273.15本图为7月份拍摄，对于中纬度夏季平均大气Ta=16.0110+0.92621T0取乌鲁木齐市平均气温为25摄氏度时Ta = 312.157534、大气透射率t6的估计t6=0.974290-0.08007w，0.4≤w≤1.6。

w为水分含量，单位(g/cm2)，这里，取w=1.0，计算得到t6=0.894225、地表比辐射率的估计典型地表类型的比辐射率ew=0.995ev=0.986em=0.970Pv=[(NDVI- NDVIs)/(NDVIv- NDVIs)]2NDVI 为归一化植被指数, 取NDVIv=0.70 和NDVIs=0（分别取自5%及95%数据）e surface=0.9625+0.0614Pv-0.0461Pv^26、像元亮度温度计算T6=K2/ln(1+K1/L6)其中：K1=607.76，K2=1260.56（覃志豪，用陆地卫星TM6数据演算地表温度的单窗算法）；L6为遥感器接收的辐射强度。

7、遥感器接收的辐射强度计算L6=(15.303-1.238)*b1/255.0+1.238 （覃志豪，用陆地卫星TM6数据演算地表温度的单窗算法）；b1为第六波段像元灰度值（DN值）。

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。