专题二：ENVI下利用ETM+数据反演地表

基于ETM 数据煤田火区地表温度反演的研究实验操作步骤与流程算法：单通道算法，其公式为Τs =γ[ε−1(ψ1L sensor +ψ2)+ψ3]+δ （1）γ={c 2L sensor T sensor 2[λ4c 1L sensor +λ−1]}−1（2） δ=−γL sensor +T sensor （3）L sensor =L min (λ)+[L max (λ)−L min (λ)]Q DN Q max ⁄ （4）T sensor =K 2ln (1+K 1L (λ)⁄)⁄ （5） K 1=666.09(mW ∙cm −2∙sr −1∙um −1), K 2=1282.71Kψ1=0.1471∙ω2−0.1558ω+1.1234 （6）ψ2=−1.1836∙ω2−0.3761ω−0.5289 （7）ψ3=−0.0455∙ω2+1.8719ω−0.3907 （8）ω=0.177e +0.339 （9）e =0.6108∗exp [17.27(Τ0−273)237.3+Τ0−273]∗RH （10） 先来说明单通道算法公式（1）中γ，L sensor ，δ，ψ1，ψ2，ψ3等这些参数的计算过程，地表比辐射率ε的计算过程稍后在说明。

（1）对于ψ1，ψ2，ψ3的计算，只要查阅资料得知相对湿度RH ，与温度Τ0后，就可以算出大气中水蒸汽的含量ω，进而可以根据公式算出ψ1，ψ2，ψ3。

（2）对于L sensor 的计算，也就是辐射校正的过程，主要目的在于把影像中像元的灰度值转化成辐亮度L sensor ，公式（4）中的L min (λ)，L max (λ)，Q max 在影像头文件中可以找到，Q DN 就是所要进行校正的影像。

在ENVI 中的操作如下： Basic tools → band math ,然后点开出现如下左侧对话框：对于ETM 数据热红外波段高增益就是L sensor =3.2+9.45∙Q DN 255⁄ 然后点ok 出现如下右侧对话框：选择b1为需要校正的波段指定输出文件夹点ok即可。

孟宪红等7分别采用辐射传输方程算法单窗算法和普适性单通道算法利用landsat5tm遥感数据对甘肃金塔地区的地表温度进行反演并以金塔绿洲自动气象站的红外地表温度探头获取的地表辐射温度资料为基础将流动观测中由手持式红外测温仪获取的地表温度插值到卫星过境时刻通过比较得到辐射传输方程算法单窗算法和普适性单通道算法的平均误差分别为188187和286认为这3种方法都能较好地反映地表温度的分布趋势
的影响，暴露于地表上的部分还会受到空气温度和太阳 辐射的影响，这些因素共同造成了水银温度计的测量误 差[3]，同时这样接触式测量难以实现大面积快速测量，其 结果也缺乏区域代表性[4]。红外辐射计能够以非接触的方 式测量地表辐射温度，对于均匀下垫面有一定代表性。 但是如果直接用红外辐射计得到的地面实测值来对遥感 反演结果进行验证，则忽略了周围的环境辐射以及地表 比辐射率的影响[5]。吴骅[6] 基于上述 3 种反演算法，利 用 TM 影像计算了北京城区的地表温度，结果表明：辐 射传输方程算法反演的地表温度最高，其次为单窗算法， 普适性单通道算法反演得到的地表温度最低，而且单窗 算法反演得到的水体温度与使用红外辐射计观测的温度 值相差近 2℃。孟宪红等[7]分别采用辐射传输方程算法、 单窗算法和普适性单通道算法，利用 Landsat-5 TM 遥感 数据对甘肃金塔地区的地表温度进行反演，并以金塔绿 洲自动气象站的红外地表温度探头获取的地表辐射温度 资料为基础，将流动观测中由手持式红外测温仪获取的 地表温度插值到卫星过境时刻，通过比较，得到辐射传 输方程算法、单窗算法和普适性单通道算法的平均误差 分别为 1.88℃、1.87℃和 2.86℃，认为这 3 种方法都能较 好地反映地表温度的分布趋势。高志强等[8]利用研究样带 区域 57 个国家一级气象观测站的实测地表温度数据，并 采用二项式插值方法对地表温度进行空间尺度的扩展， 分别与 CLM（Common Land Surface Model）模拟的地表 温度和 AVHRR 遥感数据反演的地表温度进行了对比研 究，结果表明：模式模拟得到的地表温度与实测地表温 度的分布格局吻合。在水域和农田上，模拟值误差较大， 而在裸地、草地和林地上，模拟温度误差较小。利用分 裂窗算法反演得到的地表温度与地面实测值相差较大， 在裸地和农田上的差异更加明显。相对而言，分裂窗算 法较适合于自然覆盖状态的地表温度的反演。Li Fuqin

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）。

利用ENVI软件反演土壤湿度指数晏红波2015-03-200. 绪论土壤湿度在陆地与大气界面进行水分和能量的交换过程中起重要作用，同时对农作物的生长起决定性作用，而且影响着土地退化、植被覆盖，是气候、生态、水文、农业等多个领域的重要参数。

区域性和大尺度的陆地土壤湿度变化信息对于陆气交互作用平衡和陆面水文研究、改善区域及全球气候模式预报结果、水涝和干旱的监测、农作物生长态势评估、自然和生态环境问题的研究等都是十分关键的因素。

因此，研究区域性和大尺度的陆地土壤湿度变化情况意义重大，这也是当前国际研究的热点问题之一。

传统的土壤湿度监测方法包括烘干称重法、中子仪探测法、电阻法等，虽然可以比较准确地监测小范围内的土壤含水量，但是需要耗费较大的人力和时间，时效性不高，而且不能完全反映出较大区域内的土壤含水量的情况，不能用于大范围土壤水分的监测。

利用遥感手段反演土壤湿度可以实现全区域大面积的实时动态监测，因此利用遥感手段监测土壤湿度越来越引起人们的重视。

常用的遥感波段包括可见光，近红外，热红外以及微波等。

不同波段反演土壤湿度所用的反演方法也不同。

1. 遥感反演土壤湿度的主要方法遥感反演土壤湿度根据波段的不同分为3类：微波遥感土壤湿度法；作物植被指数法；热红外遥感监测法（主要是应用热惯量模型）。

（1）微波遥感土壤湿度法分主动微波遥感监测法和被动微波遥感监测法两种。

此方法物理基础坚实，即土壤的介电特性和土壤含水量密切相关，水分的介电常数大约为80，干土仅为3，它们之间存在较大的反差。

土壤的介电常数随土壤湿度的变化而变化，表现于卫星遥感图像上将是灰度值G亮度温度Tb的变化。

因此，微波遥感土壤水分的方法被广泛地应用于实际的监测工作中。

A 主动微波遥感监测法以应用x波段侧视雷达为主，主要是后向反射系数法。

因为含水量的多少直接影响土壤的介电常数，使雷达回波对土壤湿度反映极为敏感，据此可建立后向散射系数和土壤水分含量之间的函数关系。