长春地区地表温度反演研究

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。

风云卫星地表温度反演算法研究

风云卫星地表温度反演算法研究

地表温度是区域和全球地表物理过程中的关键因子，在地表和大气交

互及能量交换中起重要作用。利用热红外遥感数据可反演在空间和时

间连续的地表温度，在气候、农业、环境和灾害监测等领域有极大应

用价值。FY3A/MERSI及FY2/VISSR的热红外数据具有高空间分辨率

和高时间分辨率的优势，其地表温度产品具有很好的应用前景。现有

算法不可直接应用，针对这两个传感器数据特点研究反演算法十分必

要。本文首先选用MODTRAN4模拟大气和几何因子对FY3A/MERSI和

FY2/VISSR热红外通道大气透过率及上、下行辐射的影响，结果显示

晴空条件下观测天顶角和大气水汽含量起主要作用，反演地表温度时

可只校正这两个因子影响。其次，通过模拟实验研究地表比辐射率测

量中大气下行长波辐射的快速测量方法，并经过野外测量实验验证，

得此方法可获取准确下行辐射保证地表比辐射率测量精度。对于我国

西部测量的地表比辐射率进行多项分析，显示出测量结果的可靠性、

实验选点的代表性、测量地表的均一性，及测量地表时间上的稳定性。

该测量数据对地表比辐射率反演算法的发展和验证极具价值。

第三，研究针对FY3A/MERSI传感器通道的单通道算法。用模拟实

验拟合大气参数表达式和观测角度表达式的系数，用实验数据发展和

验证地表比辐射率反演算法。对算法模拟验证，结果显示加入角度因

子在角度大于20°时反演精度改善极为显著。星-地同步验证显示在

敦煌区域MERSI反演结果较地面测量温度平均偏差-

1.985K。第四，选择考虑水汽因子的分裂窗算法反演FY2F地表温

度。通过模拟实验选用对水汽的拟合精度最高的表达式引入分裂窗算

法，然后拟合各观测角度下系数建立查找表。经模拟和遥感数据验证

实验，本文反演算法有明显优势，可反演高精度地表温度。 摘要

4-5Abstract5-9第一章 绪论9-21

1.1 选题背景和研究的科学意义9-11

ndvi在温度反演(lst)公式

温度反演（LST）是一种用于确定地表温度的技术，它可以通过一种被称为归一化差异植被指数（NDVI）的指标来实现。NDVI是一种衡量植被生长和健康状况的指标，它基于植被对红外和可见光的反射率差异。

在温度反演中，NDVI被用作一个关键参数，以帮助推断地表温度。NDVI的计算方法是通过测量地表的红外和可见光反射率来获得的。这个指标可以用来反映植被的状况，因为植被通常具有较高的可见光反射率和较低的红外反射率。因此，当植被生长得更好时，NDVI值会增加。

NDVI与地表温度之间存在一种相反的关系。当地表温度升高时，植被的生长和健康状况可能会受到影响，导致NDVI值下降。相反，当地表温度下降时，植被的生长和健康状况可能会改善，导致NDVI值增加。

基于NDVI和地表温度之间的这种关系，可以通过建立一个数学模型来进行温度反演。该模型可以使用已知的NDVI值来推断地表温度。这种方法可以在遥感技术中广泛应用，特别是在农业、环境和气候研究中。

通过NDVI在温度反演中的应用，我们可以更好地了解地表温度的变化趋势，并对植被生长和健康状况进行评估。这对于农业管理、环境监测和气候研究都具有重要意义。

NDVI在温度反演中起着重要的作用。通过测量地表的红外和可见光反射率差异，NDVI可以帮助我们推断地表温度。这种方法在农业、环境和气候研究中具有广泛的应用前景，为我们提供了更好地了解地表温度和植被状况的机会。

ir being are good for somethin单窗算法反演地表温度教程1.1 算法原理1.1.1单窗算法单窗算法（MW算法）是覃志豪于2001年提出的针对TM数据只有一个热红外波段的地面温度反演算法。经过众多学者验证，单窗算法具有很高的反演精度，且同样适用于ETM+和landsat 8数据。公式如下：6666666666/)))1(()1((CTDTDCDCbDCaTasensors式中，LST为地表温度（K），Tsensor是传感器上的亮度温度（K），Ta是大气平均温度（K）；a、b为参考系数，当地表温度为0-70℃时，a = -67.355351，b = 0.458606；C 、D为中间变量，计算公式为：式中，为地表比辐射率，为地面到传感器的大气总透射率。因此单窗算法反演地表温度的关键是计算得到亮度温度Tsenso、地表比辐射率、大气透射率和大气平均作用温度Ta。1.1.2参数计算1.1.2.1辐射亮温计算 利用Planck公式将图像像元对应传感器辐射强度值转换为对应的亮度温度值。公式如下

ings in their being are good for somethi

n式中，Tsenso为亮度温度值；影像预处理后得到的光谱辐射值，L单位为，K1 、K2为常量，可由数据头文件获取。)/(2msrmw计算图像辐射亮温之前，需采用辐射定标参数将像元灰度值DN转换为热辐射强度值，公式如下：

式中，ML为增益参数，AL为偏移参数，该参数可直接在影像通文件数据中获取，且ENVI软件中已经集成，不需要自己在查找。1.1.2.2地表比辐射率计算 根据覃志豪针对TM影像提出的混合像元分解法来确定区域地表福辐射率。对于城市区域，我们简单的将其分为水体、自然表面和建筑表面三种，因此针对混合像元尺度上的地表比辐射率通过下式来估算：

式中，为混合像元的地表比辐射率；PV为植被覆盖率；RV为植被的温度比率；RM为建筑表面的温度比率；V表示植被法地表比辐射率，m表示建筑表面的地表比辐射率；d表示辐射校正项。 根据覃志豪经验公式，V=0.986；m=0.972。