基于Google Earth Engine（GEE）提取某区域地表温度（LST）的完整流程

最新推荐文章于 2025-10-17 21:23:38 发布

原创

最新推荐文章于 2025-10-17 21:23:38 发布 · 820 阅读

19 ·

CC 4.0 BY-SA版权

文章标签：

#遥感 #GEE #信息可视化 #数据挖掘 #人工智能 #python

在遥感应用中，地表温度（LST）是研究区域生态、气候变化的重要参数。本文将详细介绍如何使用Google Earth Engine（GEE）平台，基于Landsat 7影像数据提取某区域特定站点的地表温度，并对目标日期进行数据插值处理，最后导出结果数据。

一、项目背景与数据准备

1.1 研究区域与目标

本研究以某区域为研究区域，选取坐标为[100.1378, 37.3306]的站点作为监测点，目标是获取2019年特定日期的地表温度数据。如果目标日期没有可用影像，则通过时间序列插值获取。

1.2 数据选择

遥感数据：Landsat 7 Collection 2 Tier 1数据（LANDSAT/LE07/C02/T1_L2）
辅助数据：某区域边界矢量数据（projects/ee-hllutlu2024/assets/Region_Admin_Boundary）
目标日期：2019年2月12日、4月10日、7月22日、9月24日

二、完整代码实现与解析

2.1 基础设置

首先进行基础参数设置，包括站点位置、目标日期和研究区边界：

// 定义站点位置
var site = ee.Geometry.Point([100.1378, 37.3306]);

// 定义日期列表
var dates = [
  {
   
   year: 2019, month: 4, day: 10},
  {
   
   year: 2019, month: 7, day: 22},
  {
   
   year: 2019, month: 9, day: 24},
  {
   
   year: 2019, month: 2, day: 12}
];

// 加载某区域边界
var roi = ee.FeatureCollection("projects/ee-hllutlu2024/assets/Region_Admin_Boundary");

// 加载Landsat 7 Collection 2 Tier 1数据
var landsat = ee.ImageCollection("LANDSAT/LE07/C02/T1_L2");

2.2 云掩膜处理

Landsat影像受云污染影响较大，需要进行云掩膜处理。这里使用QA_PIXEL波段进行云与云影的识别和去除：

// 修正云掩膜函数
function maskClouds(image) {
   
   
  var qa = image.select('QA_PIXEL');
  var cloud = qa.bitwiseAnd(1 << 3);  // 云标志位 (bit 3)
  var shadow = qa.bitwiseAnd(1 << 4); // 云影标志位 (bit 4)
  return image.updateMask(cloud.eq(0).and(shadow.eq(0)));
}

原理说明：Landsat 7的QA_PIXEL波段中，第3位表示云，第4位表示云影。通过位运算提取这些信息，然后将云与云影区域的像素值屏蔽掉。

2.3 地表温度计算

从Landsat热红外波段计算地表温度需要进行辐射定标和大气校正，这里采用物理方法进行计算：

// 温度计算函数（物理校正）
function calculateTemp(image) {
   
   
  // 1. 获取原始DN值并转换为表观温度（开尔文）
  var dn = image.select('ST_B6');
  var atsat = dn.multiply(0.00341802).add(149.0);
  
  // 2. 水体比辐射率校正 (某区域适用)
  var emissivity = 0.80; // 水体典型比辐射率
  
  // 3. 物理参数设置
  var lambda = 11.5;      // Landsat 7 Band 6中心波长(μm)
  var rho = 14380;        // 物理常数(mK)
  
  // 4. 地表温度计算公式 (Jiménez-Muñoz & Sobrino, 2003)
  var lst_kel