定量遥感实验二 地表温度反演

一、实验目的

遥感定量反演就是根据观测信息和模型求解或推算描述地面实况的应用参数，遥感反演的基础是描述遥感信号或遥感数据与地表应用之间的关系模型。地表温度是陆表过程研究的关键参数，卫星反演地表温度是获取区域及全球尺度辐射平衡、能量收支研究中地表温度参数的有效手段。

通过本次实验，希望可以掌握以下内容：

1. 深刻理解定量遥感中基于遥感光谱曲线的地物识别原理，并能根据提供的遥感影像对地物进行识别，同时熟练掌握本次实验中对温度的遥感定量反演模型和方法，做到可以在仅提供公式的情况下独立完成地表温度的反演；
2. 学习理解并熟练掌握ENVI软件中的 Bandmath工具进行地表温度反演的过程，理解其基本原理与一些可以优化的操作步骤以得到最终的地表温度反演结果，并制作成专题地图；
3. 在第一次实验课的与以往理论课学习的基础上，进一步的加深定量遥感反演知识理论的掌握程度，同时增强学生对遥感软件平台的各个功能的熟练程度与操作能力。

 二、实验内容

1. Band Math介绍
2. 植被覆盖度计算
3. 地表比辐射率计算
4. 黑体辐射亮度值计算
5. 地表温度反演
6. 制作专题地图

 三、实验数据

1. 研究区NDVI数据，ETM数据经数据预处理后并重采样为60米分辨率的NDVI数据 TM-NDVI-60m.img2011年8月19日Landsat ETM+影像
2. 研究区第六波段辐射数据，ETM6经过传感器定标，几何校正，大气校正，裁剪后的辐射数据 TM6-rad-subset-jz-xiangfan.img

 四、实验流程图

 五、实验过程

通过课堂课后学习与以上实验流程图我们可以看出，对于一个完整的地表温度反演计算过程来说，主要分为数据预处理与温度反演两个大部分。其中，数据预处理包括我们之前所有实验课堂所做的数据导入、辐射定标、几何校正、大气校正、图像拼接与裁剪等等步骤，而温度反演部分根据反演模型与方法，需要我们计算遥感影像的归一化植被指数即NDVI值。

实际完整的一步一步做完所有的流程虽然较为复杂，但都是在我们已经学习可以接受自行操作的范围的，因此实验数据中直接为我们提供了已经经过数据预处理中所有步骤的TM6-rad-subset-jz-xiangfan.img数据，而NDVI数据目前在许多官网上都有可以供我们直接下载的成品数据，因此为预留出更多的时间理解与掌握温度反演的具体流程与步骤，本实验报告的实验过程内容将直接从植被覆盖的计算展开。

（1）Band Math介绍

Band Math是ENVI软件中一个非常灵活的图像处理功能，能够方便的执行图像中各个波段的加、减、乘、除、三角函数、指数、对数等数学函数计算，也可以使用IDL编写的函数。利用Band Math我们就可以实现植被覆盖度、地表比辐射率、辐射亮度等等的计算，从而通过数据模型反演获取得到地表的真实温度。

在主菜单中点击Basic Tools—> Band Math即可打开。、

以下为总结的IDL语句中的常用符号用法，方便今后查阅。

 

（2）植被覆盖度计算

1.充分了解实验步骤、实验原理与主要实验工具后，我们可以知道，我们首先需要采用混合像元分解法借助60米分辨率的研究区NDVI数据图像，将影像分为水体、植被和建筑。计算研究区的植被覆盖度的计算公式如下，其中的NDVIVeg与NDVISoil代表完全被植被覆盖和裸土像元的NDVI，取经验值0.70和0.00。

得到我们需要在Band Math中输入的具体公式如下：

2.在主菜单中选择Basic Tools-> Band Math，在弹出的公式创建窗口中输入本次实验的第一个公式，即植被覆盖度公式，输入公式完成后，点击下方Add to List按钮，即可将公式存入待选择区内，点击Save按钮，可以将待选择区内的公式保存，以减少后期不必要的工作量。

3.在弹出的公式变量参数选择中，根据原理将B1选择为我们已有的TM-NDVI-60m.img数据，

配置生成文件输出路径，点击OK，即可得到结果如下，点击主菜单中的红色定位符号，即可得到结果中某一像素点的具体信息：

右图为植被覆盖度结果影像中某一点的具体参数，可以看到此时虽然我们已经计算出植被覆盖度了，但Data部分在所有像素点显示的值仍为0。

（3）地表比辐射率计算

1.完成植被覆盖度的计算其实本质上都是在为地表比辐射率的计算做铺垫，我们根据经验法，同样将研究区分为水体、城镇、和自然地表3种类型，水体比辐射率赋值0.995，自然表面和城镇比辐射率估算公式如下：

根据上述公式，我们可以得出在计算地表比辐射率时，我们需要在Band Math中输入的具体公式如下,从上到下分别代表水体、城镇、自然表面的比辐射率：

2.与上一步骤同理，在Band Math中输入以上公式，需要注意的是：在此次公式变量参数选择中，有B1、B2两个参数需要我们确定，根据原理，B1需要选择TM-NDVI-60m.img数据，B2需要选择我们上一步生成的植被覆盖度数据，切记不能选错图像！

 

3.配置生成文件输出路径，点击OK，即可得到结果如下，点击主菜单中的红色定位符号，即可得到结果中某一像素点的具体信息：

右图为地表比辐射率结果影像中某一点的具体参数，可以看到此时的Data部分在像素点就已经有了具体的数据，通过查看部分的数值，判断此步骤操作成功。

（4）黑体辐射亮度值计算

1.根据本文前部分所作工作，已知研究区域地表比辐射率与热红外波段亮度，我们便可以开始计算相同温度下的黑体辐射亮度值。根据辐射传输方程和普朗克定律，温度为T的黑体在热红外波段辐射亮度B(Ts)公式表示为：

2.与上一步骤同理，在Band Math中输入以上公式，同样需要注意的是：在此次公式变量参数选择中，有B1、B2两个参数需要我们确定，根据原理，B1需要选择TM6-rad-subset-jz-xiangfan.img数据，B2需要选择我们上一步生成的地表比辐射率数据，切记不能选错图像！

    

3.配置生成文件输出路径，点击OK，即可得到结果如下，点击主菜单中的红色定位符号，即可得到结果中某一像素点的具体信息：

结果	某像素点信息

右图为黑体辐射亮度结果影像中某一点的具体参数，此时Data部分显示的就是图像中某一点在相同温度下的黑体的辐射亮度，通过查看部分的数值，判断此步骤操作成功。

（5）地表温度反演

1.最后，我们终于来到了地表温度反演的步骤。由上述的原理分析与课堂只是我们可以知道，通过上衣步骤得到的黑体热红外波段辐射亮度并不是地表实际温度，我们依然需要通过普朗克公式反函数实现二者之间的转换关系，具体公式如下：

在已知遥感影像具体信息的情况下，通过NASA官网或者各类合作网站数据查询可获得各参数具体数值如下：K1=666.09 ，K2=1282.71K，因此我们可以得出在计算地表真实温度时，我们需要在Band Math中输入的具体公式如下：

2.与上一步骤同理，在Band Math中输入以上公式，根据原理，B1需要选择我们在上一步骤中得出的黑体辐射亮度值数据

3.配置生成文件输出路径，点击OK，即可得到结果如下，点击主菜单中的红色定位符号，即可得到结果中某一像素点的具体信息：

右图为地表温度结果影像中某一点的具体参数，此时Data部分显示的就是我们通过温度反演得到的图像中某一像素点的具体温度，但我们可以看到此时显示的温度值都在非常大在250以上，这是因为我们通过上述公式计算得出的温度单位为开尔文单位。

4.再次利用Band Math工具，我们可以直接输入将地表温度的遥感影像减去273.15的公式，即可得到单位为摄氏度的地表温度反演结果图。

 （6）制作专题地图

为使进行地表温度反演的遥感影像结果得到更好的展示效果，我们尝试将遥感影像导出为tif格式，并导入Arcgis制作成根据温度范围划分为4个区间的专题地图。但遇到了如下问题，Arcgis能进行图像编辑的一般时shapefile格式的矢量数据，而我们通过ENVI导入的tif文件是不能打开属性表进行修改的栅格数据，通过查阅相关资料与同学讨论，我发现了利用Arcgis工具与ENVI工具两种解决方法。

实验要求制作的按温度进行颜色分类的具体要求为：39℃以上，红色；35℃-39℃，黄色；30℃-35℃，绿色；低于30℃，蓝色。

1.利用ENVI工具：

1）右键我们的目标遥感影像，地表摄氏温度结果图，点击New Raster Color Slice，ENVI系统将根据我们的图像特性自动为我们划分出类被并赋予不同颜色，我们可以根据我们的需要自行设置我们想要的图像效果，根据实验要求，我将地表温度遥感影像根据温度颜色设置如下：

2）将颜色分类得到的结果导出为tif文件展示如下：

但将该tif结果文件导入Arcgis中制作专题地图时，我们仍会出现不少问题，例如：展示的地图会出现无法消除的黑边，插入的图例无法更改成我们想要分成的四类温度，导入图像出现异常的颜色改变等等问题，如下图所示。

无法消除的黑边与颜色异常改变	图例无法更改

因此，ENVI软件中的相关功能虽然也可以成功做到将地表温度遥感影像根据温度划分成我们想要的四种类型，但不建议使用这种方法来操作，因为无法利用Arcgis制作成更美观的专题地图展示，但我们仍可以将ENVI中的结果与其它方法制作出的结果对比，来验证其它方法得到结果的准确性。

2.利用Arcgis工具：

1.打开Arcgis工具箱，点击数据管理工具—> 栅格—> 栅格属性—> 计算统计数据，在跳出的参数表中的第一行选择我们导出的地表摄氏温度结果图的tif文件，此功能将根据我们导入的文件为我们在图层属性中根据数据对图像进行分类；

2.计算完成后，右键图层打开属性表，选择符号系统，在左边显示区域选择“已分类”，在色带部分就可以看到系统已经根据图像特征为我们自动划分出了五类，而我们可以根据我们的需要更改类别、范围以及颜色；

3.点击上图中的分类，打开可以自行设定与选择分类颜色、类别的选项框，首先将分类方法改为手动，这样我们才能根据我们的要求设定地图的图例，随后分别更改参数表中的类别、中断值，即可得到按温度分类的结果图如下：

3.结果对比

ENVI方法结果	Arcgis方法结果

可以看到除去颜色差别，两种方法根据温度对图像进行分类的结果是基本一致的，且在Arcgis工具中得出的结果并未出现黑边等问题，而且Arcgis中具有更多的颜色可供我们选择，因此我决定采取第二种方法得到的结果来制作专题地图。

4.在Arcgis中选择显示我们已经根据温度完成分类工作的地表温度反演结果图，并利用大一学年所学知识进行专题地图的制作；

最终结果：

六、实验结果与分析

比较各类地物地表温度，分析其差异及原因。

（1）水体：包括湖泊、河流等

	河流	湖泊
百度地图
专题地图
遥感影像
详细参数

分析：

通过遥感影像的相关参数与制作得出的专题地图我们都可以很快发现，在河流流经的一带有非常明显的一个低温带，而在专题图右下方湖泊处也有一个低温区。因此我们可以判断，与其它地物相比，水体的温度较低且都位于30℃以下。其原因主要在于，水体拥有比热容较高的特性，在白天变暖期间，水升温较慢，所以相对于其他地物，水体显得更“凉爽”，温度更低，反之亦然。而通过查阅资料，该遥感影像的拍摄时间为上午10:30左右，此时日照时间还较短，水体温度因此较低。除此之外，我们还可以利用水体的比容热特性来验证遥感影像的拍摄时间是否准确。

（2）城市

	城市1	城市2
百度地图
专题地图
遥感影像
详细参数

分析：

通过专题地图可以明显看出沿河部分是温度值最高处，而在遥感影像中则反映为像素亮度值较高，通过对比分析与查看实时地图可以发现沿河部分是人类城市的聚集地，温度大多位于40℃以上，其主要原因在于城市人类活动较多，燃料燃烧二氧化碳排放量较高，且地表含水量较少，植被覆盖度较低，容易与周围的水体郊区形成热岛效应，更加增大两种地物之间的温度差异。

补充：

观察专题地图，有一处异常高温区，最高温度甚至达到了45℃，初步判断时同样将此处地物归为城市，但在查看百度地图该地的实际场景时却发现此区域并非是城市，也并非是人类活动聚集地，而是草地或荒地。目前猜测为该地在遥感影像拍摄后地物类型发生了变化，或者是荒地植被覆盖率过低导致的地表温度过高，或者是该地为城市垃圾焚烧、秸秆焚烧地导致的地表温度过高。

百度地图	专题地图
遥感影像	详细参数

（3）林地：包括森林、山区等

	森林	山区
百度地图
专题地图
遥感影像
详细参数

分析：

通过观察可以看到，专题地图中颜色为绿色的大部分区域都为温度在30℃—35℃的林地，其主要原因在于林地多为人类活动较少区域，二氧化碳排放量较少，同时，林地位于山区，海拔较高，气压低，大气较为稀薄，保温效果差，除此之外，林地高植被覆盖度的林冠层茂密还具有阻挡作用，导致白天林内太阳入射辐射量减少，同时夜晚林内射出的长波辐射的量也相对减少，这样相对其他地物来说，林地的白天气温在一定程度上就降低了。

（4）农田：包括耕地、果园等

	耕地1	耕地2
百度地图
专题地图
遥感影像
详细参数

分析：

在专题地图中可以明显看到，温度在40℃以上的地物为城市的外围一般都存在有一圈温度在35℃—40℃范围内的地物，通过对比百度地图我们可以判断此地物为农田与乡村的混合地物，也可以归结为农村，导致这类地物温度特征的原因主要有：农村虽然同样有人类活动但由于地广人稀，产生的二氧化碳与热量较少，温度并没有达到城市40℃以上的程度，除此之外还有广大范围的耕地或果园提高植被覆盖度调节温度，但由于是人为作物，该地物类型的温度还是要高于林地的30℃—35℃。

结论：

根据遥感卫星影像反演得到的地表温度结果与百度地图的实时地物相结合，我们可以得到以下结论：人类分布越密集区域，活动越活跃区域温度越高，地物类型中聚集最集中的城市温度最高，在40℃以上，乡村其次，温度大多在35℃—40℃之间，林地受人类活动影响较小，温度大多在30℃—35℃，而水体由于其比热容的特性温度最低，在30℃以下。结合遥感影像中地物（襄阳市）所处区域的气候类型为亚热带季风气候以及遥感影像的拍摄月份与时间，我们可以认为根据遥感反演得到的地表温度与实际地表温度具有很高的相似性，因此，我们可以利用遥感影像中得到的地表温度对其中的地物进行识别或进行实时监测等工作。

七、补充

在实验与其它同学交流学习的过程中，我发现部分同学的遥感影像处理结果会存在黑边问题。“黑边”是指数据文件或地理区域中不存在有效数据（或数据缺失显示Nodata）的像素或区域，有时会显示为黑色，因此常被称为黑边。

其实在上一大气校正的实验中，我的实验结果也存在黑边，但由于并不影响我对实验结果的处理与分析，我并没有对这一问题进行深入的思考与解决，但在此次实验中，我们需要制作出展示出地表不同温度区域的专题地图，如果还存在黑边会十分影响视觉效果，因此我通过与同学交流，上网搜集以及询问老师，从ENVI软件与Arcgis软件两个方面，总结了消除遥感影像黑边的方法。

1. 利用ENVI工具：

编辑头文件 去除黑边

打开编辑头文件工具后，选择需要编辑的遥感影像，按下图所示选择Edit Attribute—> Data Ignore Value，进行忽略值设置，在弹出的参数框中将忽略值设置为0，点击OK，即可完成去黑边的操作。

1. 利用Arcgis工具：

栅格计算器 去除黑边	如果是对于单波段的数据处理，我们可以利用Arcgis中的栅格计算器，输入Python语法的表达式，对当前的栅格图层进行运算。 SetNull("RasterLayer" == 0 , "RasterLayer" ) 栅格计算器参数设置如下：
计算统计数据 去除黑边	计算统计数据工具将根据我们图像中的对应像素点的数据进行分类，“黑边”实质上是没有数据的像素，自然也会被分类出来，我们就可以对其进行删除或赋值成其它颜色的操作。（但一般情况下使用了计算统计数据工具后，没有数据的像素会被直接删除） 此方法也是我与大多数同学在此次实验中使用的去除黑边的方法。
符号系统 去除黑边	右键图层，打开图层属性中的符号系统，选择左边显示框中的RGB合成，再勾选显示背景值，并将R、G、B三个都赋值为0，点击应用即可完成去除“黑边”操作。 需要注意！！此方法与前两种方法不同，并没有对数据本身做任何改变，只是改变了背景的显示状态，如果重新加载图像依旧会出现“黑边”情况。

补充总结：

所谓去除“黑边”的操作，实质上是对遥感影像中无用数据的处理，我们可以从删除、隐藏显示等两个方面进行考虑处理。以上的处理方法，我们也可以从无用数据拓展到以后想要对某一特定数据的处理：如果想保留数据，我们可以选择符号系统方法；如果想删除数据，我们可以选择编辑头文件、栅格计算器、计算统计数据等方法。

从上述方法我们也可以看出，在我们地信常用的几个专业软件中，各个软件都各有它的优点与劣势，ENVI是针对遥感影像进行像素分类、光谱量算和波段组合运算具有独特优势的软件，而Arcgis则是对栅格数据有着优秀与强大的分析功能，可以用以解决许多我们遇到的图像处理问题。

八、思考题

1.地表温度反演利用的是什么方法，有哪些优缺点？

通过课程学习与资料搜索我们可以得知，地表温度反演算法按照利用的遥感影像波段数量可以分为：单通道算法、多通道算法；而按照利用的反演模型划分可以分为：物理模型反演法、统计模型反演法、半经验模型反演法。

在此处实验中我们采用的是单通道的物理模型反演法中的辐射传输方程，因为该方法应用较广又被称为大气校正法，其基本原理为：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，以及大气向下辐射到达地面后反射的能量。我们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。

优点：1.反演精度较高：通过实验结果对比实际温度我们也可以看出，这是因为该方法基于的是物理模型与原理，通过利用正确参数与数据得到的实验结果与实际情况非常吻合，可以帮助我们利用遥感影像进行识别或实时监测等工作；2.适用范围方面：通过课程学习我们可知，与多通道的其他数据相比，TM/ETM+热波段的单通道算法的空间分辨率较高，且对地表发射率敏感性较小，适用于小地区局部的温度反演。

缺点：1.受大气影响较大：该方法由于是仅利用一个波段的单通道算法，而大气透过率是由标准大气模拟出来的，精度受大气影响较大；2.对数据参数要求高：由于是物理模型，为得到精确结果，往往对大气参数的精度要求较高同时需要大量的大气参数数据。

2.哪些方法可以有效的提高温度反演精度？

1.数据源方面：遥感温度反演的数据源的精度显而易见会直接影响我们反演结果的精度。一方面，我们可以通过增加卫星观测通道等方法获得更多的更准确的观测数据，另一方面，除了卫星数据外我们也可以利用地面测站数据、模型模拟数据、雷达探测数据等多源数据来提高数据源精度。

2.数据预处理方面：利用遥感影像进行温度反演中的每一个步骤都是环环相扣互相影响的，因此数据预处理的大多数步骤都会在极大程度上影响我们的温度反演精度。我们可以在大气校正方面、提高发射率提取精度方面、辐射定标方面、提高空间分辨率以去除混合像元等方面进行算法或操作的优化，等主要思想都是获得更精确的处理数据。

3.反演模型的选择方面：地表温度的反演方法模型在上一道思考题与课堂学习的过程中已经有了比较深刻的理解与总结，对于不同的地物特点，不同的区域大小往往有着不同的适合反演方法，此时我们应该在深入了解遥感影像地物特征的基础上选择合适的反演模型，才能有效提高温度反演精度。