GEE训练教程： 用两种不同方法进行Landsat 数据集中获取地表的地表温度 (LST) 时间序列

最新推荐文章于 2025-06-06 18:04:50 发布
最新推荐文章于 2025-06-06 18:04:50 发布
阅读量16 收藏
点赞数
分类专栏： GEE教程训练 文章标签： 前端 javascript 开发语言 gee lst 地表温度 Landsat
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_31988139/article/details/148334480
版权

使用 Google Earth Engine 获取 Landsat 地表温度 (LST) 时间序列

在这篇博客中，我们将介绍如何使用 Google Earth Engine (GEE) 从 Landsat 数据集中获取不同地表的地表温度 (LST) 时间序列。我们将以孟买市为例，展示如何处理和可视化这些数据。

1. 定义地理坐标

首先，我们定义不同地表类型的地理坐标点，包括金属屋顶、混凝土屋顶、机场、水体和红树林：

var metalroof = ee.Geometry.Point([72.8550936937685,
了解本专栏 订阅专栏 解锁全文 超级会员免费看
GEE：获取不同地表类型的Landsat地表温度（Land Surface Temperature，LST）时间序列
养乐多的博客
04-02 681
CSDN@_养乐多_本文将分享论文《Google Earth Engine Open-Source Code for Land Surface Temperature Estimation from the Landsat Series》中的基于Landsat时间序列影像计算地表温度的API和获取指定点（Land Surface Temperature，LST）时间序列的代码。
GEE案例——基于Landsat 8 C02数据的LST地表温度计算和下载（筛选制定温度范围的影像下载）
此星光明博客
11-29 481
GEE案例——基于Landsat 8 C02数据的LST地表温度计算和下载（筛选制定温度范围的影像下载）
GEE代码实例教程详解：地表温度长时间序列分析
TwcatL_tree
07-08 756
在本篇博客中，我们将使用Google Earth Engine (GEE) 对地表温度 (LST) 进行长时间序列分析。通过结合Landsat 4-9的数据，我们将探索1982年至2024年间地表温度的变化趋势。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。
GEE：基于 Landsat 数据集生成（1986-2024）月度合成地表温度（LST）时间序列数据
养乐多的博客
02-29 1148
CSDN@_养乐多_本文将介绍使用 Landsat 时间序列计算（1986-2024）月度合成地表温度（LST）时间序列数据集的代码。
GEE——利用GEE在线计算Landsat 4、5、7、8和9的数据融合后的长时序LST地表温度、蒸散发、FVC和NDVI的计算（Landsat collection 2）
此星光明博客
06-13 1327
LST（Land Surface Temperature，地表温度）是指地表的实际温度，是地表能量平衡的结果。通过遥感技术可以获取地表的温度分布情况，LST的高低可以反映地表的热环境状态，对于气候变化、城市热岛效应等研究具有重要意义。蒸散发（Evapotranspiration，ET）是指地表水分被蒸发和植被蒸腾的总和，是地表水循环的重要组成部分。通过测量地表温度、植被指数等参数，可以估算蒸散发的强度和空间分布情况，为水资源管理和农业生产提供重要参考。
Google earth engine（GEE）：基于MODIS的LST（地表温度数据）计算一定时间序列的城市热岛强度（UHI），并绘制直方图
weixin_46812066的博客
11-14 7169
Google earth engine（GEE）：计算一定时间序列的城市热岛强度（UHI），并绘制直方图；时间序列分析；城市热岛分析；join函数的使用；计算像元面积，均值
GEEer成长日记十三：Landsat_SR计算地表温度时间序列
微信公众号：GEEer成长日记
02-23 3609
利用Landsat地表反射率产品计算地表温度
GEE代码实例教程详解：地表温度与土地覆盖类型分析
TwcatL_tree
07-08 863
在本篇博客中，我们将使用Google Earth Engine (GEE) 对地表温度数据进行分析，并探究不同土地覆盖类型（特别是水体和城市区域）的地表温度变化。通过MODIS数据集，我们可以监测2001年至2024年间的数据。创建一个多边形区域roi，用于限定分析的地理范围，并设置地图中心。
GEE 案例：如何利用LST脚本快速计算指定区域的LST和时序的LST
此星光明博客
09-21 443
地表温度是指地球表面的温度，即地球表面空气与地面接触处的温度。地表温度受多种因素影响，包括太阳辐射、地形高度、地球表面覆盖物（如陆地、水域、植被等）以及大气状况等。由于地表温度的变化对气候、生态系统和人类活动都有重要影响，因此对其进行观测和分析具有重要意义。地表温度的测量可以通过气象观测站、卫星遥感以及地面测量设备等方法来进行。LST是Land Surface Temperature（地表温度）的缩写。它是指地球表面的温度，即地面与大气的交界处的温度。
【Web应用】若依框架：基础篇13 源码阅读-前端代码分析
做一个厉害的工程师
06-03 291
【Web应用】若依框架：基础篇13 源码阅读-前端代码分析
【Elasticsearch】search_after不支持随机到哪一页，只能用于上一页或下一页的场景
risc123456的博客
06-03 678
如果需要跳转到任意一页，`search_after` 无法直接实现，因为它无法像 `from` 和 `size` 那样通过偏移量直接定位到目标页。`search_after` 确实不支持随机访问（即直接跳到任意一页），因此在前端需要随机跳转到某一页的场景中，使用 `search_after` 是不合适的。根据你的描述，如果前端允许用户随意点击某一页，那么确实不适合使用 `search_after`，而应该使用 `from` 和 `size` 来实现分页功能。- 不支持随机访问，用户不能直接跳转到任意一页。
阿里云服务器安装nginx并配置前端资源路径（前后端部署到一台服务器并成功访问）
2301_79201170的博客
06-05 891
​​​运行以下命令，。运行wget命令。您可以通过Nginx开源社区直接获取对应版本的安装包URL，然后通过wget URL的方式将Nginx安装包下载至ECS实例。例如，Nginx 1.21.6的下载命令如下：运行以下命令，，然后。make​./nginx​没有报错信息则代表nginx启动成功！启动防火墙服务放行80端口重加载防火墙使修改生效查看状态重启停止kill -9 端口号。
前端表单验证进阶：如何使用 jQuery.validator.addMethod() 编写自定义验证器(全是干货，建议收藏)
m0_56259289的博客
06-04 382
本文介绍如何使用 jQuery.validator.addMethod() 创建自定义表单验证方法。通过一个“禁止时间为 00:00”的案例，详细讲解验证函数的编写、错误信息处理、封装技巧及最佳实践。适用于需要扩展 jQuery Validation 插件的场景，帮助开发者实现更灵活的表单验证逻辑，提升前端开发效率与代码复用性。
45、web实验-抽取公共页面
weixin_54449574的博客
06-06 514
在其他需要使用公共片段的页面中，通过`th:insert`、`th:replace`或`th:include`属性引入公共片段。- **`th:include`**：将公共片段的内容插入到指定标签内部，但不保留公共片段的根标签。- **`th:insert`**：将公共片段的内容插入到指定标签内部，保留原标签。- **`th:replace`**：用公共片段的内容替换指定标签及其内容。-- 引入公共的侧边栏代码 -->-- 引入公共的头部代码 -->-- 引入公共的底部代码 -->
2025年阿里最新软件测试面试题：Web 测试+接口测试+App 测试
2401_83387413的博客
06-05 783
上面就是我为大家整理出来的一份软件测试工程师发展方向知识架构体系图。希望大家能照着这个体系在1-2年内完成这样一个体系的构建。可以说，这个过程会让你痛不欲生，但只要你熬过去了。以后的生活就轻松很多。正所谓万事开头难，只要迈出了第一步，你就已经成功了一半，古人说的好“不积跬步，无以至千里。”等到完成之后再回顾这一段路程的时候，你肯定会感慨良多。
前端node项目——gif实时生成倒计时（30s内）
编程知识分享，主打前端
06-06 72
node实现api返回gif实时倒计时
matlab模型死机
最新发布
mirandali的专栏
06-06 155
block被模型调用的时候会刷一遍这个模型的mask，好像是不定时刷，然后如果刷到你的死循环mask回调就挂了。而且2022版本还自己出不来。至于为什么前两天重新配了编译器又可以了，然后又不行，应该是重新配置编译器后，刷新的程序会中断，所以表象是重新配置编译器OK了。2020和2025应该是内部有机制让这种超时自己出来，但是2022没有，也没有任何报错，就是死机，好无语。有的时候前端是不死的，但是编译必死，现象就是点击运行按钮，然后。一般都是mask的回调函数里面有死循环。死在“编译：更新库链接模块”
【前端】微信小程序的开发
Achenganggyel的博客
06-05 123
小程序开发
前端面试准备-7
2301_80777966的博客
06-05 888
class、fetch、跨域
基于GEE-Landsat8数据集地表温度反演 夏季连续多年
04-02
<think>好的，我现在需要帮助用户解决如何利用Google Earth Engine (GEE) 和 Landsat 8 数据集进行夏季多年连续的地表温度反演的问题。首先，我得回顾用户提供的引用内容和具体要求。 用户提到了两篇引用，其中引用[1]提到GEE可以用来计算Landsat的LST，但需要自己处理数据，而引用[2]则指出代码中需要替换的部分和参数获取的方法。用户的需求是进行夏季多年连续数据分析，所以需要确保时间范围覆盖多年，并且只选择夏季的影像。 首先，我应该考虑数据准备阶段。Landsat 8数据在GEE中的数据集是LANDSAT/LC08/C02/T1_L2，所以需要先加载这个数据集。然后，用户需要过滤数据的时间范围，比如从2013年至今，并且选择夏季的月份，比如6、7、8月。同时，还需要过滤云量，使用QA_PIXEL波段来去除云覆盖较多的影像，这可能需要使用maskL8sr函数。 接下来是地表温度反演的核心算法。单通道算法（SC算法）需要大气透过率、大气平均作用温度和水汽含量这三个参数。用户需要从NASA的网站或者其他可靠来源获取这些参数，或者根据研究区域的经验公式估算。例如，大气水汽含量可能与季节和地理位置相关，可能需要用户自行查找或使用气象数据辅助计算。 然后是辐射定标和地表比辐射率计算。辐射定标涉及到将DN值转换为大气表观反射率和辐射亮度。地表比辐射率可能根据NDVI的不同阈值进行计算，比如当NDVI大于0.5时认为是植被覆盖，小于0.2时为裸土，介于之间则用线性模型。这需要计算NDVI，并根据阈值设置不同的比辐射率值。 接着是亮温计算和地表温度反演。亮温计算需要热红外波段的辐射亮度和定标参数，使用普朗克公式的反函数。而地表温度则需要考虑地表比辐射率进行校正，可能需要使用特定的公式，例如SC算法中的公式。 在代码实现部分，用户需要定义一个函数来处理每个影像，包括辐射定标、NDVI计算、比辐射率计算、亮温和LST计算。然后，映射这个函数到整个影像集合，生成时间序列的数据。最后，导出结果或进行可视化。 用户可能遇到的问题包括如何获取大气参数，如何处理不同年份的数据一致性，以及如何验证反演结果的准确性。此外，代码中的filter过滤和geometry设置可能需要用户根据自己的研究区域进行调整，比如指定中心经纬度或者区域边界。 最后，用户可能需要生成时间序列的图表或统计结果，以分析夏季地表温度的变化趋势。这部分可能需要使用GEE的ui.Chart函数来展示多年数据的变化。 总结步骤应该是：数据准备→参数获取→辐射定标→比辐射率计算→亮温计算→LST反演→时间序列分析→结果导出与可视化。需要确保每个步骤的代码正确，并且参数替换正确，同时处理云掩膜和季节筛选，以保证数据质量。</think>以下是通过Google Earth Engine (GEE) 和 Landsat 8 实现夏季多年连续地表温度反演的分步解决方案： --- ### **1. 数据准备与预处理** #### 1.1 加载Landsat 8数据集 ```javascript var landsat8 = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2') .filterDate('2013-01-01', '2023-12-31') // 根据需求调整年份范围 .filter(ee.Filter.calendarRange(6, 8, 'month')) // 筛选夏季（6-8月） .map(maskL8sr); // 云掩膜处理 ``` #### 1.2 云掩膜函数 ```javascript function maskL8sr(image) { var qaMask = image.select('QA_PIXEL').bitwiseAnd(0b1111).eq(0); return image.updateMask(qaMask); } ``` --- ### **2. 地表温度反演算法（单通道算法SC）** $$ T_s = \frac{K_2}{\ln\left(\frac{K_1}{L_\lambda} + 1\right)} - 273.15 $$ 其中$L_\lambda$为热红外波段辐射亮度，$K_1=774.89$、$K_2=1321.08$为Landsat 8定标常数[^1]。 --- ### **3. 关键参数计算** #### 3.1 大气参数设置（需从NASA获取） ```javascript // 示例参数（需替换实际值） var tau = 0.8; // 大气透过率 var T_a = 295; // 大气平均作用温度 var w = 1.5; // 大气水汽含量（g/cm²） ``` #### 3.2 辐射定标 ```javascript var radiance = image.select('ST_B10').multiply(0.00341802).add(149.0); ``` #### 3.3 地表比辐射率（ε）计算 ```javascript var ndvi = image.normalizedDifference(['SR_B5', 'SR_B4']).rename('NDVI'); var epsilon = ee.Image(0.004).multiply(ndvi).add(0.986); // 经验公式 ``` --- ### **4. 完整代码实现** ```javascript function calculateLST(image) { // 辐射定标 var rad = image.select('ST_B10').multiply(0.00341802).add(149.0); // 计算NDVI与比辐射率 var ndvi = image.normalizedDifference(['SR_B5', 'SR_B4']); var epsilon = ndvi.gt(0.5).multiply(0.99) .add(ndvi.lt(0.2).multiply(0.96)) .add(ndvi.gte(0.2).and(ndvi.lte(0.5)).multiply(ndvi.subtract(0.2).multiply(0.03).add(0.96))); // 亮温计算 var BT = rad.divide(epsilon).divide(tau).add(1 - epsilon).multiply(T_a).log(); var LST = ee.Image(1321.08).divide(BT).subtract(273.15); return image.addBands(LST.rename('LST')); } var LST_collection = landsat8.map(calculateLST); ``` --- ### **5. 时间序列分析** ```javascript // 生成时间序列图表 var chart = ui.Chart.image.series({ imageCollection: LST_collection.select('LST'), region: geometry, // 替换为研究区域 reducer: ee.Reducer.mean(), scale: 30 }); print(chart); ``` --- ### **
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

此星光明

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值