基于Landsat8数据利用ENVI5.1反演海表温度SST——以杭州湾为例

1.下载数据(下载网址:http://ids.ceode.ac.cn/query.html)
(1)设置参数
在这里插入图片描述
(2)选择高清无云的图像下载
在这里插入图片描述
2. 辐射校正,ENVI5.1
(1)Toolbox—Radiometric Correction—Radiometric Calibration,选择_MTL 文件
在这里插入图片描述
(2)设置参数,导出文件
在这里插入图片描述
3.大气校正
(1)导入辐射校正所得的图像,在弹出的对话框选择第二个选项
在这里插入图片描述
(2)设置参数,Flight time可以从“*_MTL.txt” 中找到,Ground Elevation选择0.1km,因为杭州湾区域地形比较平坦
在这里插入图片描述
(3)设置多光谱参数:Multispectral Settings —Defaults—Over-Land Retrieval standard(600:2100)
在这里插入图片描述
(4)高级设置:Advanced Settings—Tile Size设置成200
在这里插入图片描述
(5)设置输出路径,导出图像

4.波段10的辐射校正
(1)Toolbox—Radiometric Correction—Radiometric Calibration,选择_MTL_Thermal
在这里插入图片描述
(2)导出文件
在这里插入图片描述
5 计算NDVI
在这里插入图片描述
(1)Toolbox—Spectral—Vegetation—NDVI,选择大气校正后的图像
在这里插入图片描述
(2)红波段为4,近红外波段为5
在这里插入图片描述
6 计算植被覆盖度

在这里插入图片描述
NDVIv=0.7 NDVIs=0.05
(1) Toolbox—Band Ratio—Band Math
输入公式:
[(b1 gt 0.7)1+(b1 lt 0.05)0+(b1 ge 0.05 and b1 le 0.7)((b1-0.05)/(0.7-0.05)) ((b1-0.05)/(0.7-0.05))]
b1为NDVI
在这里插入图片描述
7 计算地表反射率
(1)在band math中输入公式:
地表反射率e=0.004*b1+0.991

8 计算海表温度
这里利用Qin单通道算法计算
在这里插入图片描述
(1)先计算C10
(a)查询大气透过率τ10,网址:http://atmcorr.gsfc.nasa.gov/
(b)填写参数
在这里插入图片描述
(c)得到结果,τ10为0.95
在这里插入图片描述
(d) 在band math中输入公式:b1*0.95,b1为地表辐射率e
在这里插入图片描述

(2)计算D10
在band math中输入公式:(1-0.95)*(1+(1-b1)*0.95),b1为地表辐射率e

(3) a10=-62.7182
b10=0.4339

(4) 计算Ta
中纬度地区:
夏天: Ta = 16.0110 + 0.9262T0
冬天: Ta = 19.2704 + 0.9112T0
T0可以在中国气象数据网(http://data.cma.cn)上查询
数据服务—地面资料—数据和产品—中国地面国际交换站气候资料日值数据集
在这里插入图片描述
查询到平均气温为9.5摄氏度,换算成开氏度为282.5K,T0为282.5K
代入到冬天的公式 Ta = 19.2704 + 0.9112T0,可以得到Ta=276.6844K
在这里插入图片描述
(5) 计算T10
需要用到第四步的波段10的辐射校正结果
在band math中输入公式:1321.08/alog(774.89/b1+1)
b1为波段10的辐射校正
在这里插入图片描述

(6)计算海表温度
在这里插入图片描述
在band math中输入公式
(-62.7182*(1-b1-b2)+(0.4339*(1-b1-b2)+b1+b2)b3-b2276.6844)/b1-273
b1为C10,b2为D10,b3为T10

9 SST反演结果
在这里插入图片描述
选择Raster Color Slices
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 12
    点赞
  • 77
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
Python基于Landsat 8影像地表温度反演是一种通过使用Python编程语言来处理Landsat 8卫星遥感影像数据,以获取地表温度信息的方法。下面是反演过程的简要描述: 首先,需要获取Landsat 8卫星遥感影像数据。可以通过使用Python编程来下载与处理遥感影像数据。可以使用Python的库,如Geopandas和Rasterio,来处理和管理地理空间数据。 接下来,需要对遥感影像数据进行预处理。这包括校正和辐射定标,以确保在反演地表温度之前,数据是准确和可靠的。这些过程可以使用Python中的相应库和工具来实现,如Radiometric Calibration (Radiance)和Terrain Correction。 然后,使用反演模型来计算地表温度。地表温度反演模型使用来自遥感影像数据的辐射亮度和其他相关参数,通过数学计算来估算地表温度。这个步骤要求对物理模型和相关算法有一定的了解,并使用Python来实现这些算法。 最后,将反演得到的地表温度结果进行可视化和分析。可以使用Python中的matplotlib库绘制地表温度图像,并使用其他数据分析库,如pandas和numpy,对地表温度数据进行统计和分析。 综上所述,Python基于Landsat 8影像地表温度反演涉及使用Python编程语言来处理Landsat 8遥感影像数据,进行预处理,进行地表温度反演计算,并进行结果的可视化和分析。这种方法可以帮助研究人员和地理信息专业人士更好地理解和利用遥感数据,从而更好地理解地表温度的空间分布和变化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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