Landsat8 OLI影像温度反演(基于影像辐射传输方程法)

本文详述了一次使用Landsat8 OLI影像进行温度反演的实验过程,包括数据获取、辐射定标、大气校正、波段计算和温度反演的步骤。通过大气校正和特定公式计算,最终成功反演出影像的温度分布。
摘要由CSDN通过智能技术生成


前言

最近在做一个Landsat8 OLI影像温度反演的实验,发现很多网上的教程写的不清晰,通过几天的学习,写篇博客记录一下,供大家参考。


一、数据获取

本次实验数据来源于美国地质调查局UGUS,下载方式网上有许多教程,这里不再赘述。文件名:LC08_L1TP_123032_20200803_20200807_01_T1,行列号:(123,32),下载解压后把*_MTL.txt文本直接拖入envi 5.3中。如下图:
在这里插入图片描述

二、实验步骤

1.辐射定标

热红外波段辐射定标:
选择*_MTL_Thermal波段,在光谱裁剪中选择第一个波段,如下图:
在这里插入图片描述
点击'OK',Output Interleave选用BIL,Scale Factor默认为1,对文件命名后,点击OK,如下图

在这里插入图片描述
多光谱波段辐射定标:

选择多光谱波段后点击OK,在该页面点击 Apply FLAASH Settings,对文件命名后点击OK
在这里插入图片描述
对多光谱和热红外波段做完辐射定标后,接下来要将影像裁剪至研究区域。加载研究区矢量文件,在工具栏中选择Subset Data From ROI

  • 11
    点赞
  • 84
    收藏
    觉得还不错? 一键收藏
  • 7
    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。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有一定的了解,并使用Python来实现这些算。 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。
评论 7
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