Landsat7遥感影像的地表温度反演。

       由于Landsat7图像因传感器故障,出现了图像条纹,需要对图像修复后(参见上一篇文章)才能进行地表温度反演工作。

第一步:下载Landsat7图像,可以在如下网站中下载:GloVis  网站中下载Query and order satellite images, aerial photographs, and cartographic products through the U.S. Geological Surveyhttps://glovis.usgs.gov/app

 下载并解压后,得到遥感图像如下(图1):

图1 

 第二步:在反演Landsat7地表温度之前,应先对条带修复之前的热红外波段进行辐射定标,然后对辐射定标后的B10辐射亮度图像进行条纹修复(图2),将辐射定标文件命名2007b10rbtw.dat。

 图2

第三步:使用ENVI 5.3.1中的landsat_gapfill工具对辐射定标后的2007b61rbtw.dat文件进行条纹修复。将修复好的文件命名为2007b61rb.dat。注意landsat7的热红外波段为Band 61(11.3350)。修复前后对比如(图3)。

 图3

第四步,按照Landsat8做地表温度反演的方法,使用修复后数据逐步进行Landsat7图像地表温度反演。(网上有很多做地表温度反演的教程,此处不再赘述)

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。
评论 3
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