Landsat温度反演Word格式文档下载.docx
《Landsat温度反演Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《Landsat温度反演Word格式文档下载.docx(15页珍藏版)》请在冰豆网上搜索。
数据读取、辐射定标。
(2)相关辅助数据的确定与查找:
大气上行辐射以及下行辐射,采用数据当天的大气透过率信息等;
(3)采用大气校正法(辐射传输方程法)利用LandsatTMband6进行地表温度反演:
首先获取地表比辐射率值,其次,计算黑体在热红外波段的辐射亮度;
最后,利用普朗克公式的反函数反演出整个研究区域的地表温度分布情况。
图1流程图
三实验步骤
1、LandsatTM数据读取和定标
(1)数据读取
在ENVI主菜单中,选择File→OpenExternalFile→Landsat→GeoTIFFwithMetadata,打开。
其中包含两种数据:
可见光波段数据(HRF)和热红外波段数据(HTM)
图2LandsatTM数据读取列表
(2)数据辐射定标
主菜单→BasicTools→Preprocessing→CalibrationUtilities→LandsatCalibration,选择需要定标的数据,包括可见光波段数据和热红外波段数据,该过程功能可以从读取文件中直接获取实验数据的元数据(成像时间,定标参数等等)。
图3辐射定标
2、裁剪工程区
(1)镶嵌影像
主菜单→Map→Mosaicking→Georeferenced,在MapBasedMosaic窗口中ImportFile,输入两副已经辐射定标的热红外波段遥感影像。
影像导入完成后,可修改影像的投影信息,以便提高影像精度。
镶嵌模块中,主菜单上选择Options→ChangeBaseProjection。
打开转变投影功能后,根据影像信息设置投影。
选择影像,单击右键选择EditEntry,可以通过此功能,改变影像镶嵌参数。
完成点击应用File→Apply即可进入镶嵌过程,选择重采样方法等。
图4遥感影像镶嵌
(2)裁剪工程区
①打开要裁剪的区域范围的矢量数据:
主菜单→File→OpenVector→选择文件类型Shapefile(*.shp),注意在弹出的ImportVectorFilesParameters对话框选择正确的投影类型(与遥感影像的投影坐标一致)。
点击OK之后ENVI自动将矢量文件转为EVF格式。
图5矢量数据读取
②将矢量数据转为ROI:
在AvailabelVectorsList选择数据,通过File→ExportLayerstoROI,在SelectDataFiletoAssociatewithnewROIS中选择镶嵌好的热红外影像,再在ExportEVFLayerstoROI中选择ConvertallrecordsofanEVFlayertooneROI,点击OK,从而实现矢量数据转为ROI。
图6ExportEVFLayerstoROI对话框
③裁剪栅格数据:
在ENVI主菜单BasicTools→SubsetDataviaROIs,在SelectInputFiletoSubsetviaROI中选择要裁剪的热红外波段影像(镶嵌好的),OK。
出现SpatialSubsetviaROIParameters对话框,在SelectInputROIs中选择建立的ROI,选项MaskpixelsoutsideofROI?
选择Yes,在MaskBackgroundValue默认为0,这样得到长春市的热红外波段遥感影像。
图7SpatialSubsetviaROIParameters对话框
对于可见光波段数据的裁剪方法与上述方法相同,由于可见光波段数据和热红外波段数据的分辨率不同,在利用该矢量数据裁剪可见光波段数据的时候需要重复②步骤,完成裁剪操作即可。
3、可见光和近红外波段大气校正(快速校正)
主菜单→BasicTools→Preprocessing→CalibrationUtilities→QUickAtmosphericCorrection,选择长春市裁剪的可见光波段,在QUickAtmosphericCorrectionParameters对话框中,SensorType选择LandsatTM。
图8QUickAtmosphericCorrectionParameters对话框
4、地表比辐射率值计算
物体的比辐射率是物体向外辐射电磁波的能力表征。
它不仅依赖于地表物体的组成,而且与物体的表面状态(表面粗糙度等)及物理性质(介电常数、含水量等)有关,并随着所测定的波长和观测角度等因素有关。
在大尺度上对比辐射率精确测量的难度很大,目前只是基于某些假设获得比辐射率的相对值,在此主要根据可见光和近红外光谱信息来估计比辐射率。
(1)归一化植被指数NDVI
利用TM3、4波段的象元DN值利用公式
(1)求得归一化植被指数NDVI:
NDVI=(NIR-R)/(NIR+R)
(1)
NIR和R分别是TM的近红外波段(波段4)和红光波段(波段3)的DN值。
直接采用ENVI主模块下的NDVI模块获取:
主菜单→Transform→NDVI:
图9NDVI值
(2)植被覆盖度
计算植被覆盖度Fv采用的是混合像元分解法,将整景影像的地类大致分为水体、植被和建筑,具体的计算公式如下:
FV=[(NDVI-NDVIS)/(NDVIV-NDVIS)]
(2)
其中,NDVI为归一化差异植被指数,取NDVIV=0.70和NDVIS=0.00,且有,当某个像元的NDVI大于0.70时,FV取值为1;
当NDVI小于,FV取值为0。
利用ENVI主菜单→BasicTools→BandMath,在公式输入栏中输入:
()*1+(b1lt0.0)*0+()*((b1-0.0)/(0.7-0.0))。
b1:
表示获取的NDVI值。
图10植被覆盖度Fv
图11植被覆盖度影像数据统计结果
(3)地表比辐射率
根据前人的研究,将遥感影像分为水体、城镇和自然表面3种类型。
本实验采取以下方法计算研究区地表比辐射率:
水体像元的比辐射率赋值为0.995,自然表面和城镇像元的比辐射率估算则分别根据下式(3)(4)进行计算:
VV2(3)
VV2(4)
式中,εsurface和εbuilding分别代表自然表面像元和城镇像元的比辐射率。
(b1le0)*0.995+()*(0.9589+0.086*b2-0.0671*b2^2)+(b1ge0.7)*(0.9625+0.0614*b2-0.0461*b2^2)。
b1:
NDVI值b2:
植被覆盖度值。
图1230m分辨率的地表比辐射率值
上述公式计算的结果分辨率为30m,由于热红外波段数据分辨率为60m,故而需要将其分辨率重采样为60m,为反演地表温度提供基础数据。
具体的操作步骤:
利用ENVI主菜单→BasicTools→ResizeData(Spatial/Spectral),出现对话框设置:
图13影像数据的重采样
图1460m分辨率的地表比辐射率值
5、大气参数获取
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↑,以及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。
地面的真实辐射亮度为同温度黑体的辐射亮度值LT与地物发射率ε的乘积ε·
LT。
大气校正法的表达式可写为:
Lλ=[ε·
LT+(1-ε)L↓]·
τ+L↑(5)
这里,T为地表真实温度,τ为大气在热红外波段的透过率.则温度为T的黑体在热红外波段的辐射亮度LT为:
LT=[Lλ-L↑-τ·
(1-ε)L↓]/τε(6)
在NASA官网(http:
//atmcorr.gsfc.nasa.gov/)中输入成像时间以及中心经纬度,则会提供上式中所需要的参数。
本实验输入的数据是2005年9月8日北京时间2:
9成像的Landsat5TM影像,影像中心的经纬度为:
N,E。
得到下图参数图:
大气在热红外波段的透过率τ为0.67,大气向上辐射亮度L↑为W/(m2·
sr·
μm),大气向下辐射亮辐射亮度L↓为W/(m2·
μm)。
图152005年9月8日LandsatTM数据的大气辅助参数
(b2-7*(1-b1)*)/(*b1)
b1:
60m分辨率的地表比辐射率值;
b2:
表示热红外波段辐射定标值。
获取的黑体在热红外波段的辐射亮度结果图如下:
图16热红外波段辐射亮度结果
图17热红外波段辐射亮度统计结果
6、地表温度反演
在获取热红外波段辐射亮度值以后根据普朗克公式的反函数,求得地表真实温度T:
T=K2/ln(K1/LT+1)
对于TM,K1=6W/(m2·
μm),K2=1260.56K。
(12)/alog(6/b1+1)
b1:
热红外辐射亮度值。
计算结果如下:
图18区域LST统计结果
7、反演结果分析
图19地表的真实温度T的分布图图20长春市遥感影像假彩色合成
利用ENVI软件,采用单波段彩色变换方法对地表真实温度T的灰度图进行密度分割,得到地表真实温度的分布情况(图19)。
其中:
(1)红色代表的温度范围是:
39℃以上,为异常点;
(2)黄色代表的温度范围是:
30℃至39℃;
(3)绿色代表的温度范围是:
25℃至30℃;
(4)蓝色代表的温度范围是:
低于25℃。
对于2005年9月8日天气温度分析,平均气温是21℃,日最高气温是℃,日最低气温是℃,反演结果符合当时的天气温度情况。
从图中可以发现,长春市大范围地区温度在25℃至30℃内,与长春市的植被地区相对应;
30℃至39℃的黄色区域对应长春市的城镇,低于25℃的蓝色区域对应的是水域。
从总体来看,长春市的地表温度分布与地表覆盖类型有密切联系。
8、结果输出
在display中,选择Tools→ColorMapping→DensitySlice,将结果进行密度分割,分割为4类,具体的分割阈值以及参数设置如下图:
图21密度分割
在DensitySlice中,File→OutputRangestoClassImage,将分割好的影像输出成栅格数据。
打开Overlay→Annotation注记面板,打开工具Object→ColorRamp,鼠标在图中空白处点击,添加一个色带图例。
图22地表温度密度分割图