Landsat温度反演.docx

Landsat温度反演.docx

《Landsat温度反演.docx》由会员分享，可在线阅读，更多相关《Landsat温度反演.docx（15页珍藏版）》请在冰豆网上搜索。

Landsat温度反演

定量遥感

实验2基于LandsatTM数据和大气校正法的地表温度反演

一实验目的

学习并掌握基于Landsat5TM遥感影像，运用辐射传输方程法（大气校正法）对地表温度进行反演的方法。

二研究方法

实验数据：

2005年9月8日长春市Landsat5TM图像（景号：

118-29和118-30）。

实验流程：

完整流程涉及LandsatTM的数据读取、辐射定标、反演模型、遥感反演过程、反演结果验证等内容。

软件功能：

主要采用ENVI主模块中的LandsatTM数据读取、辐射定标、波段运算、结果统计分析等。

该方法需要进行大气校正，消除大气层对地表辐射能量的影响，这就需要从卫星观测得到的热辐射能量中扣除大气层的辐射分量，并利用热红外波段（Band6）范围内的地表发射率作为参数，反演出地表的真实温度。

技术路线为：

（1）LandsatTM数据预处理：

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。

利用ENVI主菜单→BasicTools→BandMath，在公式输入栏中输入：

（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·sr·μm）。

图152005年9月8日LandsatTM数据的大气辅助参数

利用ENVI主菜单→BasicTools→BandMath，在公式输入栏中输入：

（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·sr·μm），K2=1260.56K。

利用ENVI主菜单→BasicTools→BandMath，在公式输入栏中输入：

（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