基于Modis数据的地表温度反演
基于Modis数据的北京市地表温度反演
评论区有下载原文和相关资料的链接,自己翻找即可。
操作平台
ENVI 5.5
ArcGIS 10.2
数据源
MODIS B1产品(包含1km 热红外波段)
数据来源
https://ladsweb.modaps.eosdis.nasa.gov/search/
研究区:北京市
研究时间:2019年9月
原理介绍
算法:劈窗算法
主要根据覃志豪研究成果进行,针对于陆地
Ts=A0+A1T31−A2T32T_s=A_0+A_1T_{31}-A_2T_{32} Ts=A0+A1T31−A2T32
其中 Ts{\ T}_s Ts 为地表温度,
A0、A1、A2A_0、A_1、A_2A0、A1、A2 为参数,
T31、T32T_{31}、T_{32}T31、T32 分别为 B31、B32B31、B32B31、B32 的亮度温度。
A0=a31D32(1−C31−D31)D32C31−D31C32−a32D31(1−C32−D32)D32C31−D31C32A_0=\frac{a31D32(1-C31-D31)}{D32C31-D31C32}-\frac{a32D31(1-C32-D32)}{D32C31-D31C32} A0=D32C31−D31C32a31D32(1−C31−D31)−D32C31−D31C32a32D31(1−C32−D32)
A1=1+D31D32C31−D31C32+b31D32(1−C31−D31)D32C31−D31C32A_1=1+\frac{D_{31}}{D_{32}C_{31}-D_{31}C_{32}}+\frac{b_{31}D_{32}(1-C_{31}-D_{31})}{D_{32}C_{31}-D_{31}C_{32}} A1=1+D32C31−D31C32D31+D32C31−D31C32b31D32(1−C31−D31)
A2=D31D32C31−D31C32+b32D31(1−C31−D32)D32C31−D31C32A_2=\frac{D_{31}}{D_{32}C_{31}-D_{31}C_{32}}+\frac{{b_{32}D}_{31}(1-C_{31}-D_{32})}{D_{32}C_{31}-D_{31}C_{32}} A2=D32C31−D31C32D31+D32C31−D31C32b32D31(1−C31−D32)
其中:
a31=−64.60363,b31=0.440817a_{31}=-64.60363,b_{31}=0.440817a31=−64.60363,b31=0.440817
a32=−68.72575,b32=0.47345a_{32}=-68.72575,b_{32}=0.47345a32=−68.72575,b32=0.47345
CiC_iCi DiD_iDi 均为参数,运算如下
Ci=εiτiC_i=\varepsilon_i\tau_i Ci=εiτi
εi\varepsilon_iεi 为地表比辐射率,τi\tau_iτi 为 i\ i i 热通道大气透过率
Di=(1−τi)[1+(1−εiτi)]D_i=\left(1-\tau_i\right)[1+(1-\varepsilon_i\tau_i)] Di=(1−τi)[1+(1−εiτi)]
其中:
地表比辐射率计算
εi=PvRvεiv+(1−Pv)Rsεis+dεi\varepsilon_i=P_vR_v\varepsilon_{iv}+(1-Pv)Rsεis+dεiεi=PvRvεiv+(1−Pv)Rsεis+dεi
PvP_vPv 为地表植被覆盖度,可以通过归一化植被指数计算
RvR_vRv 、RsR_sRs 分别为植被和裸土的辐射比率
其中:
ε31v=0.98672\varepsilon_{31v}=0.98672ε31v=0.98672
ε32v=0.98990\varepsilon_{32v}=0.98990ε32v=0.98990
ε31s=0.96767\varepsilon_{31s}=0.96767ε31s=0.96767
ε32s=0.97790\varepsilon_{32s}=0.97790ε32s=0.97790
Rv=0.92762+0.07033PvR_v=0.92762+0.07033P_vRv=0.92762+0.07033Pv
Rs=0.99782+0.08362PvR_s=0.99782+0.08362P_vRs=0.99782+0.08362Pv
Pv=NDVI−NDVISNDVIV−NDVISP_v=\frac{NDVI-{NDVI}_S}{{NDVI}_V-{NDVI}_S}Pv=NDVIV−NDVISNDVI−NDVIS
其中:
NDVIV=0.7{NDVI}_V=0.7NDVIV=0.7
NDVIS=0.05{NDVI}_S=0.05NDVIS=0.05
dε=0.003796min[Pv,(1−Pv)]\ d_\varepsilon=0.003796\min[P_{v\ },(1-P_v)] dε=0.003796min[Pv ,(1−Pv)]
NDVI=B2−B1B2+B1NDVI=\frac{B_2-B_1}{B_2+B_1} NDVI=B2+B1B2−B1
其中:
BiB_iBi 为第 i 波段的反射率
大气透过率计算
W=(α−lnref19ref2)/βW=(\alpha-\ln{\frac{{ref}_{19}}{{ref}_2}})/\betaW=(α−lnref2ref19)/β
其中:
W 为 水汽含量,refi{ref}_irefi 为 I 波段反射率
α=0.02\alpha=0.02α=0.02
β=0.651\beta=0.651β=0.651
y31=5.72−4.69e(x/42.05)y_{31}=5.72-4.69e^{(x/42.05)}y31=5.72−4.69e(x/42.05)
y32=−1.25+2.28e(−x/12.44)y_{32}=\ -1.25+2.28e^{(-x/12.44)}y32= −1.25+2.28e(−x/12.44)
亮温计算:
T31=K31,2ln(1+K31,1Rad31)T_{31}=\frac{K_{31,2}}{\ln{(1+\frac{K_{31,1}}{{Rad}_{31}})}} T31=ln(1+Rad31K31,1)K31,2
T32=K32,2ln(1+K32,1Rad32)T_{32}=\frac{K_{32,2}}{\ln{(1+\frac{K_{32,1}}{{Rad}_{32}})}} T32=ln(1+Rad32K32,1)K32,2
其中:
TiT_iTi 为亮温
K31,1=729.541636K_{31,1}=729.541636K31,1=729.541636
K31,2=1304.413871K_{31,2}=1304.413871K31,2=1304.413871
K32,1=474.684780K_{32,1}=474.684780K32,1=474.684780
K32,2=1196.978785K_{32,2}=1196.978785K32,2=1196.978785
Radi{Rad}_iRadi 为I 通道 辐射亮度
操作过程
技术流程图
具体操作
一、预处理(几何校正与辐射定标)
方法一:MCTK
选用ENVI提供的扩展工具MCTK,进行几何校正,几何校正后的结果同时也进行了定标。首先安装MCTK,然后即可在Toolbox中extensions中找到安装的扩展工具
打开工具,按照提示输入参数
方法二:手动定标
通过toolbox中的工具查看,热红外数据集的scales和 offsets,并通过公式:
Radiance=scales×(DN−offsets)Radiance=scales\times(DN-offsets)Radiance=scales×(DN−offsets)
计算。
使用ENVI中的band math计算出结果
由于后续还需要用到NDVI,所以还需要对B1、B2进行定标。操作相同,不再赘述。
结果:MCTTK这种定标方式和手动定标结果有一定出入,所以暂时选择MCTK定标方式。
根据相关研究,做地表温度反演可以不用进行大气校正,所以就不进行大气校正了。
二、计算
- 计算亮温
计算T31、T32亮温
- 地表比辐射率计算
- NDVI计算
PvP_vPv 计算
Pv=b1gt0.7∗1+b1lt0.05∗0+b1ge0.05andb1le0.7∗((b1−0.05)/(0.7−0.05))P_v=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)) Pv=b1gt0.7∗1+b1lt0.05∗0+b1ge0.05andb1le0.7∗((b1−0.05)/(0.7−0.05))
dεd_\varepsilondε 计算
dε=(b1eq0orb1eq1)∗0+(b1ge0andb1le0.5)∗0.003796∗b1+(b1ge0.5andb1le1)∗0.0037968∗1−b1+b1eq0.5∗0.00189d_\varepsilon=\left(b_1\ eq\ 0\ or\ b_1\ eq\ 1\right)\ast0+\left(b_1\ ge\ 0\ and\ b_1\ le\ 0.5\right)\ast0.003796\ast b_1+\left(b_1\ ge\ 0.5\ and\ b_1\ le\ 1\right)\ast0.0037968\ast1-b1+b1eq 0.5*0.00189 dε=(b1 eq 0 or b1 eq 1)∗0+(b1 ge 0 and b1 le 0.5)∗0.003796∗b1+(b1 ge 0.5 and b1 le 1)∗0.0037968∗1−b1+b1eq0.5∗0.00189
- εi\varepsilon_iεi 计算
b1∗(0.92762+0.07033∗b1)∗0.98672+(1−b1)∗(0.99782+0.08362∗b1)∗0.96767+b2b1*(0.92762+0.07033*b1)*0.98672+(1-b1)*(0.99782+0.08362*b1)*0.96767+b2 b1∗(0.92762+0.07033∗b1)∗0.98672+(1−b1)∗(0.99782+0.08362∗b1)∗0.96767+b2
- 大气透过率计算
W 水汽含量计算
T31−T32T31-T32T31−T32 大气透过率计算
τ31=5.72−4.69e(x/42.05)\tau_{31}=5.72-4.69e^{(x/42.05)}τ31=5.72−4.69e(x/42.05)
τ32=−1.25−2.28e(−x/12.44)\tau_{32}=-1.25-2.28e^{(-x/12.44)}τ32=−1.25−2.28e(−x/12.44)
计算参数 CiDiC_i D_iCiDi
- CiC_iCi 计算
C31=ε31×τ31C_{31}=\varepsilon_{31}\times\tau_{31} C31=ε31×τ31
C32=ε32×τ32C_{32}=\varepsilon_{32}\times\tau_{32} C32=ε32×τ32
DiD_iDi 计算
Di=1−τi1+1−εiτi=(1−τi)(2−Ci)D_i=1-τi1+1-εiτi=(1-τi)(2-Ci) Di=1−τi1+1−εiτi=(1−τi)(2−Ci)D31=(1−τ31)(2−C31)D_{31}=(1-\tau_{31})(2-C_{31}) D31=(1−τ31)(2−C31)
D32=(1−τ32)(2−C32)D_{32}=(1-\tau_{32})(2-C_{32}) D32=(1−τ32)(2−C32)
计算参数 A0A1A2A_{0\ }\ \ A_1\ \ A_2A0 A1 A2
- 计算 A0A_0A0
A0=a31D32(1−C31−D31)D32C31−D31C32−a32D31(1−C32−D32)D32C31−D31C32A_0=\frac{a31D32(1-C31-D31)}{D32C31-D31C32}-\frac{a32D31(1-C32-D32)}{D32C31-D31C32} A0=D32C31−D31C32a31D32(1−C31−D31)−D32C31−D31C32a32D31(1−C32−D32)
- 计算 A1A_1A1
A1=1+D31D32C31−D31C32+b31D32(1−C31−D31)D32C31−D31C32A_1=1+\frac{D_{31}}{D_{32}C_{31}-D_{31}C_{32}}+\frac{b_{31}D_{32}(1-C_{31}-D_{31})}{D_{32}C_{31}-D_{31}C_{32}} A1=1+D32C31−D31C32D31+D32C31−D31C32b31D32(1−C31−D31)
- 计算 A2A_2A2
A2=D31D32C31−D31C32+b32D31(1−C31−D32)D32C31−D31C32A_2=\frac{D_{31}}{D_{32}C_{31}-D_{31}C_{32}}+\frac{{b_{32}D}_{31}(1-C_{31}-D_{32})}{D_{32}C_{31}-D_{31}C_{32}} A2=D32C31−D31C32D31+D32C31−D31C32b32D31(1−C31−D32)
- 计算地表温度
Ts=A0+A1T31−A2T32T_s=A_0+A_1T_{31}-A_2T_{32} Ts=A0+A1T31−A2T32
反演结果
- 由于中间过程步骤有一步单位需要换算,所以计算结果还需要 ÷10\div10÷10
- ArcGIS 制图
在ARCGIS 中对反演结果进行可视化表达,加上等温线,显得更加直观。根据反演结果,发现北京市西南部温度比北部温度高,与现实情况,北京北部为怀柔、密云区,多山体和水域(密云水库)等,而北京市建成区在南部,所以呈现出这样的温度特征。说明反演结果较为准确。
基于Modis数据的地表温度反演相关推荐
- 【转载】基于ENVI bandmath的地表温度反演
地表温度作为地球环境分析的重要指标,而遥感技术作为现代重要的对地观测手段,使得基于遥感图像的地表温度反演的研究越来越多.主要的地表温度反演方法有:大气校正法,单窗算法,单通道法等等.本文介绍用辐射传输 ...
- AI Earth ——开发者模式案例8:利用Landsat-8数据进行地表温度反演
利用 Landsat-8 数据进行地表温度反演¶ 初始化环境¶ import aieaie.Authenticate() aie.Initialize() Landsat-8 数据检索¶ 指定区域.时 ...
- 基于MODIS数据的大气水汽反演
1.下载MOD05_L2数据 登陆网址Find Data - LAADS DAAC (nasa.gov) 登录.选择MODIS:Terra.选择MOD05_L2 选择时间.添加时间 选择地区:全球.全 ...
- 基于Modis的遥感数据的地表温度的获取解决方案--以京津唐为例
1.背景与技术路线 地表温度(LST)是区域和全球尺度地表物理过程中的一个关键因子,也是研究地表和大气之间物质交换和能量交换的重要参数.许多应用如干旱.高温.林火.地质.水文.植被监测,全球环流和区域 ...
- envi反演水质参数_ENVI5.2中基于MODIS数据的海表温度反演
劈窗算法最初是为反演海面温度开发的,具体地说是针对NOAA/AVHRR的4和5通道设计的,后来也被用来反演地表温度,这种算法较成熟,精度也高.劈窗算法以地表热辐射传导方程为基础,利用10~13μm 大 ...
- ENVI5.3.1Landsat 8影像基于单窗算法和辐射传输方程进行地表温度反演
ENVI5.3.1基于Landsat 8影像进行辐射定标和大气校正 文章目录 一.为什么要进行辐射定标和大气校正? 二.详细步骤 1. 数据获取 2.数据预处理 2.1 辐射定标 2.1.1 多光谱波 ...
- 基于Landsat的地表温度反演——单窗算法
基于遥感的地表温度反演主要有三种,辐射传输方程法.单窗算法和劈窗算法.在遥感生态指数(RSEI)的地表温度反演用到的是辐射传输方程算法.接下来,简单说一下覃志豪的单窗算法反演地表温度的基本操作. 原理 ...
- 【Envi】基于单窗算法的地表温度反演实验操作记录
文章目录 比前言还前 前言 参考博客 技术流程 1.数据预处理 1.1数据获取 1.2辐射亮度温度 1.2.1热红外波段辐射定标与亮度 1.2.2辐射亮度温度计算 1.3地表比辐射率 1.3.1多光谱 ...
- [ENVI] 定量遥感实验-地表温度反演与地表温度测定 (超详细步骤)
实验目的 得到地表气温专题图反演结果之间的散点图 实验内容及实验步骤 1.MODIS地表温度产品的使用 软件环境:ENVI及MRT(已提供,请提前安装好)或MCTK扩展工具 实验数据:地表温度与发射率 ...
最新文章
- 550 万华人在美人才现状:7 诺奖、300 院士,320 八大常春藤高校终身正教授......
- Redis概述与Redis集群(一)
- 百练OJ:2807:两倍
- 用Curl测试POST
- javafx 调用java_Java,JavaFX的流畅设计风格进度栏
- c语言汇编混合编程方法,C语言和汇编语言混合编程方法
- [Leetcode][程序员面试金典][面试题16.11][JAVA][跳水板][数学][动态规划]
- servlet 规范_Tomcat原理解析(壹)— Servlet
- android opengl es 粒子效果实例代码
- 云图说|云上攻击早知道,少不了这个“秘密武器”!
- python 享元模式_设计模式-创建型模式,python享元模式 、python单例模式(7)
- Netty工作笔记0027---NIO 网络编程应用--群聊系统2--服务器编写2
- python读取超大文件-强悍的Python读取大文件的解决方案
- 一句实现jquery导航栏
- CronTrigger 示例 1
- windows ping 端口
- 前端与移动开发----微信小程序----小程序(一)
- IDEA导入插件依赖后Maven报错:java.lang.RuntimeException: Cannot reconnect.
- c语言之良好的编程习惯(四)
- JSON格式的文件转换对象存入数据库