地表温度热红外遥感反演－以单窗算法为例

地表温度反演的单窗算法公式：

其中各参数含义如下图

1、对参数T6进行计算：

1）从HTM头文件中获得gain与bias的值

使用写字板打开，找到如下信息。gain:0.037，bias:3.2

2)DN值转为辐射亮度值，应用如下公式：其中DN6为band6（热红外波段）

3)使用ENVI中的BandMath功能计算出辐射亮度数据

得到数据如下图

在band math中编辑公式如下：其中b2为前一步计算得出的辐射亮度值

计算得到的图像如下图，其data的单位为开尔文温度单位，该参数即为单窗算法中的参数T6

计算大气总透过率 t，计算得t约等于0.789156

计算大气平均作用温度

Ta约等于42.40799摄氏度，换算为开尔文单位为315.558K

计算参数，t为之前计算的大气总透过率，，为NDVI阈值法反演出地表比射率，加载地表比辐射率文件，并使用bandmath计算参数C

输出结果得到参数C

计算参数D，通过以下公式计算

使用Band Math功能，编辑公式如下，其中b3为地表比辐射率数据

将各参数代入公式中，计算地表温度

输出地表温度图

如图，data值即该像素点代表的地表温度

将不参与计算的区域进行腌膜，使用下图所示工具

选择地表比辐射率数据作为选择ROI区域数据（研究区域外的data为0）

设置参数如下图

完成ROI提取如下图

通过ROI建立掩膜

导入之前建立的ROI

在掩膜中将选择区域设置为off即（selected areas "Off"），之后选择建立掩膜

检查建立掩膜是否正确，兴趣区域的data为1，兴趣区域外区域data为0，则正确，正确结果如下图

将掩膜应用到地表温度图中

使用以上处理得到的地表温度图，进行城市热岛的遥感分析

1、给出该城市地表温度的基本统计特征：平均值，标准差，最大和最小值；

通过如图工具统计数据特征：

结果如图所示

其中，Npts为该DN值对应的像元个数basic stats可以统计出基本特征，但是这里的0作为最小值并不准确，而是掩膜的值，应该将首次出现的DN值作为最小值

最小值：23.445394，最大值：50.665894，平均值：30.591731，标准差：15.511617

一般以1倍标准差作为间隔将数据划分，划分为以下6类

A:b1< 23.445394

B: 23.445394<=b1<29.162

C:23.162<=b1<37.948        

D:37.948<=b1<46.734

E:46.734<=b1<48.665894

F:b1>=48.665894

各大小等于号对应于ENVI系统符号如下：

小于：LT         小于等于：LE         等于：EQ        不等于:NE          大于等于：GE    大于：GT

将以上分类标准应用于决策树分类

打开决策树分类工具如下图所示

对节点1输入分类标准如图：

其中B1为反演地表温度图

向ClassD添加新的节点，依次输入分类标注

输入完所有的分类标准并且执行该分类如图所示：

分类结果如图所示

将该图作为专题图，添加地图要素制图输出如下图，完成地表温度反演以及分析的过程

以土地利用分类图为基础，分析不同覆盖类型下的地表温度状况，从而解释城市热岛强度与土地覆盖类型之间的关系。

加载土地利用分类图如图所示：

选择下图所用工具

输入分类依据的图像

输入被分类的图像

不同覆盖下的地表温度状况，依据下图选择不同的覆盖

输出带有直方图的分类结果图

最后结果如图所示，用来解释城市热岛强度与土地覆盖类型之间的关系

至此完成所有分析过程。