Loading [MathJax]/jax/output/CommonHTML/config.js
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >基于Google Earth Engine的Landsat单窗算法地表温度(LST)反演

基于Google Earth Engine的Landsat单窗算法地表温度(LST)反演

作者头像
疯狂学习GIS
发布于 2021-07-22 08:31:51
发布于 2021-07-22 08:31:51
3.5K20
代码可运行
举报
文章被收录于专栏:疯狂学习GIS疯狂学习GIS
运行总次数:0
代码可运行

1 背景知识

  基于遥感数据的地表温度(LST)反演目前得到了广泛的应用,尤其是面向大尺度、长时间范围的温度数据需求,遥感方法更是可以凸显其优势。目前,基于各类遥感数据源的地表温度反演方法不断得以改进,精度亦不断提升。之前的两篇推文,也分别基于不同角度对遥感数据温度反演的方法、原理以及具体操作加以详细介绍:基于ENVI的Landsat 7地表温度(LST)大气校正方法反演与地物温度分析基于ENVI与ERDAS的Landsat 7 ETM+单窗算法地表温度(LST)反演

  而利用遥感图像处理软件,对地表温度加以反演,其操作整体较为繁琐,尤其是需要处理大量遥感数据时,其数据下载、操作步骤与结果保存等,都是很大的问题。因此,本文介绍一种基于谷歌地球引擎(Google Earth Engine,GEE)的地表温度反演算法及其代码。

  该方法基于Landsat 4/5/7/8卫星反演地表温度。基于该算法,我们可以直接在GEE中获取遥感图像、计算LST,并选择下载结果文件,非常方便快捷。

  本文所依据的文献为:Google Earth Engine Open-Source Code for Land Surface Temperature Estimation from the Landsat Series,发表于Remote Sensing。大家可以查看:https://www.mdpi.com/2072-4292/12/9/1471。

2 算法介绍

  该论文基于Statistical Mono-Window(SMW)算法,对地表温度加以求解。其中,简单地说,SMW算法即是通过简单的线性关系,对由单热红外波段所得的大气表观亮温地表温度之间的经验关系加以表示,从而计算得到LST。

3 代码

  代码在这里:

  https://code.earthengine.google.com/?accept_repo=users/sofiaermida/landsat_smw_lst。

  点击链接,浏览器将自动进入你的GEE帐号;而代码则将会自动出现在左侧"Script"的“Reader”中:

  其中,modules为计算LST的综合代码库,我们仅仅需要修改、运行其下方example_1.jsexample_2.js的内容即可;其中,依据作者的注释我们可以知道,example_1.js用以计算单时相LST,而example_2.js则为多时相LST。

  我们就以example_1.js为例。其中,在代码的这一部分:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
// select region of interest, date range, and landsat satellite
var geometry = ee . Geometry . Rectangle([-8.91, 40.0, -8.3, 40.4]);
var satellite = 'L8' ;
var date_ start = '2018-05-15' ;
var date_ end =' 2018-05-31' ;
var use_ ndvi= true;

  由上到下分别是修改ROI区域(即需要计算LST的区域)、基于的卫星(即Landsat 4/5/7/8)、所依据遥感图像开始和结束的时间,以及是否引入NDVI计算。大家在实际操作时,依据自己的需要自行修改这部分内容即可。

4 效果

  在这里,我们将作者原定的位于美国的ROI修改为武汉市局部地区,以此为例执行代码,效果如下:

  其中,黑色区域是我的ROI,底图便是已经计算出的温度数据图层了(由此可知,代码默认计算整个可见范围的LST,这里的ROI仅仅是方便我们查看、对比感兴趣区域内是否各栅格点均有LST数据)。整个代码执行的过程仅仅需要几秒钟,和用遥感图像处理软件操作比起来真的快了很多。

  随后,依据需要自行选择下载结果数据的范围、保存方法等即可,非常方便~

  最后,大家在使用上述代码时,也要记得按照论文作者的相关要求来哦,需要规范引用的场合要引用清楚,尊重大家的劳动成果。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-05-21,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 疯狂学习GIS 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
2 条评论
热度
最新
作者您好,请教您一下,为什么我制作的我的代码修改roi后,运行出来的结果只有一张影像?没有这种大面积底图的效果
作者您好,请教您一下,为什么我制作的我的代码修改roi后,运行出来的结果只有一张影像?没有这种大面积底图的效果
11点赞举报
您好~请问您是什么意思呀 是roi区域很大但是实际结果只有很小一点是嘛?这个是因为代码里默认是只选取了roi中的第一张遥感影像 您可以对代码加以修改 从而对整个roi进行反演~
您好~请问您是什么意思呀 是roi区域很大但是实际结果只有很小一点是嘛?这个是因为代码里默认是只选取了roi中的第一张遥感影像 您可以对代码加以修改 从而对整个roi进行反演~
回复回复点赞举报
推荐阅读
编辑精选文章
换一批
AI Earth ——开发者模式案例8:利用Landsat-8数据进行地表温度反演
此星光明
2024/02/02
3740
AI Earth ——开发者模式案例8:利用Landsat-8数据进行地表温度反演
GEE、PIE和AI Earth平台进行案例评测:NDVI计算,结果差异蛮大
本文主要是通过对比GEE、PIE和AI Earth平台,主要是计算不同平台,同一个NDVI的均值计算,我们已测试结果如何。
此星光明
2024/02/02
4301
GEE、PIE和AI Earth平台进行案例评测:NDVI计算,结果差异蛮大
GEE代码实例教程详解:长时间序列NDVI分析
本篇博客将介绍如何使用Google Earth Engine (GEE) 对长时间序列的Landsat数据进行归一化植被指数(NDVI)分析。通过此分析,可以监测和评估1982年至2024年间的植被变化趋势。
Twcat_tree
2024/07/09
1.2K0
基于ENVI与ERDAS的Landsat 7 ETM+单窗算法地表温度(LST)反演
更新:基于GEE的Landsat地表温度反演可以看这篇博客[1],自动批量操作,处理更快。
疯狂学习GIS
2021/07/22
1.8K0
Google Earth Engine 下载遥感影像——以Landsat 8数据为例
        遥感大数据云计算服务平台为区域或全球土地利用空间信息的获取提供了新的途径和方法。GEE 云平台是一款专门用于处理卫星影像数据和其他地球观测数据的云端运算平台,不但存储了完整的对地观测卫星影像数据,以及环境和社会经济等数据,还提供足够的运算能力对这些数据进行处理,成为解决遥感数据收集困难和处理效率低下问题的新途径。
Twcat_tree
2022/12/05
6.1K1
Google Earth Engine 下载遥感影像——以Landsat 8数据为例
GEE基于Landsat 8数据反演绿度/热度/湿度/干度,并计算生态遥感指数代码分享
本期也是GEE的时间,细心的朋友会发现,开了赞赏功能,每天都是干货,还不赏我一瓶啤酒?那么,本期分享如何用GEE基于Landsat 8数据反演绿度/热度/湿度/干度,并计算生态遥感指数,代码较长,如有不妥之处,后台私信即可。
遥感大数据学习
2022/09/20
1.6K2
GEE基于Landsat 8数据反演绿度/热度/湿度/干度,并计算生态遥感指数代码分享
GEE代码实例教程详解:地表温度长时间序列分析
在本篇博客中,我们将使用Google Earth Engine (GEE) 对地表温度 (LST) 进行长时间序列分析。通过结合Landsat 4-9的数据,我们将探索1982年至2024年间地表温度的变化趋势。
Twcat_tree
2024/07/09
5680
基于ENVI的Landsat 7地表温度(LST)大气校正方法反演与地物温度分析
更新:基于GEE的地表温度Landsat反演可以看这篇博客[1],自动批量操作,处理更快。
疯狂学习GIS
2021/07/22
2.4K0
GEE合成无云的Landsat-8和哨兵-2数据
Landsat-8(30m分辨率)和哨兵-2(10m分辨率)都是我们常用的遥感影像数据。
GIS与遥感开发平台
2022/04/29
6.6K0
GEE合成无云的Landsat-8和哨兵-2数据
Landsat9_C2_ST类经过大气校正的地表温度数据
Landsat9_C2_ST数据集是经大气校正的地表温度数据,属于Collection2的二级数据产品,以开尔文为单位测量地球表面温度,是全球能量平衡研究和水文模拟中的重要地球物理参数。地表温度数据还有助于监测作物和植被健康状况,以及极端高温事件,如自然灾害(如火山爆发、野火)和城市热岛效应。前言 – 人工智能教程
此星光明
2024/02/16
4140
ENVI实现Landsat大气校正法地表温度反演
本文介绍基于ENVI软件,实现对Landsat 7遥感影像加以大气校正方法的地表温度反演操作。
疯狂学习GIS
2025/05/08
3810
ENVI实现Landsat大气校正法地表温度反演
Google Earth Engine(区域统计)
在通过GEE计算遥感的地表参量以后,我们就需要对计算出来的数据进行统计。GEE上面画图的功能并不是很齐全,得到的效果也不尽如人意。因此我们就需要将GEE对区域的统计量进行导出,导入到本地以后,再进行绘图。
GIS与遥感开发平台
2022/04/29
1.5K0
Google Earth Engine(区域统计)
基于GEE云平台一种快速修复Landsat影像条带色差的方法
这是之前关于去除遥感影像条带的另一篇文章,因为出版商推迟了一年发布,所以让大家久等了。这篇文章的主要目的是对Landsat系列卫星因为条带拼接或者镶嵌产生的条带来进行的一种在线修复方式。
此星光明
2024/02/02
6280
基于GEE云平台一种快速修复Landsat影像条带色差的方法
MODIS数据的简介和下载(一)——MODIS数据简介
借最近上课实习上机内容,来介绍MODIS数据相关方面内容。本部分主要包括了MODIS数据的简介和下载的问题。本篇是第一部分,MODIS的简介。主要分为三个部分:1.MODIS传感器简介及参数;2.MODIS产品及命名规则;3.MODIS的典型应用。 1.MODIS传感器简介及参数 首先来纠正件很容易被误解的事,MODIS是传感器而不是卫星,尽管我们平常称呼的时候更习惯叫MODIS数据(以传感器来称呼),Landsat数据(以卫星来称呼)。MODIS传感器的全称为中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer),主要搭载在Terra和Aqua星上。 Terrra的简介如下(摘自百度百科和遥感集市): EOS(Earth Observation System)卫星是美国地球观测系统计划中一系列卫星的简称。经过长达8年的制造和前期预研究准备工作,第一颗EOS的上午轨道卫星于1999年12月18日发射升空,发射成功的卫星命名为Terra(拉丁语“地球”的意思),主要目的是观测地球表面。它是一个用一系列低轨道卫星对地球进行连续综合观测的计划。它的主要目的是:实现从单系列极轨空间平台上对太阳辐射、大气、海洋和陆地进行综合观测,获取有关海洋、陆地、冰雪圈和太阳动力系统等信息;进行土地利用和土地覆盖研究、气候的季节和年际变化研究、自然灾害监测和分析研究、长期气候变率和变化以及大气臭氧变化研究等;进而实现对大气和地球环境变化的长期观测和研究的总体(战略)目标。EOS卫星轨道高度为距地球705公里,目前的第一颗上午轨道卫星(Terra)过境时间为地方时10:30am左右,一天最多可以获得4条过境轨道资料。 Terra卫星于1999年12月18日发射成功,Aqua卫星于2002年5月4日发射成功。Terra为上午星,从北向南于地方时10:30左右通过赤道,Aqua为下午星,从南向北于地方时13:30左右通过赤道。两颗星相互配合每1-2天可重复观测整个地球表面,得到36个波段的观测数据 EOS系列卫星上的最主要的仪器是中分辨率成像光谱仪(MODIS),其最大空间分辨率可达250米。 对应的MODIS传感器的简介如下(摘自百度百科和遥感集市): MODIS是当前世界上新一代“图谱合一”的光学遥感仪器,有36个离散光谱波段,光谱范围宽,从0.4微米(可见光)到14.4微米(热红外)全光谱覆盖。MODIS的多波段数据可以同时提供反映陆地表面状况、云边界、云特性、海洋水色、浮游植物、生物地理、化学、大气中水汽、气溶胶、地表温度、云顶温度、大气温度、臭氧和云顶高度等特征的信息。可用于对地表、生物圈、固态地球、大气和海洋进行长期全球观测。中分辨率成像光谱仪(MODIS)最大空间分辨率可达250米,扫描宽度2330公里。MODIS是CZCS、AVHRR、HIRS和TM等仪器的继续。MODIS是被动式成像分光辐射计。共有490个探测器,分布在36个光谱波段,从0.4微米(可见光)到14.4微米(热红外)全光谱覆盖。 MODIS仪器的地面分辨率为250m、500m和1000m,扫描宽度为2330km。 在对地观测过程中,每秒可同时获得11兆比特的来自大气、海洋和陆地表面信息,日或每两日可获取一次全球观测数据。 MODIS参数(摘自百度百科和遥感集市) 空间分辨率——250 m (1-2波段);500 m (3-7波段);1000 m (8-36波段) 扫描宽度——2330km 时间分辨率——1天 光谱波段——36个离散光谱波段,光谱范围宽,从0.4微米(可见光)到14.4微米(热红外)全光谱覆盖 。 轨道——705KM,降轨上午10:30过境,升轨下午1:30过境;太阳同步;近极地圆轨道 设计寿命——5年 2.MODIS产品及命名规则 按处理级别划分,可以分为以下5种: 0级产品:也称原始数据; 1级产品:指L1A数据,已经被赋予定标参数; 2级产品:经过定标定位后数据,本系统产品是国际标准 的EOS-HDF格式。包含所有波段数据,是应用比较广泛的一类数据。; 3级产品:在1B数据的基础上,对由遥感器成像过程产生的边缘畸变(Bowtie效应)进行校正,产生L3级产品; 4级产品:由参数文件提供的参数,对图像进行几何纠正,辐射校正,使图像的每一点都有精确的地理编码、反射率和辐射率。L4级产品的MODIS图像进行不同时相的匹配时,误差小于1个像元。该级产品是应用级产品不可缺少的基础; 5级及以上产品:根据各种应用模型开发L5级产品。
全栈程序员站长
2022/09/02
8.3K0
MODIS数据的简介和下载(一)——MODIS数据简介
Google Earth Engine(GEE)——Landsat 8TI/TOA/SR影像对比分析区别和去云即NDVI计算
什么是预处理? 您将在 Google Earth Engine (GEE) 中找到的大部分数据都经过一定程度的预处理。这涉及多种不同的质量控制方法,以确保栅格集合中的最高级别的准确性和一致性。根据收集的不同,可能有多种可用的预处理级别,了解差异以成功地将遥感数据集成到生态研究中是很重要的。在 GEE 中提供数据之前,出版商一致解决图像产品的三个常见错误来源:大气(即空气化学)、地形(即高程)和几何(即像素一致性)。
此星光明
2024/02/02
8220
Google Earth Engine(GEE)——Landsat 8TI/TOA/SR影像对比分析区别和去云即NDVI计算
Geegle Earth Engine - A Review
2020, ISPRS Journal ‍Photogrammetry Remote Sensing
遥感大数据学习
2022/09/20
2.3K0
Geegle Earth Engine - A Review
Google Earth Engine的介绍与入门
Google Earth Engine是Google提供的对大量全球尺度地球科学资料(尤其是卫星数据)进行在线可视化计算和分析处理的云平台。该平台能够存取卫星图像和其他地球观测数据数据库中的资料,并具有足够的运算能力对这些数据进行处理。
郭好奇同学
2020/12/22
2.5K0
Google Earth Engine的介绍与入门
Landsat 1-9助力跨越近50年的遥感地球综合观测
Landsat任务:自1972年以来,Landsat 卫星不断获取地球陆地表面的遥感图像,提供连续的数据,帮助土地管理者和决策者对自然资源和环境做出明智的决策。2021年9月27日发射的美国国家航空航天局和美国地质调查局(USGS)的联合任务--Landsat 9,已经收集了其第一批地球的光照图像。这些图像都是在10月31日获得的,可以在网上查阅。它们提供了一个预览,说明这项任务将如何帮助人们管理重要的自然资源和了解气候变化的影响,增加了Landsat无与伦比的数据记录,该记录跨越了近50年的遥感地球观测。目前NASA的Landsat9团队正在进行为期100天的检查,包括测试卫星的系统和子系统以及校准其仪器,以准备在1月将任务移交给USGS。美国地质调查局将与Landsat8一起运行Landsat9,这两颗卫星将每天收集大约1500张地球表面的图像,每8天覆盖全球。它将更好地支持环境的可持续性、气候变化的适应性和经济增长。一旦卫星开始正常运行,Landsat 9的数据将从USGS的网站上免费提供给公众。
遥感大数据学习
2022/09/20
8650
Landsat 1-9助力跨越近50年的遥感地球综合观测
GEE代码实例教程详解:地表温度与土地覆盖类型分析
在本篇博客中,我们将使用Google Earth Engine (GEE) 对地表温度数据进行分析,并探究不同土地覆盖类型(特别是水体和城市区域)的地表温度变化。通过MODIS数据集,我们可以监测2001年至2024年间的数据。
Twcat_tree
2024/07/09
4450
Google Earth Engine谷歌地球引擎ee.Image格式栅格数据基本处理
  本文主要对GEE中的ee.Image格式数据图层基本处理操作加以介绍。本文是谷歌地球引擎(Google Earth Engine,GEE)系列教学文章的第十篇,更多GEE文章请参考专栏:GEE学习与应用(https://blog.csdn.net/zhebushibiaoshifu/category_11081040.html)。
疯狂学习GIS
2021/09/09
1.1K0
推荐阅读
相关推荐
AI Earth ——开发者模式案例8:利用Landsat-8数据进行地表温度反演
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验