GEE 案例:如何利用LST脚本快速计算指定区域的LST和时序的LST

目录

简介

代码

单景LST代码

Landsat  LST时序

结果

引用

引入的脚本

ASTER emissivity

LST脚本

TPW脚本

SWM系数

SWM算法

boardband脚本

去云脚本

FVC脚本

NDVI脚本

蒸散发脚本


简介

地表温度是指地球表面的温度,即地球表面空气与地面接触处的温度。地表温度受多种因素影响,包括太阳辐射、地形高度、地球表面覆盖物(如陆地、水域、植被等)以及大气状况等。由于地表温度的变化对气候、生态系统和人类活动都有重要影响,因此对其进行观测和分析具有重要意义。地表温度的测量可以通过气象观测站、卫星遥感以及地面测量设备等方法来进行。

LST是Land Surface Temperature(地表温度)的缩写。它是指地球表面的温度,即地面与大气的交界处的温度。LST是衡量地表热量状态和观测地表能量平衡的重要参数之一。

LST的测量可以利用卫星遥感技术进行。卫星上搭载的热红外传感器可以探测地表辐射的热能,通过测量地表自身发射的热辐射来估算地表温度。这些卫星数据可以提供全球范围的地表温度分布,以及不同地区和不同时间段的地表温度变化的信息。

LST在许多领域具有重要的应用价值。在气象学中,LST可以帮助了解大气和地表之间的能量交换,从而更好地理解和预测天气现象。在农业领域,LST可以用于监测作物的生长和发育状况,帮助优化农作物管理。在城市规划和环境保护领域,LST可以用来分析城市热岛效应和评估城市热环境质量。

总之,LST是指地表温度,通过卫星遥感等技术手段测量,对研究和应用具有重要意义。

### 使用 Google Earth Engine (GEE) 进行地表温度反演的单窗算法方法实现 #### 一、背景知识 地表温度(Land Surface Temperature, LST)是描述地球表面热状态的重要参数,在多个领域具有广泛应用,如城市气候研究、农业监测以及环境变化评估等。Landsat 系列卫星提供了丰富的多光谱影像数据,可用于估算高空间分辨率的地表温度。然而,传统的 LST 计算往往依赖复杂的模型大量本地计算资源。借助于谷歌地球引擎(Google Earth Engine),可以通过云端处理能力简化这一过程并提高效率[^1]。 #### 二、单窗算法简介 单窗算法是一种用于从遥感影像中提取地表温度的方法,它通过考虑大气影响来校正观测到的亮温值。具体来说,该算法利用了短波红外波段与其他可见光/近红外波段之间的关系来进行辐射传输建模,并最终得到较为精确的地表真实温度估计。这种方法相对简单易懂且不需要额外的大气参数输入即可完成基本运算[^3]。 #### 三、基于 GEE 的 Python 实现代码示例 下面给出一段简单的Python脚本,展示了如何在Google Earth Engine平台上应用单窗算法进行地表温度反演: ```python import ee def maskClouds(image): qa = image.select('pixel_qa') cloudShadowBitMask = 1 << 3 cloudsBitMask = 1 << 5 maskedImage = image.updateMask(qa.bitwiseAnd(cloudShadowBitMask).eq(0)).updateMask(qa.bitwiseAnd(cloudsBitMask).eq(0)) return maskedImage.copyProperties(source=image) # 加载 Landsat 数据集 dataset = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR').filterDate('2020-01-01', '2020-12-31').map(maskClouds) # 定义单窗算法函数 def singleWindowAlgorithm(image): k1 = 607.76; # 对应于TIRS通道1 k2 = 1260.56; # 对应于TIRS通道1 rad = image.expression( '(exp((k2/(band10))-1)*k1)', { 'k1': k1, 'k2': k2, 'band10': image.select('B10') }).rename(['rad']) lst = rad.expression( '((b-k2)/(log(b/k1+1)))', {'b': rad}).divide(10).rename(['lst']) return image.addBands(lst) # 应用单窗算法至整个图像集合 lstImages = dataset.map(singleWindowAlgorithm) # 获取指定区域内的平均地表温度图层 meanLst = lstImages.mean().select('lst') # 将结果导出为GeoTIFF文件 task = ee.batch.Export.image.toDrive({ 'image': meanLst.clip(aoi), 'description': 'Mean_Land_Surface_Temperature', 'scale': 30, 'region': aoi.geometry(), }) task.start() ``` 此代码片段实现了对给定时间段内所有可用的Landsat OLI-TIRS影像执行云掩膜操作后,再逐张图片调用`singleWindowAlgorithm()` 函数计算其对应的地表温度;最后求取所有时间点上的均值作为最终输出成果之一。值得注意的是,在实际部署之前可能还需要针对特定应用场景调整某些参数设置以达到更优效果[^4]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

此星光明

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值