Python遥感图像处理应用篇(三十三)：Landsat8 Collection2 Level2地表温度计算

空中旋转篮球

已于 2023-05-08 11:58:18 修改

阅读量2.2k

点赞数 5

CC 4.0 BY-SA版权

分类专栏： Python遥感图像处理文章标签： python

于 2023-05-08 11:39:16 首次发布

本文链接：https://blog.youkuaiyun.com/soderayer/article/details/130555278

Python遥感图像处理专栏收录该内容

52 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了如何利用Python处理Landsat8 Collection2 Level2数据，计算地表温度。内容包括数据介绍，特别是Surface Temperature的重要性和计算所需的数据参数，以及温度单位转换。提供了代码实现来展示地表温度数据波段ST_B10的处理过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.数据介绍

Landsat8 Collection2 Level2 数据产品介绍地址：Landsat Collection 2 Level-2 Science Products | U.S. Geological Survey

部分原文介绍如下，我们可以通过一下参数来计算地表反射率以及进行地表温度单位转换。

**Collection 2 Surface Reflectance Enhancements**
	Collection 2 Surface Reflectance	Collection 1 Surface Reflectance (on demand, U.S. ARD)
Fill Value	0	-9999

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

空中旋转篮球

关注关注

5
点赞
踩
9

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

地表温度计算（二）--Landsat8 Collection2 level2数据集

所有专家都曾始于新手

01-10

4289

1、反演好的lst中有一些空缺部分，那是去除了云层遮蔽后的效果。如果是南方地区经常阴雨多云，可以将时间步长设置的长一点，这样来填补空缺。在代码中修改.filterDate(‘2023-05-05’, ‘2023-05-10’)的时间部分2、GEE平台的计算效率非常快，可以从ENVI处理慢慢转到该平台上来。3、地表温度一般计算下来>空气温度，太阳直射一般在城区的盛夏季都能达到60多，范围很高还有可能是局部异常值，比如停车场摆放的车辆（钢铁导热）。

Python遥感图像处理应用篇(八)：批量计算landsat8中NDVI指数数据置信区间并保存结果

soderayer的博客

05-02

3679

""" @soderayer date:20220428 to read NDVI files testfile Landsat8 collection2 level2 NDVI data calculate the confidence interval to csv data info table： Attribute Value Long Name Normalized Difference Vegetation Index Short Name LC8NDVI, LE7ND...

2 条评论您还未登录，请先登录后发表或查看评论

GEE学习：Landsat8 Collection2 level2数据集获取影像范围及坐标

GEE水生态空间

01-30

5439

目录一、问题描述：二、分析步骤与代码：1、分析步骤2、采用Landsat8 C02数据集进行查询三、获取影像空间范围四、学习小结：一、问题描述： GEE中，如何获取遥感影像的范围（extent）？以鄱阳湖湖区Landsat遥感影像为例，获取影像的空间范围。利用WRS行列号进行影像查询方法可参见 GEE学习：按照行列号筛选鄱阳湖湖区影像数据并查询相关信息. 本次进行分析的区域如下：二、分析步骤与代码： 1、分析步骤分析步骤如下所示： #mermaid-svg-bzprofXSr92uSZs

基于python实现Landsat8影像地表温度反演算法

03-08

基于python实现单窗算法反演Landsat-8影像地表温度，。

基于劈窗算法的地表温度反演算法

qq_45395367的博客

04-20

6221

总结基于劈窗算法的地表温度反演算法步骤，可根据该算法写程序

Google Earth Engine（GEE）——Landsat 8/9 Level 2，Collection 2 LST地表温度（不包含Landsat7之前的数据集）

此星光明博客

04-01

2004

不再需要使用 Ermida 的算法计算表面温度。Landsat Level 2，Collection 2 包含经大气校正的地表反射率和地表温度 (LST)。所有 Collection 2 LST 产品均采用由罗彻斯特理工学院 (RIT) 和美国国家航空航天局 (NASA) 喷气推进实验室 (JPL) 联合开发的单通道算法创建。

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

weixin_48807049的博客

04-18

2万+

ENVI5.3.1基于Landsat 8影像进行辐射定标和大气校正提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录一、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 多光谱波段2.1.2 热红外波段2.2 大气校正2.3 图像镶嵌2.4 图像裁剪2.4.1 矢量数据下载2.4.2 ArcGIS扣出自己需要的shp文件2.4.3 详细步骤3.温度反演3.1基于单窗算法3.1.1 NDVI计算3.1.2 计算植被覆盖度数据3.1

【遥感数据处理深度剖析】：Landsat图像LST计算的理论基础与实用技巧

[【遥感数据处理深度剖析】：Landsat图像LST计算的理论基础与实用技巧](https://pub.mdpi-res.com/remotesensing/remotesensing-06-09829/article_deploy/html/images/remotesensing-06-09829f1-1024.png?1416252402...

从0开始学GEE python——如何在 Google Earth Engine (GEE) 中处理 Landsat 8 和 MODIS 图像集合，并计算中位数和 NDVI 趋势linearFit

最新发布

此星光明博客

12-31

1037

是一个强大的工具，用于在 Google Earth Engine 中进行线性回归分析，帮助用户理解数据的变化趋势和关系。这段代码展示了如何在 Google Earth Engine 中处理 Landsat 8 和 MODIS 图像集合，计算中位数和 NDVI 趋势，并通过地图可视化工具展示结果。这些步骤可以帮助用户分析和理解地表变化的信息。

python对landsat8数据进行辐射标定和大气校正

weixin_45866058的博客

05-30

1413

辐射定标：辐射亮度L=DN*Gain+Bias 大气校正：表观反射率ρ=π*L*D²/（ESUN*cosθ）式中，ρ为大气层顶( TOA) 表观反射率( 无量纲)，π为常量( 球面度sr)，L 为大气层顶进人卫星传感器的光谱辐射亮度（ W*1/（m²*sr*um）），D为日地之间距离( 天文单位)， ESUN为大气层顶的平均太阳光谱辐照度（ W*1/（m²*sr*um））θ为太阳的天顶角。

Landsat8LST-地表温度反演

01-30

常用ENVI功能扩展工具之一：Landsat8LST-地表温度反演

landsat8反演地表温度具体步骤.docx

03-30

算法根据覃志豪的单窗算法而来，步骤详细，供大家参考。觉得好，给个赞。谢谢诶支持。

使用Google Earth Engine (GEE)获取Landsat 8地表温度

2301_77925375的博客

05-18

1597

其中，B10 是 Landsat 8 OLI 系列传感器的波段 10，它捕获的是地表辐射温度（Radiance）。上述代码作了一些简单的转换，可以将其转换为摄氏度的地表温度。其中，geometry、startDate 和 endDate 是分别代表感兴趣区域（以几何体表示）、起始日期和结束日期的变量。请注意，在您的代码中需要根据实际的需求进行修改和调整，以便适应不同的数据集、分析目的和可视化选项。最后，需要在 GEE 飞行界面上检查和调整可视化选项来查看生成的地表温度图层。

Python遥感图像处理应用篇(七)：Landsat8 Collection2 Level2数据下载及批量计算NDVI指数

soderayer的博客

04-26

5103

1.数据下载在EarthExplorer查询网站提交订单后，发现一直无法下载，因此，将订单信息做成产品名称列表，将查询结果导出为csv文件格式，然后将产品名称一列做成txt文本列表，（如下图，导出元数据）在ESPA - LSRD提交这个文本订单并下载，具体过程网上有不少。点击New Order菜单进入提交产品列表页面，这里可以将数据转换为自己需要的投影和分辨率。更多处理选项里面还可以下载反射率产品和NDVI等指数产品，提交的时候报错了，就只下载了原始数据产品。提交后就开始处理..

使用ArcPy进行Landsat 8 地表温度提取

dxbjfu08的专栏

10-25

4720

使用ArcPy进行Landsat 8 地表温度提取最近尝试使用landsat 8 band10 和band11波段进行地表温度（Land Surface Temperature）提取，步骤挺多，开始用model builder做了个模型，可是步骤里面的参数挺多，所以整体流程还是不太清晰。想起来ArcPy，测试一把，总算跑起来了。。。也还不错。步骤如下：输入BAND10、BAND11、NDVI BA

python 3.5版本安装landsat-uti包

zhoulong_giser

05-25

675

前言：landsat-uti的安装走了不少弯路，特此记录分享，供有缘人使用，切记按照步骤走哦。安装环境： Anaconda：Anaconda3-4.2.0-Windows-x86_64(百度云链接，ps:过期请呼邮箱) python:3.5版本百度云链接：链接：https://pan.baidu.com/share/init?surl=srSG_ER4dXVS-ugukVppCw提取...

ENVI下Landsat8大气校正法反演地表温度

热门推荐

qq_41140062的博客

03-12

2万+

尝试过ETM+热红外的大气校正法、单窗算法；ASTER的单窗算法、劈窗算法；Landsat8的大气校正法、单窗算法、劈窗算法反演地表温度。这里首先想记录Landsat8的大气校正法反演地表温度。我认为热红外反演地表温度的大致流程为：（1）原始的DN值经过辐射校正后，得到星上辐射亮度值（公式1）；（2）星上辐射亮度值经过大气校正，去除水汽的影响后，得到辐射亮度值；（3）考虑到地物的发射率（比...

python读取landsat8数据问题，遥感影像波段合成python代码

wrk13849670851的博客

03-16

1103

【代码】python读取landsat8数据问题，遥感影像波段合成python代码。

【GEE】基于GEE-Landsat8数据集地表温度反演（LST热度计算）

Remote Sensing迷途小书童

11-06

1万+

老样子，最近在做生态方面的项目，然后需要分析城市的热岛效应，想了想还是用GEE计算比较简单，直接下载影像太麻烦了。所以在网上看看了资料，踩了踩坑终于是将代码写出来了。秉承着取之于民、用之于民的想法，今天给大家分享一下如何使用GEE的Landsat8数据集进行地表温度的反演。

温度反演python代码

09-05

温度反演通常是指根据测量得到的辐射亮度（或辐射率）来推算目标物体的温度。在遥感领域，这个过程可以使用黑体辐射定律来完成，比如普朗克定律。在编写Python代码进行温度反演时，你可能需要使用数学模型来根据辐射亮度计算温度。下面是一个简单的Python代码示例，展示了如何使用普朗克定律来计算基于辐射亮度的温度： ```python import numpy as np # 普朗克定律函数，输入为波长（单位：米）和温度（单位：开尔文），输出为辐射亮度（单位：瓦特每平方米每球面度每微米） def plancks_law(wavelength, temperature): c1 = 3.7418e-16 # 第一辐射常数，单位 W·m^2 c2 = 1.4388e-2 # 第二辐射常数，单位 m·K h = 6.6261e-34 # 普朗克常数，单位 J·s k = 1.3807e-23 # 玻尔兹曼常数，单位 J/K wavelength_microns = wavelength * 1e-6 # 转换波长单位为微米 # 计算辐射亮度 numerator = 2 * h * c2 * np.power(wavelength_microns, 5) denominator = np.power(np.exp(h * c2 / (wavelength_microns * k * temperature)) - 1, 1) radiance = numerator / denominator return radiance # 单位 W·m^-2·sr^-1·um^-1 # 计算给定波长和辐射亮度下的温度反演 def temperature_inversion(wavelength, radiance): # 这个过程可能需要使用数值方法，比如牛顿法、二分法等，这里仅提供一个基本的框架 # 假设反演的初始温度是300K temperature = 300 # 初始猜测值 tolerance = 0.01 # 精度阈值 max_iterations = 100 for _ in range(max_iterations): radiance_calculated = plancks_law(wavelength, temperature) error = radiance_calculated - radiance # 如果误差足够小，则认为找到了温度 if abs(error) < tolerance: return temperature # 这里可以使用更复杂的数值方法来优化温度的猜测值，例如： # temperature = ... # 使用数值方法更新温度值 # 如果没有找到合适的温度，则返回None return None # 示例：波长为10微米，辐射亮度为1 W/m^2/sr wavelength = 10e-6 # 单位：米 radiance = 1 # 单位：W/m^2/sr temperature = temperature_inversion(wavelength, radiance) print(f"反演的温度为: {temperature} K") ``` 这个代码是一个非常简化的模型，实际的温度反演过程可能更加复杂，可能需要考虑大气的影响、多波段数据的融合等因素。此外，实际应用中可能需要使用专门的数值方法来提高反演的准确性。