本文介绍根据ENVI软件，完结对Landsat 7遥感印象加以大气校对办法的地表温度反演操作。

1 图画前期处理与本文理论部分

本文操作部分将直接由植被掩盖度核算翻开；而关于一个完整的地表温度反演核算进程，在求解植被掩盖度这一进程之前仍有很大都据预备、预处理等工作。为了更好了解整个试验进程，将咱们未进行的进程梳理如下。其间，详细的前期操作办法大家能够参阅文章# ENVI完结Landsat 7遥感印象预处理与不同大气校对办法比照。

首要获取需求的遥感图画数据，并对其进行包含上述文章内容在内的预处理进程——数据导入、辐射定标、几许校对、大气校对、图画拼接与裁剪等。

其间，辐射定标需求分两进程，即对可见光波段数据（如上述文章中的1、2、3、4、5、7六个波段）与热红外波段数据（如上述文章中的6波段）分别进行辐射定标。

其次，需求核算NDVI（即Normalized Difference Vegetation Index，归一化植被指数，而非植被掩盖度）。NDVI是指一幅遥感印象中，近红外波段的反射值与红光波段的反射值之差比上这二者之和；其能够用来检测植被成长状况、植被掩盖度，还能够消除部分辐射误差等。NDVI的详细取值规模约束在-1到1之间，其负值表明地上掩盖为云、水、雪等，即对可见光具有高反射；0值表明地上掩盖有岩石或裸土等，然后使得NIR（Near Infrared，近红外波段）和R（Red，红光波段）近似持平；其正值则表明地上有植被掩盖，且植被掩盖度越高，其数值越高。目前，在一些网站（如NASA官方网站）具有NDVI成品数据，可供咱们直接下载、运用；而经过初始遥感印象中的近红外波段数据和红光波段数据，咱们能够直接运用前述界说公式，即

对其加以核算。核算NDVI时需求留意，所选用的遥感印象不能具有过多的云搅扰。

再次，需求视实践情况对核算得出的NDVI成果图画进行重采样。这是因为，在本文中需求屡次运用“Band Math”东西对图画数据进行核算，而这一东西要求输入的数据在图画分辨率（即像元大小）及行、列数等方面完全一致。一起，咱们行将运用的热红外数据（即Landsat ETM+第六波段数据），其分辨率为60米；而核算得到的NDVI数据图画分辨率为30米。因而，咱们需求对分辨率精度更高的NDVI数据图画加以重采样处理，使得二者分辨率一致。

重采样功用能够经过ENVI软件中挑选“Basic Tools”→“Resize Data (Spatial/Spectral)”加以完结。

目前首要的地表温度单波段反演算法包含大气校对法（又叫辐射传输方程法，Radiative Transfer Equation，RTE）、单通道算法和单窗算法。本文咱们运用大气校对办法。大气校对法的基本原理为：估量得到大气对地表热辐射的影响，然后将这一部分大气影响由卫星传感器所接收到的热辐射总量中减去，得到地表热辐射强度；最终将地表热辐射强度转化为对应的地表温度即可。

卫星传感器接收到的热红外辐射亮度值L由三部分组成，其分别为：大气向上辐射亮度L↑、地表物体的实在辐射亮度在经过大气层后抵达卫星传感器的能量、大气向下辐射亮度在经过地上反射后的能量。因而，结合上述这一理论进程，能够用辐射传输方程来表明卫星传感器接收到的热红外辐射亮度值：

其间，为地表比辐射率，T_s为地表实在温度，B(T_s )为地表在T_s这一实在温度下的黑体热辐射亮度，为大气的热红外波段透过率。地表比辐射率又称为发射率，而根据基尔霍夫定律，发射率与吸收率持平，则(1-)能够表明反射率。因而，[*B(T_s )*]即为地表物体的实在辐射亮度在经过大气层后抵达卫星传感器的能量，而[(1-)L↓]则表明大气向下辐射亮度在经过地上反射后的能量。

物体的比辐射率是物体向外辐射电磁波的能力表征，是指在同一温度下地表发射的辐射量与一黑体发射的辐射量的比值。其不仅依赖于地表物体的组成，并且与物体的外表状况（如外表粗糙度）及物理性质（如介电常数、含水量等）有关，并跟着所测定的波长和观测角度等要素变化。对地表比辐射率的准确认量测量难度较大，因而本文根据经历法对地表比辐射率加以估量：

其间，F_C为植被掩盖度。由此可知，咱们需求一起核算出地表植被掩盖度，用以确认地表比辐射率核算公式并参加核算。本文咱们采取混合像元分解法求解植被掩盖度。同上述地表比辐射率核算公式较为一致，咱们仍然将地表分为水体、植被与修建三个部分；其间，根据NDVI数值对这一类别加以详细区别。NDVI小于0时，以为地物为水体，植被掩盖度为0；NDVI大于0.7时，以为地物为植被，植被掩盖度为1；NDVI取值在[0,0.7]时，以为地物处于水体与植被之间，植被掩盖度根据公式核算。针对不同的地物，核算植被掩盖度：

最终，完结上述全部核算并根据辐射传输方程求得B(T_s )后，能够根据普朗克公式反函数求出地表实在温度。公式为：

所得地表实在温度单位为开尔文（K），咱们需求将其转化为常见的摄氏度。温度单位的转化能够在得到地表实在温度图画后独自核算，亦能够直接在上式中核算。

2 实践操作

2.1 植被掩盖度核算

根据上述剖析，首要咱们需求凭借60米分辨率的研讨区NDVI数据图画，核算研讨区的植被掩盖度。

（1） 翻开ENVI Classic 5.3（64-bit）软件，挑选“File”→“Open Image File”，在弹出的文件挑选窗口中挑选“TM-NDVI-60m.img”文件；点击“翻开”。

（2） 挑选“Basic Tools”→“Band Math”，在弹出的公式创立窗口中输入本次试验的第一个公式，即植被掩盖度公式。输入公式完结后，点击下方“Add to List”按钮，即可将公式存入待挑选区内。为了削减后期不必要的工作量，能够每次修改完结一个公式后点击“Save”按钮，以将待挑选区内的公式保存。

（3） 保存公式完结后，点击左下角“OK”按钮，即可开端公式的核算。在弹出的公式变量文件挑选窗口中，将这一公式的变量“B1”挑选为咱们刚刚增加的文件“TM-NDVI-60m.img”。随后，装备输出文件地址等信息。

（4） 装备完结后，点击左下角“OK”按钮，即可开端公式的运转。运转完毕，将所得到的研讨区植被掩盖度成果图画导入ENVI软件中，显现如下。

2.2 地表比辐射率核算

如前所述，咱们完结植被掩盖度的核算其实是为地表比辐射率核算做预备。相同是将地物分为水体、乡镇与天然外表三个类别，根据经历法，运用与植被掩盖度形式相似的分段核算公式，为不同类别地物赋予不同的地表比辐射率核算公式。

考虑到在核算植被掩盖度时运用的公式中已包含“B1”这个变量波段称号，为了防止不同公式之间的变量彼此混杂，因而在一开端我在每一个公式中都运用了不同的变量称号——如在此处地表比辐射率核算公式中运用“B2”“B3”等。但经过后期的试验进程发现，其实每一次公式的变量称号即便一致也不会对试验形成显着的影响。

（1） 挑选“Basic Tools”→“Band Math”，在弹出的公式创立窗口中输入本次试验的第二个公式，即地表比辐射率公式。输入公式完结后，点击下方“Add to List”按钮，即可将公式存入待挑选区内。为了削减后期不必要的工作量，能够在修改完结这一公式后点击“Save”按钮，并将最近一次保存的公式文件掩盖，以将待挑选区内的两条公式一致保存。

（2） 保存公式完结后，点击左下角“OK”按钮，即可开端公式的核算。在弹出的公式变量文件挑选窗口中，将这一公式的变量“B2”仍然挑选为咱们最开端增加的图画文件“TM-NDVI-60m.img”，并将这一公式的变量“B3”挑选为经过上述进程取得的植被掩盖度成果图画文件。随后，装备输出文件地址等信息。

（3） 装备完结后，点击左下角“OK”按钮，即可开端公式的运转。运转完毕，将所得到的研讨区地表比辐射率成果图画导入ENVI软件中，显现如下。

2.3 相同温度下黑体辐射亮度值核算

正本文第一部分剖析所得，已知研讨区域地表比辐射率与热红外波段亮度，咱们便能够核算相同温度下黑体辐射亮度值。

（1） 在ENVI Classic 5.3（64-bit）软件中挑选“File”→“Open Image File”，在弹出的文件挑选窗口中挑选“TM6-rad-subset-jz-xiangfan.img”文件；点击“翻开”。

（2） 挑选“Basic Tools”→“Band Math”，在弹出的公式创立窗口中输入本次试验的第三个公式，即黑体辐射亮度值公式。输入公式完结后，点击下方“Add to List”按钮，即可将公式存入待挑选区内。为了削减后期不必要的工作量，能够在修改完结这一公式后点击“Save”按钮，并将最近一次保存的公式文件掩盖，以将待挑选区内的三条公式一致保存。

（3） 保存公式完结后，点击左下角“OK”按钮，即可开端公式的核算。在弹出的公式变量文件挑选窗口中，将这一公式的变量“B4”挑选为咱们刚刚增加的图画文件“TM6-rad-subset-jz-xiangfan.img”，并将这一公式的变量“B5”挑选为经过上述进程取得的地表比辐射率成果图画文件。随后，装备输出文件地址等信息。

（4） 装备完结后，点击左下角“OK”按钮，即可开端公式的运转。运转完毕，将所得到的研讨区相同温度下黑体热红外波段辐射亮度值核算成果图画导入ENVI软件中，显现如下。

2.4 地表实在温度核算

由前述剖析可知，经过上述进程得到的黑体热红外波段辐射亮度并不是地表实践温度，咱们仍然需求经过普朗克公式反函数完结二者之间的转化关系。 与此一起，这一进程得到的地表实践温度成果单位为开尔文（K），并不是咱们平日里常常运用的摄氏度（℃）。因而，咱们还需求完结温度单位的转化。

由开尔文温度转化为摄氏度只需求在原温度根底之上减去273.15即可，较为简单，没有必要独自转化。因而我挑选直接在这一进程将温度单位的转化完结。

（1） 挑选“Basic Tools”→“Band Math”，在弹出的公式创立窗口中输入本次试验的第四个公式，即地表实在温度公式。输入公式完结后，点击下方“Add to List”按钮，即可将公式存入待挑选区内。为了削减后期不必要的工作量，能够在修改完结这一公式后点击“Save”按钮，并将最近一次保存的公式文件掩盖，以将待挑选区内的四条公式一致保存。

（2） 保存公式完结后，点击左下角“OK”按钮，即可开端公式的核算。在弹出的公式变量文件挑选窗口中，将这一公式的变量“B6”挑选为咱们刚刚核算取得的黑体热红外波段辐射亮度成果图画文件，随后，装备输出文件地址等信息。

（3） 装备完结后，点击左下角“OK”按钮，即可开端公式的运转。运转完毕，将所得到的研讨区地表实在温度核算成果图画导入ENVI软件中，显现如下。

（4） 在得到的成果图画任意方位处右键，挑选“Cursor Location/Value”或“Quick Stats”选项，均能够查看图画各个像元的像素信息。在这里，我运用“Cursor Location/Value”查看图画像元信息，得到如下所示的成果。

（5） 能够看到，其间像元像素值（即“Data”值）呈现了“302.902771”这一数值。而这一进程所得到的成果为单位为摄氏度的地表实践温度数值，不可能呈现三百多的数据。因而，阐明很可能在前面操作部分呈现过错。

（6） 经过返回查看发现，在其间核算地表比辐射率时，所输入的公式呈现了输入过错。将这一过错纠正后，从头生成地表实践温度图画，并对其进行核算查看。

（7） 能够看到，经过修改后的地表实在温度图画数据契合实践情况，能够以为过错已被扫除。

2.5 图画导出

因为在试验后期需求制作专题地图，以将温度分为不同等级并比较不同地物的温度特性，因而需求将ENVI中得到的地表实践温度成果图画另存为“.tif”格局，然后便利运用ArcGIS系列软件对其加以进一步分级、美化与出图处理。

（1） 首要，我在ENVI图画窗口中进行图画的另存为操作。挑选“File”→“Save Image As”→“Image File”，在弹出的保存装备窗口中挑选文件格局为“TIFF/GeoTIFF”，并装备好成果图画文件保存途径、保存文件名等。

（2） 得到保存的成果图画文件后，将其增加进入AcrMap 10.2软件中。此刻发现，得到的图层文件在像素上已被拉伸至0-255规模。经过AcrMap的“辨认”功用，发现像元像素已全部被拉伸，即其原值均已成为上述0-255规模的数据。因而，以为图画应该不会再经过相关操作恢复原有的温度数值。随后，测验用“设置栅格特点”等东西加以调整，均以失败告终。

（3） 经过查阅网络资源，看到有人指出这种情况是保存了“图画”而不是“印象”；在这一提醒下，测验直接运用ENVI软件左上角东西栏中的“File”→“Save File As”→“TIFF/GeoTIFF”对图画加以保存。在弹出的保存装备窗口中挑选文件，并装备好成果图画文件保存途径、保存文件名等。

（4） 将第二次保存的“.tif”格局图画成果文件导入AcrMap 10.2软件中，看到成果数值为正常状况。

（5） 得到正常成果后，对两种不同的保存成果加以思考。本文所运用的软件为ENVI Classic 5.3（64-bit）版别，而运用非Classic版别相同发现这一问题。回忆在图画界面保存图片的进程，进一步发现，这样的保存应当是将图画格局直接设置成为了8bit整形存储的格局，然后丢掉其原有的像素数据信息与含义——即其只保存了这幅图画的“表面”，运用0-255之间并无实践含义的数据来表明图画的灰度；但其原有图画，即咱们期望得到的图画，其数据、灰度等级应是温度的表明。若将这张原有由不同温度区别出不同灰度等级的图画改动为由0-255之间数字区别出不同灰度等级的图画，其天然失去了原有的温度含义。

（6） 将正常图画导入AcrMap 10.2软件中后，一起发现其印象的黑边无法去除——运用“辨认”功用能够看到，黑边部分并无数据，其原本就已均为“NoData”状况。针对这一现象，可能是不同软件在保存、读取数据文件时呈现的常见过错，无需在意，后期对温度从头区别等级后即可消失。

（7） 最终导入图画及其信息如下图所示。其间，有两个成果附近的图层是因为在一开端地表实践温度转化进程中，我减去的数值为“273”而并非“273.15”。

3 专题地图制作

导入AcrMap 10.2软件中的图画为像元像素由22.3997至47.0569，若不对其从头区别温度区间处理，将会导致所成彩色图画各个颜色十分离散，不利于调查、剖析。

（1） 导入后的图画本身不具有核算信息，无法在“已分类”模块中对其各个数值区别区间。因而，需求首要运用东西对其数据信息加以核算。点击“Data Management Tools.tbx”→“栅格”→“栅格特点”→“核算核算数据”。

（2） 在弹出的装备窗口中挑选需求核算数据的图层，其它项目不需求做调整。

（3） 点击“确认”，即可对图层图画完结核算数据的核算。

（4） 在图层称号处右键，挑选“特点”→“符号系统”→“已分类”，翻开“分类”按钮，将分类办法挑选为“手动”，并根据要求设置四个“中止值”——30，35，39和图画像素的最大值47.0569。点击确认即可保存间断点设置。

（5） 回到图层特点窗口后，对四个规模所表明的内容加以标注，以便利后期制图。一起，针对温度专题图的特征，调理适宜的配色计划。原本我预备运用红色系作为配色，但发现出图后整体区别作用并不是很好。因而挑选另一种比照相对较强的配色计划。

4 不同地物地表温度比照剖析

为了愈加明晰地比照不同地物地表温度的差异，凭借腾讯地图中卫星地图模块，以襄阳市汉江为对照，比照研讨区域卫星地图与专题地图。得出结论如下：

（1） 水体温度显着低于周围城市、村庄等区域。这一特征可谓温度专题地图中最为显着的要素之一——由专题地图能够明晰辨认出一条低温带由襄阳市西部进入，由西北向东南方向延申；并在城市中部偏西南方向形成冲击岛，随后继续向南行进。此外，在冲击岛北部，由唐白河形成的低温带相同较为显着；其明晰可辨，乃至能够沿低温带追溯至该河流的发源处。城市东南处的秦咀水库相同如此。由水体的温度色带能够看出，在成像时间，其温度在30℃以下。因为水体的温度和光照有密切关系，尤其是汉江、唐白河这一类地上河；而本次试验所用图画的成像时间为上午10:30左右，当天日照时间还不长，因而水温较低。

（2） 乡镇温度显着高于周围区域。由温度专题地图能够看出，首要的高温集合区域均坐落汉江、唐白河沿岸；结合卫星地图能够看出，这些大大都均为襄阳市首要城市集合中心，修建、人口密布，经济兴旺。由乡镇温度色带能够看出，在成像时间，其温度在39℃以上。在另一方面，关于一些修建物散布较为零星的郊区、农村等，温度相对没有城市中心那么高；但其温度普遍在35-39℃区间内，较之周围区域温度仍是较高。因为乡镇人口多，汽车、日子焚烧等排放较多，加之工业生产频频，因而温度较高。

（3） 农田、耕耘用地等温度较高。35℃以上区域首要散布在汉江、唐白河沿岸的另一原因是这些耕耘用地和乡镇一样，多散布于地形平坦、土壤肥美、灌溉便利的河流两岸。由专题地图能够看出，大都耕耘用地的温度在35-39℃这一区间；当然，相同亦有不小面积的农田温度在30-35℃区间。因而，能够以为耕耘用地温度处于35℃左右。其温度较之乡镇低，是因为村庄地广人稀，人口密度显著小于城市区域，因而产生的热量较少；而其温度较高于森林、山区则是因为地形平坦、人为耕耘调理土温等。

（4） 森林、山区等温度显着较低。在温度专题地图中，有三处首要的低温集合中心，分别为襄阳市西南部位、西部汉江北岸区域、中部汉江东部区域。其间最显着、面积最大的低温集合中心——城市西南方的低温处为山区，而其他两处区域则多为森林。能够看到，这些低温区域的温度都在30℃以下。因为森林中树木的遮荫、吸热作用，使得森林地表温度显着低于其他区域；而关于山区而言，因为气压低，空气稀薄，大气保温作用较差；一起高山外表间隔地上较远，无法吸收地上热量，使得其外表温度较低。与此一起，二者相同具有人口密度很低的特点。