内容概要：本文旨在分析慕尼黑特蕾西恩维斯地区在2023年和2024年不同时间段（包括 Oktoberfest 期间）的地表温度（LST），以研究城市热岛效应。文中通过 Landsat 9 和 Sentinel-2 卫星影像数据，利用 Split-Window 算法计算 LST，并进行归一化处理和差异分析。此外，还计算了 NDVI、NDBI、NDWI 和 Albedo 等指数，并进行了土地覆盖分类。为了提高分辨率，采用了随机森林算法对 LST 数据进行降尺度处理。最后，通过统计分析和散点图验证了降尺度结果的有效性。 适合人群：具备一定遥感和地理信息系统（GIS）基础知识的研究人员和技术人员，尤其是对城市热岛效应和地表温度分析感兴趣的学者。 使用场景及目标：①分析特定区域（如 Oktoberfest 场地）在不同时间段的地表温度变化；②评估城市热岛效应的影响；③通过降尺度技术提高 LST 数据的空间分辨率；④验证降尺度方法的准确性。 阅读建议：此资源涉及多种遥感数据处理技术和算法，建议读者在阅读时结合实际案例进行实践操作，并重点关注代码实现和结果验证部分。同时，建议读者熟悉 Python 或 JavaScript 编程语言，以及 Google Earth Engine 平台的基本操作。

基于python实现Landsat8影像地表温度反演算法

在遥感应用中,运用MODTRAN软件求解大气透过率的参数比较多,而大气中各个参量的变化和不均匀性,给大气透过率和地表温度的计算带来很大的不便。文中基于大气上界的太阳日辐射,提出基于大气整体透过率的建模思想,以太阳能量子穿过大气到达地表损失的能量与大气上界的太阳常数比值作为大气透过率的近似解,通过建立地表热传导的线性方程,实现了地表温度求解。

The data can Explore global temperatures since 1750,and the raw data comes from the Berkeley Earth data page. 数据集探索自1750年以来全球温度，以及其原始数据来自“伯克利地球”数据页面。 GlobalTemperatures.csv GlobalLandTemperaturesByCountry.csv GlobalLandTemperaturesByMajorCity.csv GlobalLandTemperaturesByState.csv GlobalLandTemperaturesByCity.csv

成为一名气候科学家是多么激动人心的时刻。 鉴于最近由科克兄弟资助的伯克利地球表面温度（BEST）研究的透明性，我想看看它们的结果，并将其与NASA戈达德太空研究所（GISS）和美国提供的温度历史进行比较国家海洋和大气管理局（NOAA）国家气候数据中心（NCDC）。 结果是以下三个 MATLAB 函数，它们从三个机构获取全球平均地表温度： [best_temp,best_dates,best_temp_unc] = best_tavg(start_date,end_date,moving_average) [giss_temp，giss_dates] = giss_tavg（开始日期，结束日期，移动平均值） [noaa_temp,noaa_dates] = noaa_tavg(start_date,end_date,moving_average) 输出变量是温度数据的向量，相应的日期，

基于landsat-8的地表温度反演

风云卫星地表温度反演算法研究.pdf

从Landsat8影像反演地表温度的劈窗算法研究.docx

利用缨帽变换提取土壤亮度指数、绿度植被指数、湿度指数等地表参数，利用模型提取归一化植被指数NDVI、比值植被指数RVI、修改型土壤调整指数MSAVI等植被指数和水体指数MNDWI，利用Artis单窗算法估算热红外波段像元尺度地表温度，将地表温度的影响因素作为BP神经网络输入估算30 m空间分辨率的亚像元地表温度，分析1989～2006年桂林城区土地利用变化、缨帽变换特征分量变化、植被参数变化、水体指数变化对地表温度的影响机理。

Landsat8TIRS反演地表温度。地表温度反演算法主要有以下三种：大气校正法（也称为辐射传输方程：Radiative Transfer Equation——RTE）、单通道算法和分裂窗算法。