本文详细介绍了如何使用Google Earth Engine（GEE）平台上的Landsat8 C02数据集进行地表温度（LST）反演。作者分享了在实际项目中遇到的坑，包括数据集版本更新导致的波段报错问题，以及不同资源质量带来的复现困难。文章提供了完整的代码实现，包括数据预处理、质量掩膜应用、温度计算及结果可视化等步骤。通过示例代码，读者可以学习如何利用Landsat8的ST_B10波段直接计算地表温度，并导出结果进行进一步分析。最后，作者还展示了温度直方图和栅格数据的输出效果，为城市热岛效应研究提供了实用工具。 在地表温度反演领域，使用卫星遥感数据进行热红外波段分析是常用来获取地表热环境信息的重要手段。Landsat 8卫星是美国地质调查局（USGS）发射的一颗遥感卫星，搭载了多个波段的传感器，可以对地表进行多光谱观测。特别是其中的热红外传感器，可以在地表温度反演中发挥关键作用。 本文的核心在于如何通过Google Earth Engine（GEE）这一在线平台，高效利用Landsat 8的C02数据集来计算地表温度。GEE提供了强大的云计算资源，使得用户可以不必下载大量数据，就能进行数据处理和分析。文章中作者详细讲解了从数据集选择、波段预处理到温度计算的整个流程。 具体而言，文章首先提到了在数据处理过程中可能遇到的问题，比如数据集版本更新后波段命名的改变可能会导致在处理时遇到错误。为了克服这些问题，作者提供了切实可行的解决方案，并在文中提供了实用的代码片段。这些代码涵盖了从数据加载、预处理到结果输出的各个环节。 为了确保结果的准确性，文章介绍了如何应用质量掩膜技术来筛选出高质量的数据，以排除云层、阴影等可能干扰热红外测量的因素。这是反演地表温度时的关键步骤，因为它直接影响到温度计算的精度。 接着，文章阐述了如何使用Landsat 8卫星数据的ST_B10波段进行地表温度的直接计算。这部分内容非常关键，因为它是将遥感数据转换为具体温度值的核心算法部分。在讲述算法的同时，作者还分享了如何将计算结果导出，以便于后续的分析和应用。 除了技术细节，文章还对结果展示进行了说明。作者演示了如何利用GEE的可视化工具，将温度反演结果以温度直方图和栅格数据的形式展现出来。这些结果可以用来分析城市热岛效应、土地覆盖变化等环境问题，为城市规划和环境监测提供了重要的科学依据。 作者还指出了在实际操作中，即便有代码辅助，不同资源质量也可能导致复现困难的问题。因此，作者也分享了一些实际操作的技巧和经验，帮助读者更好地理解和掌握地表温度反演的技术流程。 通过本文的学习，读者可以掌握使用GEE和Landsat 8数据进行地表温度反演的整个流程。这些知识不仅有助于科研人员进行环境研究，也能为相关领域专业人士提供实用的参考和工具。

本文详细介绍了如何利用Google Earth Engine (GEE)平台批量下载Landsat8地表温度（LST）数据的方法。文章首先阐述了地表温度的重要性及其在气候、生态等领域的应用价值，随后提供了完整的代码框架和分步骤详细解析，包括感兴趣区域（ROI）导入与地图配置、Landsat8影像掩膜与定标函数定义、时间范围设置以及逐月影像合成、LST计算与批量导出等核心步骤。代码实现了对指定区域2024年逐月Landsat8卫星数据的筛选、云去除、辐射定标、地表温度计算与批量导出，适用于生态、气候等领域的时空动态分析。文章还提供了代码关键注意事项和运行结果，帮助读者更好地理解和应用该方法。 地表温度（LST）是研究地球表面热能流动与气候相互作用的重要参数。获取准确的LST数据对于分析气候模式、评估生态环境变化以及支持农业生产等方面具有极其重要的意义。Landsat 8 卫星作为美国地质调查局(USGS)和NASA联合发射的一颗地球观测卫星，能够提供覆盖全球范围的高清多光谱数据，是获取LST数据的重要来源。 Google Earth Engine（GEE）是一个强大的云平台，提供了海量地球科学数据的存储和分析能力。GEE平台支持各种类型的地球科学数据，包括Landsat系列卫星数据，且其内置的API功能允许用户直接在云端处理和分析这些数据。利用GEE平台，可以非常便捷地进行批量数据处理和下载，大大降低了进行大规模遥感分析的门槛。 在利用GEE平台下载Landsat8 LST数据时，首先需要定义感兴趣区域（ROI），即确定需要分析和下载数据的地理位置。接下来，根据Landsat8卫星的特性，需要设定时间范围，确定分析的时间跨度。此外，对于Landsat8影像的处理，需要进行影像的掩膜处理，以剔除云层和云影的影响。为了确保数据的准确性，还需要对影像进行辐射定标。 辐射定标之后，可以计算地表温度。Landsat8提供的是光谱数据，需将光谱数据转换为温度数据，此过程涉及到复杂的物理模型和算法。当LST计算完成后，还需要通过逐月影像合成的方式整合数据，从而形成一系列时间序列数据集，这对于研究地表温度随时间的变化趋势非常重要。 文章中提到的可运行源码，实际上是一个程序化的解决方案，不仅提供了核心步骤的代码框架，还详细解析了每一步的操作。代码中可能包含有自动筛选数据、云量剔除、辐射定标、温度计算以及最终数据导出等功能。这些代码示例和说明，可以帮助读者更加直观地理解如何使用GEE进行遥感数据处理，同时，也便于读者根据自身需求调整和优化代码。 由于Landsat8影像数据量庞大，逐个下载和处理这些数据将耗费大量的时间和精力。GEE平台的优势在于其强大的数据处理能力和并行计算能力，能够快速响应用户的分析需求，实现批量处理和下载。因此，这种方法特别适合进行大规模、长时间序列的遥感数据分析，对于生态学、气候学等领域的研究具有很高的应用价值。 值得注意的是，在运行相关代码时，用户需要注意代码中的一些关键事项，如版本兼容性、API的调用限制等，以避免运行时发生错误。此外，文章还可能提供了运行结果的截图或数据，帮助读者验证代码的运行效果，并指导读者如何解读和应用下载的数据。 文章提供的信息和代码示例，将大大促进遥感科学领域研究者的工作效率，特别是在进行时空动态分析时，这些数据和方法将提供强有力的技术支持。对于那些缺乏专业编程背景的研究人员来说，本文所提供的详细教程和完整代码，无疑为他们提供了一种易于上手和操作的解决方案。

Landsat8卫星的OLI传感器新增的穿透力强的深蓝波段,为近海水质监测提供了重要的数据资料.然而,深蓝波段用于近海泥沙水质监测的效果有待验证.本研究选取了渤海湾近海海域的一景少量云覆盖的Landsat8-OLI多光谱影像,经过裁剪得到海岸带和近海区域.利用不加入深蓝波段的六个波段和加入深蓝波段的七个波段对近海泥沙水体分类效果和精度进行对比研究.研究结果表明:深蓝波段参与分类对于中度泥沙海水的分类精度有显著提高,比深蓝波段未参与分类的中度泥沙海水的分类精度提高约12个百分点;深蓝波段参与分类对于泥沙海滩和轻度泥沙海水的制图精度没有显著影响.

基于python实现Landsat8影像地表温度反演算法

envi二次开发用idl编程实现landsat8辐射定标

从Landsat8影像反演地表温度的劈窗算法研究.docx

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。

Landsat8 TIRS地表温度反演工具

Landsat8温度数据和landsat7温度数据反演地表温度

针对多幅遥感影像的色彩不一致问题，经过处理后可以得到色彩一致的影像。