保姆级教程：用ENVI+Erdas搞定Landsat地表温度反演（含单窗算法建模避坑指南）

从零到精通的Landsat地表温度反演实战指南

当第一次接触遥感温度反演时，许多初学者都会陷入公式复杂、软件操作繁琐的困境。本文将以ENVI和Erdas为例，手把手带你完成从数据预处理到温度反演的全流程，特别针对单窗算法建模中的常见陷阱提供解决方案。不同于传统教程只展示正确路径，我们将重点揭示那些导致90%初学者失败的典型错误，让你少走弯路。

1. 环境准备与数据预处理

在开始温度反演前，确保你的工作环境满足以下条件：

• 硬件配置：建议16GB以上内存，固态硬盘存储空间≥50GB（Landsat数据解压后体积庞大）
• 软件版本：ENVI 5.3+/Erdas 2014+（关键算法模块需完整）
• 数据要求：Landsat 8 Level 1产品（包含B10/B11热红外波段）

辐射定标避坑要点：

1. 在ENVI中使用Radiometric Calibration工具时：
   • 选择Thermal Infrared类型
   • 设置输出单位为Brightness Temperature
   • 务必取消勾选Apply FLAASH Settings（常见错误源）

# ENVI批处理辐射定标示例代码 pro = ENVI() task = pro.task('RadiometricCalibration') task.INPUT_RASTER = input_file task.CALIBRATION_TYPE = 'Thermal Infrared' task.OUTPUT_DATA_TYPE = 'Floating Point' task.OUTPUT_UNITS = 'Brightness Temperature' task.execute()

注意：不同Landsat卫星的辐射定标系数存在差异，Landsat 8/9使用B10/B11，而Landsat 7使用B6_VCID_1/2

2. 关键参数计算实战

2.1 植被覆盖度精确计算

NDVI计算后，植被覆盖度(Fv)的转换需要特别注意阈值处理：

Erdas Modeler建模技巧：

# 条件判断语句示例 if (NDVI < 0.05) then 0 else if (NDVI > 0.7) then 1 else (NDVI - 0.05)/(0.7 - 0.05)

2.2 地表比辐射率建模

结合监督分类结果，不同地物类型的比辐射率计算公式：

1. 水体：0.995
2. 植被：0.986 + 0.004×Fv
3. 建筑：0.958 + 0.014×Fv

关键提示：在Erdas中创建分类结果与Fv的交叉矩阵时，务必设置输出数据类型为32-bit float，否则会丢失小数精度

3. 单窗算法完整实现

3.1 大气参数计算

使用覃志豪单窗算法时，需要准备以下参数：

• 大气透射率(τ)：根据水汽含量计算
• 大气平均作用温度(Ta)：287.55K（夏季标准值）
• 亮度温度(Tb)：来自辐射定标结果

易错点排查表：

3.2 最终温度计算公式

完整单窗算法在Erdas Modeler中的分步实现：

# 地表温度计算核心公式 C = emissivity * 0.800692 D = (1 - 0.800692) * (1 + (1 - emissivity) * 0.800692) T = Tb / (1 + (λ * Tb / ρ) * ln(emissivity)) # λ=10.8μm, ρ=14380

参数来源说明：

• λ：热红外波段中心波长（Landsat 8 B10为10.8μm）
• ρ：常数h×c/σ（h为普朗克常数，c为光速，σ为玻尔兹曼常数）

4. 结果验证与误差分析

完成温度反演后，建议进行以下质量检查：

1. 数值范围验证：

   • 正常地表温度范围：-20℃~50℃
   • 异常值检查（>100℃或<-50℃通常意味着计算错误）

2. 空间分布验证：

   • 水体区域应呈现低温特征
   • 建筑密集区显示热岛效应
   • 植被覆盖区温度梯度自然

3. 交叉验证方法：

   • 与MODIS地表温度产品对比
   • 使用地面气象站数据验证

典型误差来源统计：

在完成首个成功案例后，建议尝试以下进阶操作：

• 对比不同大气校正方法的影响（DOS vs FLAASH）
• 测试单窗算法与分裂窗算法的结果差异
• 构建批处理流程实现自动化计算

温度反演过程中最耗时的往往是参数的反复调试，建议保存每个中间结果以便追溯问题。当遇到模型报错时，可尝试将复杂公式拆解为多个子模型逐步验证，这比直接调试完整公式效率更高。