NASA大气剖面计算器停服后，手把手教你用USGS Landsat Collection 2数据反演地表温度（含ENVI实操）
NASA大气剖面计算器停服后的地表温度反演实战指南
当NASA大气剖面计算器突然停服，许多依赖该工具进行地表温度反演的遥感从业者陷入了困境。本文将详细介绍如何利用USGS Landsat Collection 2数据作为替代方案，通过ENVI软件完成从数据获取到温度计算的全流程操作。
1. 理解USGS Landsat Collection 2地表温度产品
USGS Landsat Collection 2 Level-2地表温度产品是NASA工具停服后的最佳替代方案。这套数据产品已经完成了大气校正和温度反演的关键步骤，用户可以直接使用预处理结果。
主要数据文件说明：
ST_B10.tif：反演得到的地表温度数据（开尔文单位）ST_TRAD.tif：传感器接收的热红外辐射亮度ST_URAD.tif：大气上行辐射数据ST_DRAD.tif：大气下行辐射数据ST_ATRAN.tif：大气透过率数据ST_EMIS.tif：地表发射率（比辐射率）数据
注意：USGS数据采用整型存储，使用时需要应用缩放因子和偏移量进行转换
2. 数据获取与预处理
2.1 数据下载步骤
- 访问USGS EarthExplorer平台（https://earthexplorer.usgs.gov/）
- 设置研究区域和时间范围
- 在数据集选项中勾选"Landsat Collection 2 Level-2"
- 筛选包含地表温度产品（ST）的影像
- 下载包含
ST_B10的文件包
2.2 数据缩放处理
USGS数据采用整型存储，需要转换为真实物理值。关键参数如下：
| 参数 | 值 | 说明 |
|---|---|---|
| 乘性缩放因子 | 0.00341802 | 应用于所有辐射和温度数据 |
| 加性偏移量 | 149 | 应用于所有辐射和温度数据 |
在ENVI中使用Band Math进行转换：
b1 * 0.00341802 + 149其中b1代表原始DN值，计算结果为开尔文温度。
3. 地表温度计算与单位转换
3.1 直接使用ST_B10产品
这是最简单的方法，只需两步计算：
- 应用缩放因子（ENVI Band Math）：
b1 * 0.00341802 + 149- 转换为摄氏度：
(b1 * 0.00341802 + 149) - 273.153.2 完整大气校正法实现
对于需要更高精度的用户，可以基于USGS提供的中间产品完整实现大气校正法：
预处理所有输入波段（应用相同的缩放因子和偏移量）
计算黑体辐射亮度（ENVI Band Math）：
(b1 - b2 - b3 * (1 - b4) * b5) / (b3 * b4)其中：
- b1: ST_TRAD（传感器接收辐射）
- b2: ST_URAD（上行辐射）
- b3: ST_ATRAN（大气透过率）
- b4: ST_EMIS（比辐射率）
- b5: ST_DRAD（下行辐射）
- 计算地表温度（普朗克公式）：
1321.08 / alog(774.89 / b1 + 1) - 273.15其中1321.08和774.89是Landsat 8 TIRS Band 10的K2和K1常数。
4. 结果验证与常见问题处理
4.1 精度验证
通过与历史数据对比发现：
- 与NASA工具结果平均偏差0.1-0.3℃
- 与MODIS LST产品相比偏高2-5℃
- 区域温度趋势保持一致
4.2 数据缺失问题处理
USGS数据可能因ASTER GED缺失导致部分区域无值，解决方案：
使用均值替代法：
- 计算各波段均值
- 用均值替换缺失区域
- 平均误差<0.3℃
自制比辐射率：
- 计算NDVI→植被覆盖度→比辐射率
- 公式：
0.004*PV + 0.986 - 注意可能引入1-2℃偏差
4.3 质量检查建议
- 检查
ST_QA波段了解数据质量 - 注意云掩膜和云距离信息
- 对比不同方法结果的一致性
- 检查温度值是否在合理范围内
5. 操作技巧与效率优化
批量处理技巧：
# ENVI+Python批处理示例 import os from envi import ENVI envi = ENVI() files = [f for f in os.listdir() if f.endswith('_ST_B10.TIF')] for file in files: # 温度转换 exp = '(b1 * 0.00341802 + 149) - 273.15' outfile = file.replace('_ST_B10', '_LST_C') envi.band_math(file, exp, outfile)文件管理建议：
- 建立标准目录结构
- 使用一致的命名规则
- 保存中间处理步骤
- 记录处理参数和日期
可视化技巧：
- 使用分段色带突出温度差异
- 添加图例和比例尺
- 保存为GeoTIFF保留地理信息
- 导出统计图表辅助分析
在实际项目中，我发现最耗时的环节往往是数据下载和质量检查。建议建立本地数据库存储常用区域数据，并开发自动化检查脚本提高效率。对于时间序列分析，可以考虑先将所有影像统一转换到相同坐标系和分辨率，再进行温度计算。