当前位置: 首页 > news >正文

4、Landsat 8 地表温度(LST) 分地物时空分析工具

🌡️ Landsat 8 地表温度(LST) 分地物时空分析工具(源码免费分享)

(Spatiotemporal Analysis of LST by Land Cover Types based on GEE)

📖 项目简介 (Introduction)

本项目是一个基于Google Earth Engine (GEE)的在线分析工具,旨在研究不同地表覆盖类型(Land Cover Types)对地表温度(LST)的影响。

传统的地表温度分析通常只关注整个区域的均值,忽略了地物差异。本工具利用ESA WorldCover 10m高分辨率土地覆盖产品,自动提取研究区内的森林、建筑、农田、水体、草地五类典型地物,并基于Landsat 8热红外波段计算各年份、各月份的温度变化趋势。

✨ 核心功能 (Key Features)

  • 无需人工训练分类:直接集成 ESA WorldCover 数据,自动生成高精度地物掩膜 (Mask)。

  • 五类地物对比

    • 🌲森林 (Trees)
    • 🏙️建筑 (Built-up)
    • 🌾农田 (Cropland)
    • 💧水体 (Water)
    • 🌿草地 (Grassland)
  • LST 反演与统计:自动进行去云处理、热红外辐射定标,并转换为摄氏度 (°C)。

  • 多维数据可视化

    • 时序图表:生成五条折线,直观展示不同地物随季节的温度差异(热岛效应分析)。
    • 空间分布:加载特定月份的 LST 均值影像。
  • 灵活导出

    • 支持导出GeoTIFF格式的月度温度分布图。(点击上图的"导出geotiff",在tasks里面就有一个图形下载(run),点击后就可以保存到Google云盘下载后进而可以导入QGIS和ArcGIS)

    • 支持导出CSV/Excel格式的时间序列统计数据。


      注意这里可以切换图层且可以切换图层的透明度

🧮 数据源与方法 (Data & Methodology)

系统架构与流程

1. 数据集 (Datasets)

数据类型数据源 ID (GEE)用途分辨率
地表温度LANDSAT/LC08/C02/T1_L2提取ST_B10波段计算 LST30m (重采样)
土地覆盖ESA/WorldCover/v100提取地物分类标签10m

2. 算法原理 (Algorithm)

2.1 地物提取

利用 ESA WorldCover 的Map值进行重分类掩膜:

  • Value10→ 🌲 森林
  • Value30→ 🌿 草地
  • Value40→ 🌾 农田
  • Value50→ 🏙️ 建筑 (不透水面)
  • Value80→ 💧 水体
2.2 温度反演公式

将 Landsat 8 的数字量化值 (DN) 转换为摄氏度:

LST(°C)=(DN×0.00341802+149.0)−273.15LST (°C) = (DN \times 0.00341802 + 149.0) - 273.15LST(°C)=(DN×0.00341802+149.0)273.15

2.3 区域统计

对于每一景影像ImageiImage_iImagei,计算特定地物ClasskClass_kClassk掩膜区域内的像素均值:

MeanLSTi,k=1N∑p∈ROI∩MaskkLST(p)MeanLST_{i,k} = \frac{1}{N} \sum_{p \in ROI \cap Mask_k} LST(p)MeanLSTi,k=N1pROIMaskkLST(p)

🚀 快速开始 (Usage)

环境要求

  • Google Earth Engine 账号
  • 现代浏览器 (Chrome/Edge)

操作步骤

  1. 打开代码链接:(在此填入你的 GEE Link)
  2. 设置区域
    • 默认:自动加载海淀区。
    • 自定义:使用地图左上角的绘图工具画一个框,工具将优先分析手绘区域。
  3. 配置参数
    • 设置开始日期结束日期(例如2023-01-012023-12-31)。
    • 输入指定月份(例如2023-07) 用于导出影像。
  4. 运行分析:点击绿色的“开始分析 (Run Analysis)”按钮。
  5. 获取结果
    • 查看图表:左下角面板将显示五色折线图。
    • 下载数据:点击图表右上角的弹出图标下载 CSV。
    • 下载影像:点击右侧面板的 “导出” 按钮,在 Tasks 中下载 GeoTIFF。

📊 典型分析结果示例

通常情况下,图表将展示明显的城市热岛效应冷岛效应

  • 📈高温组:建筑用地 (Built-up) 通常温度最高,夏季尤为明显。
  • 📉低温组:水体 (Water) 和 森林 (Forest) 温度最低,起到降温作用。
  • 〰️波动组:农田 (Cropland) 受季节与耕作影响,温度波动较大(如裸土期温度高,灌溉期温度低)。

📂 项目结构

. ├── code.js # GEE 核心脚本 (包含 UI 构建与逻辑处理) ├── assets/ # │ └── haidian # 默认研究区矢量文件 └── README.md # 项目说明文档

源码分享

请大家为我github的仓库点点收藏,持续跟小gee代码

https://github.com/mojoin/GEE-
http://www.cnnetsun.cn/news/6163.html

相关文章:

  • Nilesoft Shell终极配置手册:从入门到精通
  • Qwen3-VL-4B-Instruct-FP8终极指南:重新定义边缘多模态AI
  • NumCpp终极指南:C++科学计算的完整解决方案
  • 从零开始搭建量子模拟环境,全面解析VSCode+Jupyter协同工作流
  • 用 Python 打造一个图形化局域网扫描器:实战网络设备发现工具
  • Android摄像头调试终极指南:V4L2 Camera APK快速上手
  • 36、Red Hat KVM 虚拟化实战指南
  • 861-LangChain框架Use-Cases - Gemini多模态RAG案例分析报告
  • vnpy可视化技术:5步打造专业级K线图表与交易界面
  • 告别机械感,亲测5款AI小说写作工具!让创作更对味
  • 1.3万亿令牌教育数据集登场:FineWeb-Edu如何重塑AI学习能力?
  • 河道水位如何实时掌握?1套监测站的故事,防汛抗旱有了“千里眼”。
  • 从微信群到智能社区:KoalaQA如何重塑企业售后服务新生态
  • 免费获取自动控制原理第3版PDF教材,开启自动化学习之旅
  • 专科女生学云计算前景好吗?怎么样?好就业吗?有前途吗?
  • Responder网络工具配置优化与故障排除实战指南
  • UnityLive2DExtractor终极指南:快速提取Live2D Cubism资源
  • AgentBench完整使用指南:快速上手LLM智能体评测框架
  • Wan2.2-T2V-5B生成视频可用于智能家居场景模拟
  • C++ 虚构造机制深度解析
  • 保护进程的驱动,真正的驱动保护,小弟弟手写并测试通过(直接可以编译)
  • 生成引擎优化(GEO)在优化网站内容与提升访客体验中的实践价值分析
  • LSTM-VAE用于特征提取和数据降维
  • 数据结构——二叉树
  • Qwen3-Next-80B-A3B-Thinking:仅激活3B参数实现800亿模型性能,大模型效率革命深度解析
  • 揭秘FSNotes:现代笔记管理的智能解决方案实战指南
  • Wan2.2-T2V-A14B在游戏开发中的应用:快速制作剧情动画
  • Redmine项目管理平台终极使用指南:新手必读FAQ
  • 3大核心技能带你玩转大规模并行处理器编程
  • 轻松捕获网络视频:Video DownloadHelper 1.6.3版全方位使用指南