基于单窗算法反演地表温度的ENVI操作教程
基于ETM数据地表温度反演实验单通道算法操作文档
基于ETM 数据煤田火区地表温度反演的研究实验操作步骤与流程算法：单通道算法，其公式为Τs =γ[ε−1(ψ1L sensor +ψ2)+ψ3]+δ （1）γ={c 2L sensor T sensor 2[λ4c 1L sensor +λ−1]}−1（2） δ=−γL sensor +T sensor （3）L sensor =L min (λ)+[L max (λ)−L min (λ)]Q DN Q max ⁄ （4）T sensor =K 2ln (1+K 1L (λ)⁄)⁄ （5） K 1=666.09(mW ∙cm −2∙sr −1∙um −1), K 2=1282.71Kψ1=0.1471∙ω2−0.1558ω+1.1234 （6）ψ2=−1.1836∙ω2−0.3761ω−0.5289 （7）ψ3=−0.0455∙ω2+1.8719ω−0.3907 （8）ω=0.177e +0.339 （9）e =0.6108∗exp [17.27(Τ0−273)237.3+Τ0−273]∗RH （10） 先来说明单通道算法公式（1）中γ，L sensor ，δ，ψ1，ψ2，ψ3等这些参数的计算过程，地表比辐射率ε的计算过程稍后在说明。
（1）对于ψ1，ψ2，ψ3的计算，只要查阅资料得知相对湿度RH ，与温度Τ0后，就可以算出大气中水蒸汽的含量ω，进而可以根据公式算出ψ1，ψ2，ψ3。
（2）对于L sensor 的计算，也就是辐射校正的过程，主要目的在于把影像中像元的灰度值转化成辐亮度L sensor ，公式（4）中的L min (λ)，L max (λ)，Q max 在影像头文件中可以找到，Q DN 就是所要进行校正的影像。
在ENVI 中的操作如下： Basic tools → band math ,然后点开出现如下左侧对话框：对于ETM 数据热红外波段高增益就是L sensor =3.2+9.45∙Q DN 255⁄ 然后点ok 出现如下右侧对话框：选择b1为需要校正的波段指定输出文件夹点ok即可。
基于单窗算法的西安市地表温度反演
基于单窗算法的西安市地表温度反演■刘晶长安大学地球科学与资源学院城市生活\陆地表面温度被认为是城市环境分析的重要指标之一。
目前，利用热红外遥感技术反演地表温度是获取有关 区域地表温度信息的一个有效可行的方式。
针对不同热红 外传感器，国内很多学者做了大量的相关实验，其中以覃 志豪单窗算法精度相对较高。
因此本文采用覃志豪单窗算 法反演地表温度，从而分析西安市的地表温度情况。
实验 结果显示，反演温度与实测温度接近，对西安市热岛研究 具有一定的参考意义。
地表温度简单来说就是地面的温度，太阳的热能被 辐射到地面后，有很大一部分热能被地面所吸收，从而使 得地面热能增加。
对地面的温度进行测量后所得到的温 度就是地表温度。
地表温度是区域地表能量和水量平衡 的重要物理参数，其是城市环境分析中的一项重要指标。
另外，地表在地表通量、作物估产、缺水状况监测等方面 也发挥着重要的作用。
我国气象气候、农业生产、生态保 护等都需要以地表温度作为重要参数开展研究。
尤其是 近年来，随着科学技术的不断发展，地表温度的重要性越 来越凸显。
利用热红外遥感技术反演地表温度是获取有关区域 地表温度信息的一个有效可行的方式，其具连续性、完整 性、实时性以及准确性的优势，也正是因为如此，该地表温 度反演方法得到了众多学者的认可，并且得到十分广泛的 应用。
就目前来看，地表温度反演的算法有很多种，不同的 算法其操作步骤方面有较大的差异性，因此，在地表温度 反演应用过程中，应该根据实际需求合理选择适宜的是算 法。
单通道算法、单窗算法、劈窗算法等都是代表性的地表 温度反演算法，而其中单窗算法具有误差小、精准度高的特点，因此得到了广泛的应用。
单窗算法覃志豪单窗算法MW(Mono-window Algorithm)是基 于Landsat TM6反演地表温度的算法。
根据地表热辐射 传输方程分析了大气平均作用温度和大气上行辐射和大 气下行辐射等参量之间的关系，将单窗算法表达为大气 透过率和大气平均作用温度的函数，推导出利用Landsat TM T I R S波段数据反演地表温度，其计算公式 如下：T= [a6(l_C6_D6)+ (b6(1_C6_D6)+C6+D6)T6_D6T a]15S C6.其中：C=£T，D=(l—T)[l+(l — £)T]，a 和b为系数，T为大气透过率，e为地表发射率，T i。
单窗算法温度反演
覃志豪通过对USA1976、热带、中纬度夏季(春夏)、 中纬度冬季(秋冬)四个标准大气廓线进行分析提出了求解 Ta 、τ的方法。
3、地表温度反演的原理及单窗算法
（1）Ta 的求解 Ta可由右式求解
具体参考： 华相北对地湿区度水汽总量特征及其与地面水汽压关系 可降水量与地面水汽压力的实关际系水_汽张压学文 大气柱含水量 用量饱地方和面法水湿的汽度研压参究_量杨计景算梅我国整层大气可降水量及有效水汽含
3、地表温度反演的原理及单窗算法
(3) ε的求解 由于一幅影像中很多象元都是混合象元，不同地物的
2各层大气温度Tz可利用地表实测气温T0，再由对流层 中温度与高度的关系计算
w和T0都可以从实测气象资料获得或计算得到
3、地表温度反演的原理及单窗算法
(1) Ta 的求解 由上面分析，覃志豪给出了求算Ta的方法： 中纬度夏天： Ta =16.0110+0.92621 T0 中纬度冬天： Ta =19.2704+0.91118 T0 注意此处温度的单位都是K，要将摄氏温度T0转化成K
发射率也不同，所以确定一个象元的发射率也是一个比较 复杂的问题，国内外学者也提出了很多方法，Becker和 Li(1993)提出了TISI方法。
在此将图像上地物类型分为水体、自然表面，自然表 面可以有植被与裸土的组合或植被与建筑表面的组合
对于水体，发射率可以利用地面实测的水体发射率代 替
对于自然表面，先求出植被在象元中占的比例，然后 由这一比例计算每个象元的发射率
PV表示植被比例，R表示温度比例，i=(s、m), s表示裸土， m表示建筑表面 Ri=(Ti/T)4， i=(v、s、m),它随PV变化而变化，可以用PV表 示
地表温度反演
地表温度反演目录一：单窗算法 (3)1.1实验原理 (3)1.1.1TM/ETM波段的热辐射传导方程： (3)1.1.2化简后最终的单窗体算法模型为： (3)1.1.3大气平均作用温度Ta的近似估计 (3)1.1.4大气透射率t6的估计 (3)1.1.5地表比辐射率的估计 (4)1.1.6像元亮度温度计算 (4)1.1.7遥感器接收的辐射强度计算 (4)1.2操作步骤 (5)1.2.1研究区示意图 (5)1.3实验结果 (7)1.3.1灰度图像 (7)1.3.2密度分割后图像 (7)二：单通道算法 (8)2.1实验原理 (8)2.1.1单通道算法模型为： (8)2.1.2大气平均作用温度Ta的近似估计 (8)2.1.3大气透射率t6的估计 (8)2.1.5像元亮度温度计算 (8)2.1.6遥感器接收的辐射强度计算 (9)2.2操作步骤 (9)研究区示意图 (9)2.2.1计算L6 (10)2.2.2T6e6的求算 (10)2.2.3计算R (10)2.2.4计算t (10)2.3实验结果 (11)2.3.1温度反演灰度图像 (11)2.3.2密度分割后的图像 (11)三：辐射方程 (12)3.1实验过程 (12)3.1.1数据准备 (12)3.1.2地表比辐射率的估计 (12)3.1.3计算同温度下黑体的辐射亮度值 (12)3.1.4反演地表温度 (13)3.2温度反演结果 (13)一：单窗算法1.1实验原理1.1.1TM/ETM波段的热辐射传导方程：B6(T6)=t6(q)[ ε6B6(Ts)+(1-ε6)I6~]+I6_Ts是地表温度；T6是TM6的亮度温度；t6是大气透射率；ε6是地表辐射率。
B6(T6)表示TM6遥感器所接收到的热辐射强度；B6(Ts)是地表在TM6波段区间内的实际热辐射强度，直接决取于地表温度；I6~和I6_分别是大气在TM6波段区间内的向上和向下热辐射强度。
1.1.2化简后最终的单窗体算法模型计算Ts（地表温度）：Ts={a(1-C-D)+[b(1-C-D)+C+D]T6-DTa}/C式中C6=τ6ε6(ε6为比辐射率，τ6为透射率）D6=(1-τ6)[1+t6(1-ε6)]a =-67.355351，b=0.4586061.1.3大气平均作用温度Ta的近似估计温度换算：T＝t＋273.15本图为9月份拍摄，对于中纬度夏季平均大气Ta=16.0110+0.92621T0取平均气温为25摄氏度时Ta = 312.157531.1.4大气透射率τ6的估计τ6=0.974290-0.08007w，0.4≤w≤1.6。
实习7、地表反射率、温度的反演以及植被指数的计算
基本原理一)地表反射率是指地表物体向各个方向上反射的太阳总辐射通量与到达该物体表面上的总辐射通量之比。
反照率可以通过遥感成像提供的辐射亮度值L 或反照率p ，二向性反射率分布函数BRDF 来获得：地物反射率的光谱特征差异是从遥感影像中识别地表不同类型地物的基本依据，也是地表其他各种物理、生物物理参数反演的依据地表。
地表反射率的计算步骤：1、辐射定标：根据遥感影像DN 值计算到达传感器的各波段辐射亮度也就是将传感器记录的辐射量化值（Digital Number ，DN ）转换成绝对辐射亮度值、表观反射率，或者表观温度的过程。
绝对定标：通过各种标准辐射源，建立辐射亮度值与辐射量化值（DN ）之间的定量关系式中，辐射亮度值L 的常用单位为W/(m2.μm.sr)，或者μW/(cm2.nm.sr) 。
1W/(m2.μm.sr)=0.1 μW/(cm2.nm.sr)2、各波段表观反射率计算3、大气辐射校正（ENVI FLAASH/QUAC ）绝对大气辐射校正：消除大气辐射衰减效应，将遥感影像的DN 值转换为地表反射率、辐亮度、地表温度等的方法，此过程包含了辐射定标。
相对大气辐射校正：将遥感影像的DN 值转换为类似的整型数，同时消除大气辐射衰减效应。
FLAASH 是用数学建模辐射的物理行为，纠正波长在可见光至近红外和短波红外区域，最多3微米。
（对于热地区，使用基本工具>预处理>校准工具>热大气压校正菜单选项。
）不同于预先计算模拟结果的数据库内插辐射传输特性许多其他大气校正程序， FLAASH 采用了MODTRAN4辐射传输代码。
MODTRAN4并入ENVI FLAASH 的版本被修改，以校正在HITRAN -96水行参数的误差。
可以选择任何一种标准MODTRAN 大气模型和气溶胶类型，FLAASH 还包括以下功能：校正邻近效应（像素混合是由于表面反射辐射的散射） 计算场景的平均能见度（气溶胶/雾量）。
ENVI操作步骤
ENVI操作步骤ENVI是一款遥感图像处理和分析软件，广泛用于地理信息系统、环境科学、遥感和地球物理等方面的应用。
它提供了强大的图像处理工具和多种分析功能，可以用于从卫星图像中提取地形数据、识别地物类型、检测环境变化等。
下面是使用ENVI进行基本操作的步骤。
1.准备工作在开始之前，首先需要安装ENVI软件，并确保计算机系统满足运行要求。
另外，需要准备遥感图像数据，可以从卫星、飞机或无人机等平台获取。
图像数据通常以多波段的方式保存，每个波段代表不同的物理信息。
2.打开ENVI软件双击ENVI桌面图标或从开始菜单中启动ENVI软件。
ENVI的主界面显示类似于其他图像处理软件，包含菜单栏、工具栏和功能窗口。
3.导入图像数据在ENVI的主界面中，点击菜单栏中的“File”选项，选择“Open Data File”或“Import”选项，然后浏览到图像数据所在的文件夹，并选择要导入的图像文件。
ENVI支持多种图像格式，例如TIFF、JPEG、HDF 等。
导入完成后，图像将显示在ENVI主界面的窗口中。
4.预览和调整图像可以使用ENVI提供的工具对导入的图像进行预览和调整。
例如，通过点击工具栏中的“Zoom In”和“Zoom Out”按钮来放大和缩小图像。
可以使用窗口中的滚动条和拖动工具来导航图像。
还可以使用ENVI提供的调整工具来改变图像的亮度、对比度和色彩等参数。
5.进行遥感图像分析ENVI提供了多种图像处理和分析工具，可以用于从遥感图像中提取地物信息。
其中一种常用的分析方法是图像分类。
通过点击ENVI主界面中的“Classification”或“Classification Tools”选项，可以选择不同的分类算法，并应用于图像数据中。
分类结果将以颜色编码的形式显示在图像上，通过不同的颜色表示不同的地物类型。
6.提取地形信息ENVI可以根据遥感图像中的光谱信息提取地形数据。
其中一个常用的方法是“数字高程模型（Digital Elevation Model，DEM）”的创建。
ENVI土壤水分反演 流程
利用ENVI软件反演土壤湿度指数晏红波2015-03-200. 绪论土壤湿度在陆地与大气界面进行水分和能量的交换过程中起重要作用，同时对农作物的生长起决定性作用，而且影响着土地退化、植被覆盖，是气候、生态、水文、农业等多个领域的重要参数。
区域性和大尺度的陆地土壤湿度变化信息对于陆气交互作用平衡和陆面水文研究、改善区域及全球气候模式预报结果、水涝和干旱的监测、农作物生长态势评估、自然和生态环境问题的研究等都是十分关键的因素。
因此，研究区域性和大尺度的陆地土壤湿度变化情况意义重大，这也是当前国际研究的热点问题之一。
传统的土壤湿度监测方法包括烘干称重法、中子仪探测法、电阻法等，虽然可以比较准确地监测小范围内的土壤含水量，但是需要耗费较大的人力和时间，时效性不高，而且不能完全反映出较大区域内的土壤含水量的情况，不能用于大范围土壤水分的监测。
利用遥感手段反演土壤湿度可以实现全区域大面积的实时动态监测，因此利用遥感手段监测土壤湿度越来越引起人们的重视。
常用的遥感波段包括可见光，近红外，热红外以及微波等。
不同波段反演土壤湿度所用的反演方法也不同。
1. 遥感反演土壤湿度的主要方法遥感反演土壤湿度根据波段的不同分为3类：微波遥感土壤湿度法；作物植被指数法；热红外遥感监测法（主要是应用热惯量模型）。
（1）微波遥感土壤湿度法分主动微波遥感监测法和被动微波遥感监测法两种。
此方法物理基础坚实，即土壤的介电特性和土壤含水量密切相关，水分的介电常数大约为80，干土仅为3，它们之间存在较大的反差。
土壤的介电常数随土壤湿度的变化而变化，表现于卫星遥感图像上将是灰度值G亮度温度Tb的变化。
因此，微波遥感土壤水分的方法被广泛地应用于实际的监测工作中。
A 主动微波遥感监测法以应用x波段侧视雷达为主，主要是后向反射系数法。
因为含水量的多少直接影响土壤的介电常数，使雷达回波对土壤湿度反映极为敏感，据此可建立后向散射系数和土壤水分含量之间的函数关系。
(完整)基于单窗算法反演地表温度的ENVI操作教程
单窗算法反演地表温度教程1.1 算法原理1.1.1单窗算法单窗算法（MW 算法）是覃志豪于2001年提出的针对TM 数据只有一个热红外波段的地面温度反演算法。
经过众多学者验证，单窗算法具有很高的反演精度，且同样适用于ETM+和landsat 8数据。
公式如下：6666666666/)))1(()1((C T D T D C D C b D C a T a sensor s -++--+--=式中，LST 为地表温度（K ），T sensor 是传感器上的亮度温度（K ），T a 是大气平均温度（K ）；a 、b 为参考系数，当地表温度为0-70℃时，a = -67.355351，b = 0.458606；C 、D为中间变量，计算公式为：式中，为地表比辐射率，为地面到传感器的大气总透射率。
因此单窗算法反演地表温度的关键是计算得到亮度温度T senso 、地表比辐射率、大气透射率和大气平均作用温度T a 。
1.1.2参数计算1.1.2.1辐射亮温计算利用Planck 公式将图像像元对应传感器辐射强度值转换为对应的亮度温度值。
公式如下式中，T senso 为亮度温度值；影像预处理后得到的光谱辐射值，λL 单位为，K1 、K2为常量，可由数据头文件获取。
)/(2m sr m w μ⋅⋅计算图像辐射亮温之前，需采用辐射定标参数将像元灰度值DN转换为热辐射强度值，公式如下：式中，M L 为增益参数，A L 为偏移参数，该参数可直接在影像通文件数据中获取，且ENVI 软件中已经集成，不需要自己在查找。
1.1.2.2地表比辐射率计算根据覃志豪针对TM 影像提出的混合像元分解法来确定区域地表福辐射率。
对于城市区域，我们简单的将其分为水体、自然表面和建筑表面三种，因此针对混合像元尺度上的地表比辐射率通过下式来估算：式中，为混合像元的地表比辐射率；P V 为植被覆盖率；R V 为植被的温度比率；R M 为建筑表面的温度比率；V 表示植被法地表比辐射率，m 表示建筑表面的地表比辐射率；d表示辐射校正项。
ENVI下利用ETM+数据反演地表温度
ENVI下利用ETM+数据反演地表温度地表温度作为地球环境分析的重要指标，而遥感技术作为现代重要的对地观测手段，使得基于遥感图像的地表温度反演的研究越来越多。
主要的地表温度反演方法有：大气校正法，单窗算法，单通道法等等。
本文介绍用辐射传输方程法对地表温度进行反演。
技术流程：例子数据为2002年9月2日的襄樊市Landsat ETM+数据。
根据数据的特点以及地表温度反演研究的技术要求，采用的技术路线为：先对Landsat ETM+数据进行预处理：数据读取、辐射定标、大气校正、襄樊区域裁剪，利用大气校正，即：辐射传输方程法对其影像热红外波段数据进行操作反演，实现襄樊市地区的地表真实温度的反演研究。
具体的处理流程如下：具体的实现步骤如下：第一步：准备数据热红外数据使用的是Landsat的第六波段，已经做了传感器定标、几何校正、工程区裁剪，详细流程参考上面的流程图。
文件为TM6-rad-subset-jz-xiangfan.img。
由TM影像（已经过大气校正）生成的NDVI数据，已经利用主菜单->BasicTools->Resize Data（SFatial/SFectral）重采样为60米分辨率，与TMi6数据保持一致，文件名为：TM-NDVI-60m.img。
第二步：地表比辐射率计算物体的比辐射率是物体向外辐射电磁波的能力表征。
它不仅依赖于地表物体的组成，而且与物体的表面状态(表面粗糙度等)及物理性质(介电常数、含水量等)有关，并随着所测定的波长和观测角度等因素有关。
在大尺度上对比辐射率精确测量的难度很大，目前只是基于某些假设获得比辐射率的相对值，本文主要根据可见光和近红外光谱信息来估计比辐射率。
(一)植被覆盖度计算计算植被覆盖度Fv采用的是混合像元分解法，将整景影像的地类大致分为水体、植被和建筑，具体的计算公式如下：F V = (NDVI- NDVI S)／(NDVI V - NDVI S) （2）其中，NDVI为归一化差异植被指数，取NDVI V = 0.70和NDVI S = 0.00，且有，当某个像元的NDVI大于0.70时，F V取值为1；当NDVI小于0.00，F V取值为0。
基于某单窗算法反演地表温度地ENVI操作教程
单窗算法反演地表温度教程1.1 算法原理1.1.1 单窗算法单窗算法（MW 算法）是覃志豪于2001年提出的针对TM 数据只有一个热红外波段的地面温度反演算法。
经过众多学者验证，单窗算法具有很高的反演精度，且同样适用于ETM+和landsat 8数据。
公式如下：式中，LST 为地表温度（K ），T sensor 是传感器上的亮度温度（K ），T a 是大气平均温度（K ）；a 、b 为参考系数，当地表温度为0-70℃时，a = -67.355351，b = 0.458606；C 、D 为中间变量，计算公式为：式中，为地表比辐射率，为地面到传感器的大气总透射率。
因此单窗算法反演地表温度的关键是计算得到亮度温度T senso 、地表比辐射率、大气透射率和大气平均作用温度T a 。
1.1.2 参数计算1.1.2.1 辐射亮温计算利用Planck 公式将图像像元对应传感器辐射强度值转换为对应的亮度温度值。
公式如下6666666666/)))1(()1((C T D T D C D C b D C a T a sensor s -++--+--=式中，T senso 为亮度温度值；λL 影像预处理后得到的光谱辐射值，单位为)/(2m sr m w μ⋅⋅，K1 、K2为常量，可由数据头文件获取。
计算图像辐射亮温之前，需采用辐射定标参数将像元灰度值DN 转换为热辐射强度值，公式如下：式中，M L 为增益参数，A L 为偏移参数，该参数可直接在影像通文件数据中获取，且ENVI 软件中已经集成，不需要自己在查找。
1.1.2.2 地表比辐射率计算根据覃志豪针对TM 影像提出的混合像元分解法来确定区域地表福辐射率。
对于城市区域，我们简单的将其分为水体、自然表面和建筑表面三种，因此针对混合像元尺度上的地表比辐射率通过下式来估算：式中，为混合像元的地表比辐射率；P V 为植被覆盖率；R V 为植被的温度比率；R M 为建筑表面的温度比率；V 表示植被法地表比辐射率，m 表示建筑表面的地表比辐射率；d 表示辐射校正项。
地表温度反演的三种方法
地表温度反演的三种方法
地表温度反演是通过遥感技术获取地表温度信息的过程。
一般来说，地表温度反演方法可以分为三种：基于亮温的方法、基于辐射能量平衡的方法和基于模型的方法。
1. 基于亮温的方法：这种方法是根据地表反射下来的辐射能直接计算地表温度。
通常需要使用多光谱遥感数据，并使用反演算法将遥感数据转换为地表亮温，然后通过专门的公式或模型将亮温转换为地表温度。
这种方法比较简单，但受到大气中的影响较大，精度较低。
代表性算法有单窗算法（Single-Window Algorithm, SWA）、双窗算法（Two-Window Algorithm, TWA）等。
2. 基于辐射能量平衡的方法：这种方法是通过计算地表吸收的太阳辐射能和辐射冷却能量之间的平衡来反演地表温度。
这种方法需要考虑地表的地形、植被和大气特性等因素，一般需要使用高分辨率遥感数据和气象数据来进行模型计算。
代表性算法有热红外转换（Thermal Infrared Conversion, TIC）法、分层蒸散算法（Surface Energy Balance System, SEBS）等。
3. 基于模型的方法：这种方法基于已知的地表温度统计模型或地理信息系统等数据库，利用数据挖掘等方法来反演地表温度。
这种方法需要大量的先验知识和算法支持，并且需要大量的人工调整和验证。
代表性算法有人工神经网络（Artificial Neural Network, ANN）法、支持向量机（Support Vector
Machines, SVM）法等。
基于某单窗算法反演地表温度地ENVI操作教程
单窗算法反演地表温度教程1.1 算法原理1.1.1 单窗算法单窗算法（MW 算法）是覃志豪于2001年提出的针对TM 数据只有一个热红外波段的地面温度反演算法。
经过众多学者验证，单窗算法具有很高的反演精度，且同样适用于ETM+和landsat 8数据。
公式如下：式中，LST 为地表温度（K ），T sensor 是传感器上的亮度温度（K ），T a 是大气平均温度（K ）；a 、b 为参考系数，当地表温度为0-70℃时，a = -67.355351，b = 0.458606；C 、D 为中间变量，计算公式为：式中，为地表比辐射率，为地面到传感器的大气总透射率。
因此单窗算法反演地表温度的关键是计算得到亮度温度T senso 、地表比辐射率、大气透射率和大气平均作用温度T a 。
1.1.2 参数计算1.1.2.1 辐射亮温计算利用Planck 公式将图像像元对应传感器辐射强度值转换为对应的亮度温度值。
公式如下6666666666/)))1(()1((C T D T D C D C b D C a T a sensor s -++--+--=式中，T senso 为亮度温度值；λL 影像预处理后得到的光谱辐射值，单位为)/(2m sr m w μ⋅⋅，K1 、K2为常量，可由数据头文件获取。
计算图像辐射亮温之前，需采用辐射定标参数将像元灰度值DN 转换为热辐射强度值，公式如下：式中，M L 为增益参数，A L 为偏移参数，该参数可直接在影像通文件数据中获取，且ENVI 软件中已经集成，不需要自己在查找。
1.1.2.2 地表比辐射率计算根据覃志豪针对TM 影像提出的混合像元分解法来确定区域地表福辐射率。
对于城市区域，我们简单的将其分为水体、自然表面和建筑表面三种，因此针对混合像元尺度上的地表比辐射率通过下式来估算：式中，为混合像元的地表比辐射率；P V 为植被覆盖率；R V 为植被的温度比率；R M 为建筑表面的温度比率；V 表示植被法地表比辐射率，m 表示建筑表面的地表比辐射率；d 表示辐射校正项。
专题二：ENVI下利用ETM+数据反演地表
L7 ETM+ 波段特性选择band6的原因P34
地球自身的辐射主要 集中在长波，即6微米 以上的热红外区段。
该区段太阳辐射的影 响几乎可以忽略不计， 只考虑地表自身的热 辐射。
普朗克公式的反函数
在获取温度为TS的黑体在热红外波段的辐射亮度后， 根据普朗克公式的反函数，求得地表真实温度TS：
TS = K2/ln(K1/ B(TS)+ 1)
对于ETM+，K1 =666.09W/(m2· μm)，K2 =1282.71K。 sr· 利用ENVI主菜单->Basic Tools->Band Math，在公式输 入栏中输入： （1282.71）/alog（666.09/b1 +1）-273 b1：温度为T的黑体在热红外波段的辐射亮度值。 得到真实的地表温度值，单位是摄氏度。
ENVI下利用ETM+数据 反演地表温度
/s/blog_764b1 e9d0100r484.html 3/18/2013
反演（retrieve）
/view/750178.htm 遥感上的反演 基于模型知识的基础上，依据可测参数 值去反推目标的状态参数。或者说，根据 观测信息和前向物理模型，求解或推算描 述地面实况的应用参数（或目标参数）。
技术路线
第一步：准备数据 第二步：地表比辐射率计算 第三步：计算相同温度下黑体的辐射亮度值 第四步：反演地表温度 第五步：结果浏览与输出
扩展阅读
黑体及黑体辐射（P19） /view/27417.htm
所谓黑体是指入射的电磁波全部被吸收，既没有 反射，也没有透射( 当然黑体仍然要向外辐射)。
利用envi反演地表温度
1.遥感数据预处理影像数据均经过精确地理校正，并具有相同的投影坐标系统（WGS84），Landsat TM5数据中TM l～5波段为多光谱波段，空间分辨率为30m，第6波段为热红外波段，空间分辨率为120米，经过重采样统一为30米。
利用ENVI5.0SP3软件自带Radiometric Calibration 工具对多光谱波段进行辐射定标（同时以区域矢量边界为辅助数据，对经过辐射定标的影像进行裁剪）。
2.地表温度反演Landsat TM5影像第6波段为热红外辐射波段，接收的热红外强度与地表温度高低正相关，可转化为地表的实际温度。
按照以下步骤对地表温度进行反演：○1黑体辐射亮度值（Tb：Brightness Temperature）:利用ENVI5.0SP3软件平台Band Math工具，通过公式（3-1）将TM热红外波段(第六波段)像元值D N值转变为黑体的辐射亮温值：Lλ=L MIN+L MAX−L MIN255∗D N（3-1）式中，D N为像元灰度值；Lλ为地物在光谱λ处(单位μm，文中λ取波段中间值11.45μm)处的热辐射值(单位：W·m-2·sr-1·μm-1)，L MIN表示TM热红外波段D N为0时的热辐射亮度值，L MAX表示TM 热红外波段D N为最大值时的热辐射值。
L MIN =1.2378 W·m-2·sr-1·μm-1，L MAX=15.303W·m-2·sr-1·μm-1。
假设热红外波段在不同下垫面的地表发射率相同，利用普朗克公式反函数公式（3-2）将计算得出的热辐射值Lλ转换成传感器端的有效亮温（Tb）：T b=K2ln(1+K1Lλ)（3-2）式中，Tb为有效亮温值，K1、K2为定标系数，其中K1=607.76 W·m-2·sr-1·μm-1，K2=1260.56K ○2地表比辐射率（ε）：利用ENVI5.0SP3软件平台快速大气校正工具（QUAC）对经过裁剪的辐射定标后的多光谱波段数据进行大气校正，通过公式（3-3）获得归一化植被指数（NDVI：Normalized Difference Vegetation Index）NDVI=NIR−RNIR+R（3-3）式中，NIR和R分别是TM影像的近红外波段（波段4）和红光波段（波段3）的灰度值（D N）在获取的归一化植被指数（NDVI）基础上，采用混合像元分解法计算植被覆盖度（Pv），依据经验值，当NDVI>0.5时，下垫面为植被，植被覆盖度（Pv）取1；当NDVI<0.2时，下垫面为裸露土地，植被覆盖度（Pv）取0；当0.2≤NDVI≤0.5时，依照公式（3-4）计算植被覆盖度（Pv）。
环境减灾小卫星 (HJ-1B)单窗算法反演地表温度
环境减灾小卫星 (HJ-1B)单窗算法反演地表温度摘要：地表温度是地球环境中的一个重要参数。
针对近年来发射的HJ-1B星的光学和热红外波段，本研究在基于影像的COST模型大气校正基础上，以宁夏为研究区，采用无需大气水汽含量参数的单窗算法反演地表温度，并采用同步的MODIS温度产品进行对比验证，结果表明该法具有<1 K的可信精度。
同时对该法的关键参数地表比辐射率进行了敏感性分析，发现该法对比辐射率不大敏感，其在中等程度的变化时，其误差<0.5 K。
从而说明该法反演地表温度的可靠性，也表明了环境减灾星具有较高精度的探测地表温度的能力。
关键词：大气校正；比辐射率；敏感性分析.中图分类号：TP79 文献标志码：AUSING A MONO-WINDOW ALGORITHM FOR LANDSURFACE TEMPERATURE RETRIEV AL FROM CHINESE SATELLITE FOR ENVIRONMENT AND NATURAL DISASTERMONITORING (HJ-1B) DATAZHAO Shao-Hua1,2, QIN Qi-Ming1, YAO Yun-Jun1,3, LIN You1, JIANG Hong-Bo1,CUI Rong-Bo1 1: Institute of Remote Sensing and GIS, Peking University, Beijing, 100871 2: Environmental Satellite Center, Ministry of Environmental Protection, Beijing, 100029.3: College of Global Change and Earth System Science, Beijing Normal University. Beijing,100875.Abstract：Land surface temperature (LST) is a key parameter in earth environment. Aiming to the latest optical and thermal bands of HJ-1B satellite, the LST retrieval over Ningxia plain is implemented using a mono-window algorithm without atmospheric water vapor content input, based on the COST model for atmospheric correction. Considering the difficulty of obtaining simultaneous ground measured data, the MODIS LST product is adopted as a standard to test the approach. The comparison and validation indicate that this method has good reliability with accuracy of less than 1 K. In addition, the sensitivity analysis is performed for land surface emissivity, and the result shows this variable is not sensitive to LST, because the LST error is less than 0.5 K when it varies at medium level. This study proves that the satellite data has higher availability for detecting LST.Key words: Atmospheric correction; Emissivity; Sensitivity analysis.引言环境与灾害监测预报小卫星A、B星是我国继气象、海洋、国土资源卫星之后一个全新的民用卫星。
单窗算法温度反演
(1)
Tb是卫星上的亮度温度(K)
TS是地表温度(K)
I↓和I↑分别表示大气下行和上行辐射
τ和ε分别为大气透过率和地表发射率
3、地表温度反演的原理及单窗算法
3.2.2单窗算法的基本方程 由式（1）进一步推导得出单窗算法的方程：
TS=[a(1-C-D)+(b(1-C-D)+C+D)Tb–D*Ta]/C (2)
具体参考： 华相北对地湿区度水汽总量特征及其与地面水汽压关系 可降水量与地面水汽压力的实关际系水_汽张压学文 大气柱含水量 用量饱地方和面法水湿的汽度研压参究_量杨计景算梅我国整层大气可降水量及有效水汽含
3、地表温度反演的原理及单窗算法
此处Ta的计算也可以利用其它方法
3、地表温度反演的原理及单窗算法
(2) τ的求解 覃志豪利用LOWTRAN7建立了透过率τ和总水汽含量w的 经验关系，因此可以利用下面关系计算：
由上可见大气水汽含量在单窗算法中很重要。
影响大气透过率的因素很多，为什么只考虑水汽？
3、地表温度反演的原理及单窗算法
可是从气象数据获得的大气水汽含量都是相对湿 度，并不是以g/cm2为单位的单位截面大气柱含水 量 气象数据中的相对湿度一般是地面2m处空气中水 汽压与饱和水汽压的比 可参考已有文献中建立的地面水汽压与单位截面 大气柱含水量的关系来计算
1.3地热资源调查
热红外遥感图像还能直观地显示地热资源的分布
地表温度约300K，而地下热源昼夜不断向外传输都使 地表的温度高于300K
1.4城市环境
城市热岛效应
城市热岛与城市下垫面关系
1.5气象
目前的气象卫星基本上都搭载了热红外波段探测器， 获得的图像经过处理分析后用于气象预报
利用envi反演地表温度
1.遥感数据预处理影像数据均经过精确地理校正，并具有相同的投影坐标系统（WGS84），Landsat TM5数据中TM l～5波段为多光谱波段，空间分辨率为30m，第6波段为热红外波段，空间分辨率为120米，经过重采样统一为30米。
利用ENVI5.0SP3软件自带Radiometric Calibration 工具对多光谱波段进行辐射定标（同时以区域矢量边界为辅助数据，对经过辐射定标的影像进行裁剪）。
2.地表温度反演Landsat TM5影像第6波段为热红外辐射波段，接收的热红外强度与地表温度高低正相关，可转化为地表的实际温度。
按照以下步骤对地表温度进行反演：○1黑体辐射亮度值（Tb：Brightness Temperature）:利用ENVI5.0SP3软件平台Band Math工具，通过公式（3-1）将TM热红外波段(第六波段)像元值D N值转变为黑体的辐射亮温值：Lλ=L MIN+L MAX−L MIN255∗D N（3-1）式中，D N为像元灰度值；Lλ为地物在光谱λ处(单位μm，文中λ取波段中间值11.45μm)处的热辐射值(单位：W·m-2·sr-1·μm-1)，L MIN表示TM热红外波段D N为0时的热辐射亮度值，L MAX表示TM 热红外波段D N为最大值时的热辐射值。
L MIN =1.2378 W·m-2·sr-1·μm-1，L MAX=15.303W·m-2·sr-1·μm-1。
假设热红外波段在不同下垫面的地表发射率相同，利用普朗克公式反函数公式（3-2）将计算得出的热辐射值Lλ转换成传感器端的有效亮温（Tb）：T b=K2ln(1+K1Lλ)（3-2）式中，Tb为有效亮温值，K1、K2为定标系数，其中K1=607.76 W·m-2·sr-1·μm-1，K2=1260.56K ○2地表比辐射率（ε）：利用ENVI5.0SP3软件平台快速大气校正工具（QUAC）对经过裁剪的辐射定标后的多光谱波段数据进行大气校正，通过公式（3-3）获得归一化植被指数（NDVI：Normalized Difference Vegetation Index）NDVI=NIR−RNIR+R（3-3）式中，NIR和R分别是TM影像的近红外波段（波段4）和红光波段（波段3）的灰度值（D N）在获取的归一化植被指数（NDVI）基础上，采用混合像元分解法计算植被覆盖度（Pv），依据经验值，当NDVI>0.5时，下垫面为植被，植被覆盖度（Pv）取1；当NDVI<0.2时，下垫面为裸露土地，植被覆盖度（Pv）取0；当0.2≤NDVI≤0.5时，依照公式（3-4）计算植被覆盖度（Pv）。
ENVI下基于劈窗算法从MODIS数据中反演海表温度
ENVI下基于劈窗算法从MODIS数据中反演海表温度(2013-12-03 19:42:18)转载▼分类：遥感解决方案标签：劈窗算法modis反演温度教育劈窗算法最初是为反演海面温度开发的，具体地说是针对NOAA/AVHRR的4和5通道设计的，后来也被用来反演地表温度，这种算法较成熟，精度也高。
劈窗算法以地表热辐射传导方程为基础，利用10~13μm 大气窗口内，两个相邻热红外通道(一般为10.5～11.5μm、11.5～12.5μm)对大气吸收作用的不同，通过两个通道测量值的各种组合来剔除大气的影响，进行大气和地表比辐射率的修正。
表达式为：T S= T 4+ A (T 4- T 5) + B其中：T S为地表真实温度，T 4和 T 5分别为AVHRR的4和5通道，A和B为常量。
AVHRR 的通道4(10.15~11.13μm) 和通道5 (11.15~12.15μm) 恰与MODIS 的第31 波段 (10.178~ 11.128μm) 和32 波段 (11.177~ 12.127μm ) 的中心波长相对应, 可将MODIS 的31、32 波段资料, 用于劈窗算法进行地表温度计算。
很多学者对这个算法进行了推演，得到很多新的算法，如覃志豪、毛克彪等人。
本文就是使用其他学者推演的算法。
利用MODIS数据劈窗算法反演海表温度技术流程如下图：图1技术流程图注：（1）按照本流程反演出来的结果是SST。
陆地上的值可以视为无效值，若要得到正确的陆表温度，需要加入海陆分离的步骤，以及城镇和自然表面的比辐射率计算。
（2）MODIS数据下载：nasa官网：/.下面详细介绍处理流程。
第一步：数据打开Open->Open as->EOS->MODIS，选择MOD021KM.A2013185.0245.005.2013185094144.hdf文件，点击OK打开。
分为三个数据集：热红外数据（20-36波段），可见光到短波红外的辐射率数据（1-19、26波段），可见光到短波红外的反射率数据（1-19、26波段）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
单窗算法反演地表温度教程1.1 算法原理1.1.1 单窗算法单窗算法( MW 算法)是覃志豪于2001 年提出的针对TM 数据只有一个热红外波段的地面温度反演算法。
经过众多学者验证，单窗算法具有很高的反演精度，且同样适用于ETM+和landsat 8数据。
公式如下：T s (a6(1 C6 D6) (b6(1 C6 D6) C6 D6 )T sensor D6T a)/C6 式中，LST为地表温度(K)，T sensor是传感器上的亮度温度( K)，T a 是大气平均温度( K)；a、b为参考系数，当地表温度为0-70℃时，a = -67.355351，b =0.458606；C 、D 为中间变量，计算公式为：式中，为地表比辐射率，为地面到传感器的大气总透射率。
因此单窗算法反演地表温度的关键是计算得到亮度温度T senso、地表比辐射率、大气透射率和大气平均作用温度T a。
1.1.2 参数计算1.1.2.1 辐射亮温计算利用Planck 公式将图像像元对应传感器辐射强度值转换为对应的亮度温度值。
公式如下式中，T senso 为亮度温度值； L 影像预处理后得到的光谱辐射值，2单位为w/(m2 sr m)，K1 、K2 为常量，可由数据头文件获取。
计算图像辐射亮温之前，需采用辐射定标参数将像元灰度值DN 转换为热辐射强度值，公式如下：式中，M L 为增益参数，A L 为偏移参数，该参数可直接在影像通文件数据中获取，且ENVI 软件中已经集成，不需要自己在查找。
1.1.2.2 地表比辐射率计算根据覃志豪针对TM 影像提出的混合像元分解法来确定区域地表福辐射率。
对于城市区域，我们简单的将其分为水体、自然表面和建筑表面三因此针对混合像元尺度上的地表比辐射率通过下式来种，估算：式中，为混合像元的地表比辐射率；P V为植被覆盖率；R V为植被的温度比率；R M为建筑表面的温度比率；V 表示植被法地表比辐射率，m 表示建筑表面的地表比辐射率；d 表示辐射校正项。
根据覃志豪经验公式，V=0.986；m=0.972根据Aster 提供的常用地物比辐射率光谱库Landsat 8数据特点，对于B10 波段，V=0.98672；m=0.96767。
对于B11 波段，V=0.98990；m=0.977515。
在地表相对较平整的区域,一般可取dε =0在; 地表起伏较大的区域,d ε可根据植被的构成比例估计。
研究表明热辐射相互作用在植被与裸土分别占一半时达到最大,所以可以根据如下经验公式来估计dε：当Pv≤0.5时,dε=0.003 8Pv当Pv>0.5时,dε=0.003 8 -(P1v)当Pv=0.5 时, d ε =0.0019RV 和Rm 的确定采用覃志豪等提出的经验公式计算:RV=0.9332+0.0585*PVRm=0.9886+0.1287*PVPV 为植被覆盖率可用下式计算:PV=(NDVI-NDVI S)/(NDVI V-NDVI S)其中NDVI 是归一化植被指数,NDVIV 、NDVIS 分别是植被和裸土的NDVI 值,由于没有详细的区域植被和土壤光谱资料,采用覃志豪经验值以NDVIV=0.70 和NDVIS=0.05 来进行植被覆盖度的近似估计。
1.1.2.3 大气平均作用温度的计算对于大气平均温度，覃志豪等也提供了一个经验公式，该公式是根据Modtran 所提供的标准大气推导出来的，如下表所示，其中T0 为近地表温度(K) 。
般研究区在重庆的，选择中纬度夏季平均大气1.1.2.4 大气透射率的计算由于单窗算法对输入的参数较敏感，因此需要较精确的大气透射率参数来反演地表温度。
影响大气透射率的因素较多,如气压、气温、气溶胶含量、大气水分含量、O3、CO2、CO、NH4 等对热辐射传导均有不同程度的作用,从而使地表的热辐射在大气中的传导产生衰减。
因此,准确的大气透射率求算比较复杂,需要较详细的大气剖面数据，但在实际应用中很难获取详细的大气剖面数据。
研究表明大气水分含量对大气透射率的变化影响较大,而其它因素由于很难在短时间内发生较大变化而对大气透射率的影响较小。
因此,水分含量就成为大气透射率估计的主要考虑因素。
覃志豪等根据大气中的水汽含量动态变化对大气透射率的影响程度进行了研究，并对大气透射率进行了估计，如表3.1。
其中:w 是大气水汽含量。
以重庆为研究区的研究一般选用是气温较高时的估算公式。
大气透射率估计方程大气剖面水分含量w/(g ·cm-2)大气透射率估计方程相关系数平方（R2）标准误差（SEE）高气温0.4-1.6 τ6=0.97429-0.08007w0.99611 0.0023681.6-3.0 τ6=1.03141-0.99827 0.00253低气温0.4-1.6 τ6=0.98200-70.09611w0.99463 0.003341.6-3.0 τ6=1.05371-0.99899 0.00237接下来只需要计算出大气水分含量便可计算得到大气透射率。
学者杨景梅根据地面、高空气象要输资料，提出利用地面湿度计算整层大气可降水量，由此计算得出整层大气水汽含量的方法（杨景梅邱金恒，用地面湿度参量计算我国整层大气可降水量及有效水汽含量的方法的研究，大气科学，2002.01）公式如下：式中，ω为大气水汽含量（g/cm2），W 为整层大气可降水量（cm）；C0 C1为经验系数，以重庆为研究对象，一般可选取成都的经验值来计算。
C0= 0.1274；C1=0.6878.计算大气可降水量公式如下：式中，W 为整层大气可降水量（cm），e 为地面水汽压（hPa），a0 a1为经验系数，可从以下公式计算得出式中，φ为地理纬度（°），H 为海拔高度。
重庆市主城区纬度取29.5，平均高程取0.35 km，则有。
ω =0.19604e+0.04691其中：e 是绝对水汽压（hPa）。
采用WMO 在1996 年公布的《气象仪器和观测方法指南》中公布的饱和水汽压E 公式。
对于纯水面用公式计算，适用于温度-45~60℃E=6.112exp[17.62*T0/(243.12+T0)]RH=e/E*100推算出：e=6.112exp[17.62*T0/（243.12+T0）]*RH式中，RH 为相对湿度，可以通过气象观测数据获得，T0为气温(℃)。
1.2 地表温度反演步骤1.2.1 影像预处理（1）辐射定标选择Radiometric Correction/Radiometric Calibration 。
在File Selection 对话框中，选择数据LC81230322013132LGN02_MTL_Thermal ，单击Spectral Subset 选择Thermal Infrared1 （10.9），打开Radiometric Calibration 面板。
Scale factor 不能改变，否则后续计算会报错。
保持默认 1即可。
2）大气校正本教程选择Flaash 校正法。
FLAASH Atmospheric Correction ，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。
注意：如果在多光谱数据辐射定标时Scalefactor 值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为0.1 ，若已设置，则默认值为 1 即1) Input Radiance Image：打开辐射定标结果数据；2) 设置输出反射率的路径，由于定标时候；3)设置输出FLAASH 校正文件的路径，最优状态：路径所在磁盘空间足够大；4)中心点经纬度Scene Center Location：自动获取；5)选择传感器类型：Landsat-8 OLI ；其对应的传感器高度以及影像数据的分辨率自动读取；6)设置研究区域的地面高程数据；7)影像生成时的飞行过境时间：在layer manager中的Lc8 数据图层右键选择View Metadata，浏览time 字段获取成像时间；注：也可以从元文件“LC81230322013132LGN02_MTL.tx”t 中找到，具体名称：DATE_ACQUIRED = 2013-05-12 ；SCENE_CENTER_TIME = 02:55:26.6336980Z；8)大气模型参数选择：Sub-Arctic Summer(根据成像时间和纬度信息选择)；9)气溶胶模型Aerosol Model ：Urban，气溶胶反演方法AerosolRetrieval：2-band（K-T ）；10) 其他参数按照默认设置即可。
11) 多光谱参数设置中，K-T 反演选择默认模式：Defaults->Over-Land Retrieval standard(600:2100)波谱响应函数：默认指向\ProgramFiles\Exelis\ENVI51\classic\filt_func\landsat8_oli.sli把它重新指向：..\Progr amFiles\Exelis\ENVI51\resource\filterfuncs\landsat8_oli. sli注：这是因为ENVI5.1 版本的一个小bug，即Classic中的L8 的波谱响应函数不正确，另外一个一劳永逸的方法是：将“ filterfuncs 中”的Landsat8_oli.sli 和Landsat8_oli.hdr 两个文件拷贝覆盖：“... filt_func 中” 的两个文件。
否则SWIR1 波段大气校正后的结果全为0。
见下图经过 FLAASH 校正的影像基本去除了空气中水汽颗粒等因子的影响，植被的波谱曲线趋于正常12） 高级参数设置：根据内存大小设置 Tile Size （Mb ）：100（8g 物理内存），其他参数默认即可，详细见下图(1)植被覆盖度计算第一步，利用多光谱遥感影像，计算研究区域归一化植被指数NDVI ，ENVI 软件中有工具集成，使用即可。
第二步，利用波段运算工具，根据覃志豪经验公式，计算研究区植被覆盖度。
(b1 gt 0.7)*1+(b1 lt 0.05)*0+(b1 ge 0.05 and b1 le 0.7)*((b1-0.05)/(0.7-0.05)) b1：NDVI(2)地表比辐射率计算第一步，计算dε(b1 le 0.5)*0.0038*b1+(b1 eq 0.5)*0.0038*(1-b1)+(b1 gt0.5)*0.0019 b1：植被覆盖度Pv第二步，计算R V 与R m，在波段运算器中分别输入下列式中：R V : 0.9332+0.0585*b1R m : 0.9886+0.1287*b1b1: 植被覆盖度Pv第三步，计算地表比辐射率利用B10 波段计算地表比辐射率: b1*b2*0.98672+(1-b1)*b3*0.96767+b4 利用B11 波段计算地表比辐射率: b1*b2*0.9899+(1-b1)*b3*0.97515b1: 植被覆盖度Pv; b2:植被表面温度比率RV; b3:建筑表面温度比率R m; b4：指的是dεK1 K2 需要根据不同影像查表得到：(1321.0789)/alog(774.8853/b1 +1)b1：波段10 或者波段11 经过辐射校正后的数据 L1.2.3 地表温度计算第一步，计算C: b1*b2b1：地表比辐射率；b2：大气透射率第二步，计算D: (1-b2)*(1+(1-b1)*b2)b1：地表比辐射率；b2：大气透射率第三步，计算LST:(-67.355351*(1-b1-b2)+b3*(0.458606*(1-b1-b2)+b1+b2)-b2*295.4022465)/b1 b1:指的是C; b2：指的是D; b3：指的是辐射亮温；b4：指的是大气平均作用温度Ta。