1. Landsat9地表温度反演入门指南
地表温度(Land Surface Temperature, LST)是研究城市热岛效应、农业干旱监测、气候变化等领域的重要参数。作为一名长期使用Google Earth Engine(GEE)进行遥感分析的从业者,我发现Landsat9数据为地表温度研究带来了新的可能性。相比前代Landsat8,Landsat9在数据质量和时间分辨率上都有显著提升。
GEE平台为处理Landsat数据提供了极大便利,无需下载海量数据就能进行云端计算。对于刚接触这个领域的朋友,我建议先从理解Landsat9的数据结构开始。Landsat9 Collection 2 Level 2数据已经经过了大气校正等预处理,其中ST_B10波段直接提供了地表温度信息,这比传统单窗算法要简便得多。
在实际项目中,我遇到过很多新手常见的困惑:为什么我的温度图有这么多空白区域?如何验证反演结果的准确性?Landsat8和Landsat9的处理方法有什么区别?这篇文章将带你一步步解决这些问题。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据准备与加载
2.1 获取Landsat9数据集
在GEE中加载Landsat9数据非常简单,只需要一行代码:
javascript复制var landsat9 = ee.ImageCollection('LANDSAT/LC09/C02/T1_L2');
这个数据集包含了5个可见光/近红外波段(VNIR)、2个短波红外波段(SWIR)和1个热红外波段(TIR)。特别需要注意的是,ST_B10波段已经过正射校正和地表温度转换,可以直接使用。
我建议在开始分析前,先用以下代码查看数据集的基本信息:
javascript复制print('波段信息:', landsat9.first().bandNames());
print('元数据:', landsat9.first().propertyNames());
2.2 时空范围筛选
为了提高处理效率,我们需要对数据集进行时空筛选。这是我的常用筛选方法:
javascript复制var startDate = '2022-01-01';
var endDate = '2022-12-31';
var geometry = /* 你的研究区
