Landsat 8热红外数据?地表温度如何计算?

为什么你算的地表温度总像“开水烫脚”？先别急着怪数据

上周一位研究生私信我：“Dr. Gis，我用Landsat 8热红外波段算了地表温度，结果城区全是50℃以上，郊区也动不动40℃+——这合理吗？” 我一看他的流程，果然踩了经典坑：直接用亮温当真实温度。这就像拿体温计测空气温度，还纳闷“怎么老是37度”。

我在参与长三角城市群热岛效应评估项目时，初期团队也犯过同样错误——把Band 10的辐射亮度值直接转成温度，结果上海外滩显示62℃，差点被甲方当成“气候灾难报告”打回来重做。

热红外≠温度计：理解Landsat 8的“间接测温”原理

Landsat 8的Band 10（10.6-11.2μm）记录的是地表发射的热辐射能量，而非直接温度。这好比你站在远处看一块铁板——你能感知它发红发亮（辐射强），但不知道确切温度，除非知道它的“黑度”（发射率）和大气干扰程度。

计算真实地表温度（LST, Land Surface Temperature）需三步走：

1. 辐射定标：将DN值转为辐射亮度（Top of Atmosphere Radiance）
2. 大气校正：扣除大气吸收/散射影响，得到地表真实辐射
3. 发射率校正：根据地物类型调整“黑度系数”，反演真实温度

手把手实战：用Python+QGIS五步搞定准确LST

以下流程基于USGS官方推荐的单窗算法简化版，适合初学者快速上手。假设你已下载Landsat 8 Level-1数据（含MTL元数据文件）。

Step 1：辐射定标——把像素值变成物理量

从MTL文件中提取增益（RADIANCE_MULT_BAND_10）和偏移（RADIANCE_ADD_BAND_10），套用公式：

Lλ = M * Qcal + A
# Lλ: 辐射亮度 (W/m²/sr/μm)
# Qcal: 像素原始DN值
# M, A: 增益与偏移（MTL文件提供）

Step 2：亮温计算——获得“大气顶层温度”

用普朗克函数反推亮温（注意单位转换！）：

Tb = K2 / ln(K1 / Lλ + 1)
# Tb: 亮温 (开尔文K)
# K1=774.89, K2=1321.08 (Band 10常数，见MTL)

Step 3：发射率估算——给地表“贴材质标签”

这是最关键的一步！不同地物发射率差异巨大：

建议用NDVI阈值法自动分类：ε = 0.004 * NDVI + 0.986（适用于混合像元）

Step 4：大气校正——剥掉“空气滤镜”

简易方法：使用NASA提供的大气校正参数计算器，输入影像获取时间、中心经纬度，获取大气透过率τ、上行辐射Lu、下行辐射Ld。若无网络工具，可用经验值τ≈0.85（中纬度晴天）。

Step 5：真实温度反演——终极公式登场

LST = [Tb / (1 + (λ * Tb / ρ) * ln(ε))] - 273.15
# λ: 中心波长10.9μm → 10.9×10⁻⁶m
# ρ: 1.438×10⁻² m·K (普朗克常数相关)
# 最后减273.15转为摄氏度

更精确可采用Jiménez-Muñoz单通道算法（见参考文献），但上述简化版误差通常<2℃。

避坑指南：三个让你数据可信的关键细节

• 时间选择：避免晨昏时段（太阳高度角<30°），此时热惯性导致温度失真
• 云掩膜：务必用QA_PIXEL波段剔除云像元，否则温度值会异常偏低
• 发射率陷阱：金属屋顶ε可能低至0.2！城市研究建议结合土地利用图手动修正

总结：温度不是算出来的，是“翻译”出来的

记住这个核心逻辑链：DN值→辐射亮度→亮温→（大气+发射率校正）→真实地表温度。跳过任何一环，你的结果都会变成“科幻小说”。现在打开你的Landsat 8数据，按步骤操作一遍——你会惊讶于修正后的温度分布如何真实反映城市热岛格局。

动手后遇到卡点？在评论区留下你的报错截图或代码片段，我会抽三位读者免费诊断数据流程！