本文介紹基于ENVI與ERDAS軟件，對(duì)Landsat 7遙感影像數(shù)據(jù)加以單窗算法的地表溫度（LST）反演操作。

1 原理部分與前期操作準(zhǔn)備

更新：基于GEE的Landsat地表溫度反演可以看文章單窗算法的地表溫度反演：谷歌地球引擎GEE代碼，自動(dòng)批量操作，處理更快。

首先，本文可以認(rèn)為是對(duì)上一篇文章ENVI大氣校正方法反演Landsat 7地表溫度在反演算法與主要參數(shù)選取等兩個(gè)方面的補(bǔ)充與改進(jìn)。

目前主要的地表溫度單波段反演算法包括大氣校正法（又名輻射傳輸方程法，Radiative Transfer Equation，RTE）、單通道算法（Generalized Single Channel Method）和單窗算法（Mono-window Algorithm）。上面提及的那篇博客即是利用ENVI軟件“Band Math”模塊，基于大氣校正法實(shí)現(xiàn)襄陽(yáng)市地表溫度的反演；而本次我們更進(jìn)一步，借助ENVI軟件和ERDAS軟件，實(shí)現(xiàn)植被指數(shù)的反演與基于單窗算法的武漢市地表溫度反演。其中，所使用的遙感影像均為L(zhǎng)andsat 7 ETM+影像。

綜上，本文的操作過(guò)程分為兩個(gè)部分：首先是利用ERDAS軟件“Model Maker”模塊實(shí)現(xiàn)的植被指數(shù)反演，其次是同樣利用“Model Maker”模塊實(shí)現(xiàn)的單窗算法地表溫度反演。其中，第一個(gè)部分求出的NDVI指數(shù)將用于第二部分計(jì)算。

本文內(nèi)容較為豐富。因此，為了更好理解整個(gè)實(shí)驗(yàn)的原理及過(guò)程，將本文步驟、原理等梳理如下。

1.1 圖像預(yù)處理

首先，針對(duì)植被指數(shù)反演，大致操作和我的前兩篇博客類(lèi)似——ENVI實(shí)現(xiàn)QUAC、簡(jiǎn)化黑暗像元、FLAASH方法的遙感影像大氣校正以及ENVI大氣校正方法反演Landsat 7地表溫度，包括獲取需要的遙感圖像數(shù)據(jù)與元數(shù)據(jù)，并對(duì)其進(jìn)行預(yù)處理步驟——數(shù)據(jù)導(dǎo)入、輻射定標(biāo)（包括可見(jiàn)光波段、近紅外波段與短波紅外波段）、波段合成、編輯頭文件、FLAASH大氣校正等；這些預(yù)處理步驟依然是在ENVI軟件中完成，具體操作方式亦與博客1類(lèi)似。隨后，與博客2在ENVI軟件“Band Math”模塊計(jì)算NDVI等植被指數(shù)不同，本次將經(jīng)過(guò)預(yù)處理后的圖像文件轉(zhuǎn)入ERDAS軟件中，裁剪并利用ERDAS軟件“Model Maker”模塊實(shí)現(xiàn)多種植被指數(shù)的反演。

其中，輻射定標(biāo)需要分為兩個(gè)步驟，即對(duì)可見(jiàn)光波段、近紅外波段與短波紅外波段數(shù)據(jù)（1、2、3、4、5、7六個(gè)波段）與熱紅外波段數(shù)據(jù)（61、62兩個(gè)波段）分別進(jìn)行輻射定標(biāo)。針對(duì)熱紅外波段數(shù)據(jù)的定標(biāo)在后期ERDAS軟件中進(jìn)行。

1.2 植被指數(shù)反演

其次，需要計(jì)算NDVI（即Normalized Difference Vegetation Index，歸一化植被指數(shù)，而非植被覆蓋度）、RVI（即Ratio Vegetation Index，比值植被指數(shù)）與DVI（即Difference Vegetation Index，差值植被指數(shù)）等三個(gè)植被指數(shù)。

通過(guò)博客2我們已經(jīng)知道，NDVI是指一幅遙感影像中，近紅外波段的反射值與紅光波段的反射值之差比上這二者之和；其可以用來(lái)檢測(cè)植被生長(zhǎng)狀態(tài)、植被覆蓋度，還可以消除部分輻射誤差等，能反映出植物冠層的背景影響。NDVI的具體取值范圍嚴(yán)格限制在-1到1之間，其取負(fù)值表示地面覆蓋為云、水、雪等，即對(duì)可見(jiàn)光具有較高反射；0值表示地面覆蓋有巖石或裸土等，從而使得NIR（Near Infrared，近紅外波段）和R（Red，紅光波段）數(shù)值近似相等；其取正值則表示地面有植被覆蓋，且地表植被覆蓋度越高，其數(shù)值越高。在植被處于中、低覆蓋度時(shí)，NDVI數(shù)值隨覆蓋度的增加而迅速增大，而當(dāng)達(dá)到一定覆蓋度后增長(zhǎng)緩慢；因此，NDVI適用于植被早、中期生長(zhǎng)階段的動(dòng)態(tài)監(jiān)測(cè)。

目前，在一些網(wǎng)站（如NASA官方網(wǎng)站）具有NDVI成品數(shù)據(jù)，可供我們直接下載、利用；而通過(guò)初始遙感影像中的近紅外波段數(shù)據(jù)和紅光波段數(shù)據(jù)，我們可以直接利用前述定義公式對(duì)其加以計(jì)算，即

而在計(jì)算NDVI時(shí)需要注意，所選用的原始遙感影像不能具有過(guò)多的云干擾。

RVI又稱(chēng)“綠度”，是指一幅遙感影像中，近紅外波段與紅光波段的數(shù)值或反射率的比值。RVI與植物中LAI（Leaf Area Index，葉面積指數(shù)）、葉干生物量、葉綠素含量等指標(biāo)密切相關(guān)，可作為一種綠色植物的靈敏指示參數(shù)，同時(shí)可用于檢測(cè)和估算植物體生物量；其能較好反映植被覆蓋度和生長(zhǎng)狀況的差異，特別適用于植被生長(zhǎng)旺盛、具有較高覆蓋度的植被監(jiān)測(cè)。一般而言，綠色健康植被覆蓋地區(qū)的RVI遠(yuǎn)大于1，而對(duì)于水體、裸土、不透水面等無(wú)植被覆蓋地面，RVI值處在1附近。其中，包含植被的地面的RVI值往往大于2。

另一方面，RVI受到大氣的影響較為劇烈，因此在計(jì)算精確的RVI數(shù)值時(shí)，需要預(yù)先進(jìn)行大氣校正，或使用兩個(gè)波段的反射率加以計(jì)算。本文中，我們將直接利用其定義公式計(jì)算RVI，即

DVI又稱(chēng)“農(nóng)業(yè)植被指數(shù)”，是指一幅遙感影像中，近紅外波段與紅光波段的數(shù)值或反射率的差值。DVI對(duì)土壤背景的變化較為敏感，能夠較好識(shí)別植被和水體；其數(shù)值隨生物量的增加而迅速增大。本文中，我們將直接利用其定義公式計(jì)算DVI，即

隨后，我們利用單窗算法實(shí)現(xiàn)武漢地區(qū)的地表溫度反演。在博客2中，我們利用大氣校正法實(shí)現(xiàn)地表真實(shí)溫度的反演；而這一方法由于需要將大氣對(duì)地表熱輻射的影響由衛(wèi)星傳感器所接收到的熱輻射總量中減去，因此需要獲取圖像成像實(shí)時(shí)的研究區(qū)大氣剖面數(shù)據(jù)（如大氣水分含量、大氣壓力等），以求出大氣向上輻射亮度L↑、大氣向下輻射亮度L↓等參數(shù)。而實(shí)時(shí)獲取上述大氣剖面數(shù)據(jù)是較為不易的，因此往往使用標(biāo)準(zhǔn)大氣剖面數(shù)據(jù)代替實(shí)時(shí)大氣剖面數(shù)據(jù)，對(duì)結(jié)果加以估計(jì)。因而，這樣將使得得到的地表反演溫度偏離正常值，產(chǎn)生一定誤差。

1.3 單窗算法原理

單窗算法依據(jù)地表熱輻射傳輸方程，不需要進(jìn)行大氣校正即可直接反演地表溫度。這是由于NDVI是經(jīng)過(guò)歸一化處理的數(shù)值，大氣影響對(duì)其計(jì)算誤差并不是很大，一些文獻(xiàn)直接利用熱紅外波段DN值計(jì)算NDVI。單窗算法公式如下：

其中，T_s為所求地表真實(shí)反演溫度，T_b為熱紅外波段接收到的地表亮度溫度，T_a為大氣等效溫度，其主要取決于大氣剖面的氣溫分布及大氣狀態(tài)；在標(biāo)準(zhǔn)大氣狀態(tài)下，T_a與地面附近氣溫（一般取地面2米處氣溫）T_0存在一定線(xiàn)性關(guān)系。目前，國(guó)內(nèi)多位學(xué)者對(duì)這一具體的線(xiàn)性關(guān)系已有研究，主要包括以下公式。

本次實(shí)驗(yàn)研究對(duì)象為4月上旬的武漢市，因此可以直接使用表中“中緯夏季”或“全國(guó)夏季”對(duì)應(yīng)公式；在此我們選擇第一個(gè)公式。其中，T_0取經(jīng)驗(yàn)值20℃。

T_s計(jì)算式中-67.355351與0.458606為兩個(gè)經(jīng)驗(yàn)常量，C與D為中間變量，其計(jì)算公式分別為：

其中，ε為地表比輻射率，τ為大氣透射率。

物體的比輻射率是物體向外輻射電磁波的能力表征，是指在同一溫度下地表發(fā)射的輻射量與一黑體發(fā)射的輻射量的比值。其不僅依賴(lài)于地表物體的具體組成，而且與物體的表面狀態(tài)（如表面粗糙度）及物理性質(zhì)（如介電常數(shù)、含水量等）有關(guān)，并隨著所測(cè)定的波長(zhǎng)和觀測(cè)角度等因素變化。對(duì)地表比輻射率的精確定量測(cè)量難度較大，因此同博客2一致，本文我們?nèi)匀灰罁?jù)經(jīng)驗(yàn)法對(duì)地表比輻射率加以估計(jì)：

由公式可知，不同的地物對(duì)應(yīng)不同的地表比輻射率計(jì)算方法。在博客2中，我們直接利用研究區(qū)各個(gè)像元NDVI的取值估計(jì)其所對(duì)應(yīng)的地表狀態(tài)；這樣的計(jì)算方法雖然簡(jiǎn)便，但會(huì)帶來(lái)一定誤差。因此，本次我們選擇利用ERDAS軟件中的“Supervised Classification”模塊對(duì)水體、植被與建筑等不同地物加以區(qū)分，從而提高分類(lèi)精度。

其中，P_v為對(duì)應(yīng)區(qū)域的植被覆蓋度。植被覆蓋度有如下兩個(gè)不同的計(jì)算公式：

其中，〖NDVI〗_soil為裸土的NDVI數(shù)值，〖NDVI〗_vegetation為植被的NDVI數(shù)值。如果圖像范圍內(nèi)有明顯的茂密植被區(qū)，則取這一區(qū)域的平均NDVI作為〖NDVI〗_vegetation的值；同理，若圖像范圍內(nèi)有明顯的裸露土地，則可取這一區(qū)域的平均NDVI作為〖NDVI〗_soil的值。一般地，我們亦可以令〖NDVI〗_vegetation為經(jīng)驗(yàn)值0.7，〖NDVI〗_soil為經(jīng)驗(yàn)值0.05；NDVI超出〖NDVI〗_vegetation時(shí)，我們可以認(rèn)為其為植被覆蓋地區(qū)，P_v為1；NDVI低于〖NDVI〗_soil時(shí)，我們可以認(rèn)為其為裸土、水體等，P_v為0。

針對(duì)上述P_v的兩個(gè)不同計(jì)算公式，有文獻(xiàn)指出第一個(gè)公式得到的地表真實(shí)溫度反演結(jié)果偏高，建議使用第二個(gè)公式；而亦有文獻(xiàn)并未對(duì)兩種不同公式加以?xún)?yōu)劣評(píng)價(jià)。

大氣透射率τ主要取決于大氣水分含量。大氣含水量ω為衛(wèi)星過(guò)境時(shí)地面附近（一般取地面2米處）的大氣含水量。對(duì)于夏季而言，不同的大氣含水量對(duì)應(yīng)不同的τ計(jì)算公式：

本次實(shí)驗(yàn)中，大氣含水量ω取經(jīng)驗(yàn)值2.0。

熱紅外波段接收到的地表亮度溫度T_b即相當(dāng)于對(duì)熱紅外波段進(jìn)行輻射定標(biāo)后，再進(jìn)一步處理的結(jié)果。本次實(shí)驗(yàn)所用Landsat 7 ETM+影像的熱紅外低增益波段（即B61）、高增益波段（即B62）分別對(duì)應(yīng)如下不同的兩個(gè)定標(biāo)公式：

通過(guò)上述公式計(jì)算得出的是對(duì)應(yīng)波段的熱輻射強(qiáng)度L_?，還需要進(jìn)行下一步計(jì)算才可以轉(zhuǎn)換為地表亮度溫度T_b。其中，兩個(gè)熱紅外波段對(duì)應(yīng)的地表亮度溫度計(jì)算公式一致：

2 實(shí)際操作部分

2.1 數(shù)據(jù)導(dǎo)入與輻射定標(biāo)

（1） 將圖像壓縮包文件（本文選用“LE71230392003097EDC00.tar.gz”，具體圖像數(shù)據(jù)的下載等網(wǎng)上資源很多，大家自行查閱即可，不再贅述）解壓縮；打開(kāi)ENVI Classic 5.3（64-bit）軟件，選擇“File”→“Open Image File”，在彈出的文件選擇窗口中分別選中壓縮包中后綴名包含“B10”“B20”“B30”“B40”“B50”“B70”的六個(gè)“.tif”格式文件；點(diǎn)擊“打開(kāi)”。

（2） 選擇“Basic Tools”→“Preprocessing”→“Calibration Utilities”→“Landsat Calibration”，在彈出的文件選擇窗口中選擇一個(gè)波段的圖像。

（3） 在彈出的屬性配置窗口中調(diào)整待定標(biāo)衛(wèi)星圖像對(duì)應(yīng)的傳感器、數(shù)據(jù)獲取日期、太陽(yáng)高度角、對(duì)應(yīng)波段數(shù)、電磁波類(lèi)型（輻射或反射）、文件存儲(chǔ)方式及地址等信息。其中，與衛(wèi)星有關(guān)的信息可以由衛(wèi)星圖像的元數(shù)據(jù)信息中獲取。

（4） 執(zhí)行上述操作共六次，從而對(duì)壓縮包中1、2、3、4、5、7六個(gè)波段的圖像均進(jìn)行輻射定標(biāo)操作。

2.2 波段合成

（1） 選擇“Basic Tools”→“Layer Stacking”，在彈出的文件選擇窗口中選擇經(jīng)過(guò)輻射定標(biāo)后的六個(gè)波段的圖像。

（2） 選擇后，需要觀察六幅圖像在待合成文件列表中的排列順序。由于后期我們需要對(duì)合成后的圖像各個(gè)波段的信息進(jìn)行折線(xiàn)圖形式的分析操作，因此需要將待合成文件按照“中心波長(zhǎng)值”由小至大的順序排列。點(diǎn)擊“Reorder Files”即可實(shí)現(xiàn)這一功能。

（3） 順序排列完畢后，檢查投影信息等無(wú)誤后，點(diǎn)擊“OK”即可開(kāi)始合成操作。

2.3 編輯頭文件

（1） 在“Available Bands List”文件列表中右鍵選擇波段合成后的結(jié)果文件，選擇“Edit Header”功能。

（2） 選擇“Edit Attributes”→“Wavelengths”，按照?qǐng)D像各個(gè)波段原有中心波長(zhǎng)信息對(duì)合并后圖像各個(gè)波段的波長(zhǎng)信息進(jìn)行修改，并注意將數(shù)據(jù)單位修改為“Micrometers”。具體見(jiàn)上圖。

2.4 轉(zhuǎn)換文件數(shù)據(jù)格式

（1） 選擇“Basic Tools”→“Convert Data (BSQ,BIL,BIP)”，在彈出的文件選擇窗口中選擇經(jīng)過(guò)波段合成、編輯頭文件操作后的結(jié)果圖像，點(diǎn)擊“OK”。

2.5 FLAASH大氣校正

（1） 選擇“Basic Tools”→“Preprocessing”→“Calibration Utilities”→“FLAASH”，在彈出的轉(zhuǎn)換因子窗口中選擇第二項(xiàng)，即單一因子適用于所有波段的情況。由于我們本次所使用數(shù)據(jù)原有光譜數(shù)值為標(biāo)準(zhǔn)單位，即(W)/m2 *μm *rad，為了將這一單位換為FLAASH方法所能利用的單位，我們需要將轉(zhuǎn)換因子設(shè)定為10.00。

（2） 在隨后彈出的配置對(duì)話(huà)框中，首先選擇輸入圖像文件、輸出圖像文件目錄及名稱(chēng)，同時(shí)依據(jù)遙感影像的元數(shù)據(jù)，配置其中心點(diǎn)經(jīng)緯度、傳感器類(lèi)型（傳感器類(lèi)型一旦選定，系統(tǒng)將會(huì)自動(dòng)匹配傳感器高度與像元大小這兩個(gè)參數(shù)）、航行時(shí)間；同時(shí)依據(jù)實(shí)際研究區(qū)的情況，配置平均海拔高度這一選項(xiàng)；其次，選擇合適的地球大氣模型和氣溶膠模型。其中，地球大氣模型需要根據(jù)一張標(biāo)準(zhǔn)查找表確定，氣溶膠模型則依據(jù)研究區(qū)域?qū)嶋H情況加以確定。前期操作時(shí)，設(shè)置FLAASH大氣校正參數(shù)如下；但后期發(fā)現(xiàn)這樣的設(shè)置有問(wèn)題。具體更改附在本文2.9部分，大家有需要可以直接暫時(shí)跳過(guò)本部分進(jìn)入2.9部分查看問(wèn)題所在。

（3） 接下來(lái)，選擇“Multispectral Settings”。當(dāng)基本設(shè)置中設(shè)置了水汽反演模型和氣溶膠模型時(shí)，我們需要相應(yīng)地將多光譜相關(guān)屬性加以配置，配置完畢后點(diǎn)擊“OK”。

（4） 全部設(shè)置完畢后，可以點(diǎn)擊右下角的“Save”按鈕，從而將本次對(duì)于FLAASH方法的全部屬性配置保存；在后期若對(duì)同樣的遙感數(shù)據(jù)進(jìn)行同樣的操作時(shí)，保存屬性配置可以免去多次重復(fù)調(diào)整相關(guān)參數(shù)的工作，從而提高效率。

（5） 點(diǎn)擊“Apply”，將會(huì)開(kāi)始執(zhí)行FLAASH大氣校正。得到結(jié)果后，同樣得到一份結(jié)果日志。

2.6 圖像格式轉(zhuǎn)換

經(jīng)過(guò)ENVI軟件的FLAASH大氣校正后，得到的結(jié)果圖像并不能直接被ERDAS軟件所識(shí)別，我們需要將其轉(zhuǎn)換為“.img”等格式文件。需要注意的是，不要轉(zhuǎn)換為“.tif”格式的文件，否則圖像文件將會(huì)丟失其原有的空間信息。

（1） 選擇“File”→“Save File As”→“ERDAS IMAGINE”，在彈出的文件轉(zhuǎn)換選擇窗口中選擇經(jīng)過(guò)FLAASH大氣校正后的結(jié)果圖像，點(diǎn)擊左下角“OK”。

（2） 在彈出的轉(zhuǎn)換文件屬性配置窗口中設(shè)置，配置好結(jié)果圖像文件保存路徑、保存文件名等。

（3） 如本文第一部分原理部分所示，單窗算法亦可以使用未經(jīng)過(guò)輻射定標(biāo)與大氣校正的數(shù)據(jù)計(jì)算NDVI數(shù)值。本次實(shí)驗(yàn)需要比較經(jīng)過(guò)與不經(jīng)過(guò)大氣校正得到的植被指數(shù)的差異，因此在將FLAASH大氣校正后的結(jié)果圖像轉(zhuǎn)換完畢后，還需要將未經(jīng)過(guò)大氣校正、轉(zhuǎn)換過(guò)數(shù)據(jù)存儲(chǔ)格式的“BIL”格式文件同樣轉(zhuǎn)換為“ERDAS IMAGINE”格式文件。

2.7 EDRDAS文件導(dǎo)入與裁剪

通過(guò)上述步驟得到的“.img”格式文件范圍為江漢平原，整體區(qū)域面積較大，文件數(shù)據(jù)量多；而我們溫度反演的目標(biāo)區(qū)域僅為武漢市。因此，我們需要借助武漢市AOI（Area of Interest）文件，將原本的江漢平原地區(qū)裁剪為武漢市地區(qū)。

（1） 打開(kāi)ERDAS IMAGINE 2015軟件，在黑色圖層窗口區(qū)域右鍵，并選擇“Open Raster Layer”在彈出的文件打開(kāi)選擇窗口中選擇經(jīng)過(guò)FLAASH大氣校正后的“.img”結(jié)果圖像，點(diǎn)擊右上角“OK”。ERDAS軟件選擇文件時(shí)，可以借助“Recent”和“Goto”功能，選擇最近操作的文件夾路徑或文件。

（2） 選擇“Raster”→“Subset & Chip”→“Create Subset Image”，在彈出的文件裁剪配置窗口中選擇經(jīng)過(guò)FLAASH大氣校正后的“.img”結(jié)果圖像，配置輸出文件路徑和文件名，并選擇輸出圖像文件格式為“Float Single”，在下方“AOI”選項(xiàng)中選擇武漢市AOI文件，點(diǎn)擊左下角“OK”選項(xiàng)。

2.8 植被指數(shù)模型建立

正如第一部分原理所述，本文和博客2在ENVI軟件“Band Math”模塊計(jì)算NDVI等植被指數(shù)不同，本次將經(jīng)過(guò)預(yù)處理后的圖像文件轉(zhuǎn)入ERDAS軟件中，裁剪并利用ERDAS軟件“Model Maker”模塊實(shí)現(xiàn)多種植被指數(shù)的反演。

一般地，ERDAS模型可以分為“輸入文件”“處理函數(shù)”與“輸出文件”三個(gè)部分，較為復(fù)雜的模型可以具有多個(gè)“處理函數(shù)”，并需要隨之增添若干“中間文件”；各個(gè)部分之間由連接線(xiàn)相連，以表示模型的運(yùn)行順序與流程。模型配置結(jié)束后，調(diào)試無(wú)誤即可將模型保存，利于后期繼續(xù)使用同一模型。同時(shí)還可以保存模型對(duì)應(yīng)的腳本代碼文件。通過(guò)本次實(shí)驗(yàn)，可以看到保存腳本代碼文件對(duì)于較為復(fù)雜（具有多個(gè)函數(shù)）的模型報(bào)錯(cuò)檢查具有很大幫助。

（1） 選擇“Toolbox”→“Model Maker”→“Model Maker”，在彈出的New_Model窗口中配置模型。

（2） 分別建立三個(gè)模型，輸入文件均為經(jīng)過(guò)剪裁的武漢市大氣校正圖像，輸出文件分別對(duì)應(yīng)NDVI、RVI與DVI圖像文件，而處理函數(shù)則分別使用本文第一部分對(duì)應(yīng)的不同植被指數(shù)計(jì)算公式。調(diào)試無(wú)誤后分別保存模型文件。

（3） 需要注意的是，本次實(shí)驗(yàn)涉及到小數(shù)計(jì)算較多，需要在配置模型輸入文件與輸出文件時(shí)注意選擇“Float”格式，從而避免計(jì)算結(jié)果被四舍五入的情況。

（4） 多個(gè)單一模型調(diào)試無(wú)誤并保存后，可以將其合并在一個(gè)新的模型中，從而實(shí)現(xiàn)多個(gè)操作一步完成。

2.9 大氣校正調(diào)試

通過(guò)上述模型得到NDVI等植被指數(shù)的數(shù)據(jù)圖像后，對(duì)圖像的數(shù)值加以觀察。此時(shí)注意到，所得到的NDVI圖像中出現(xiàn)了較多小于-1的值。隨后立即返回ENVI軟件對(duì)大氣校正結(jié)果圖像數(shù)值加以檢查，發(fā)現(xiàn)其中出現(xiàn)了較多負(fù)值。

一般地，F(xiàn)LAASH大氣校正結(jié)果中多存在部分負(fù)值情況，尤其是高分辨率圖像數(shù)據(jù)。這些負(fù)值像元經(jīng)常分布在校正后圖像中的陰影、水體及邊緣等區(qū)域，藍(lán)色波段也常常會(huì)出現(xiàn)負(fù)值像元較多的情況。

而如果負(fù)值較多，如負(fù)值像元個(gè)數(shù)占圖像總像元數(shù)量的5%以上，有為不正常狀態(tài)，往往可能是數(shù)據(jù)本身、參數(shù)設(shè)置等方面因素造成錯(cuò)誤的校正結(jié)果。

（1） 通過(guò)ENVI軟件中“Quick Stats”模塊，可以看到我的大氣校正結(jié)果第一波段數(shù)據(jù)中，數(shù)值小于等于-6的像元個(gè)數(shù)已經(jīng)占據(jù)了全圖的近32%部分，即出現(xiàn)的負(fù)值較多。

（2） 由于本次實(shí)驗(yàn)原始數(shù)據(jù)固定，因此推測(cè)是FLAASH大氣校正參數(shù)設(shè)置出現(xiàn)問(wèn)題。對(duì)FLAASH大氣校正結(jié)果圖像加以觀察，發(fā)現(xiàn)植被、水體等整體光譜曲線(xiàn)并沒(méi)有較大問(wèn)題。

（3） 再次回到ERDAS軟件，發(fā)現(xiàn)得到的NDVI結(jié)果圖像中，出現(xiàn)小于-1的數(shù)值的像素并不是很多，僅僅占據(jù)全圖的很小一部分。通過(guò)多次嘗試，發(fā)現(xiàn)FLAASH大氣校正參數(shù)中平均海拔似乎與之相關(guān)——若所選用的平均海拔較低，就沒(méi)有出現(xiàn)NDVI數(shù)值小于-1的情況；而平均海拔若設(shè)置過(guò)大，往往出現(xiàn)了NDVI數(shù)值小于-1的情況。因此，決定嘗試將FLAASH大氣校正參數(shù)中的海拔加以調(diào)節(jié)，并將得到的結(jié)果與之對(duì)比。

（4） 將平均海拔調(diào)低一些后，重新進(jìn)行FLAASH大氣校正，發(fā)現(xiàn)得到的NDVI結(jié)果依然會(huì)出現(xiàn)一些小于-1的數(shù)值。再次返回FLAASH參數(shù)界面，考慮到本次實(shí)驗(yàn)最終的研究區(qū)域?yàn)槲錆h市，因此將氣溶膠模型由Rural調(diào)整為Urban，并將平均海拔繼續(xù)加以微調(diào)。重新進(jìn)行FLAASH大氣校正，發(fā)現(xiàn)得到的結(jié)果已經(jīng)恢復(fù)正常，不存在小于-1的異常值。

（5） 利用驗(yàn)證數(shù)據(jù)無(wú)誤的FLAASH大氣校正結(jié)果圖像重新計(jì)算各類(lèi)植被指數(shù)。

2.10 地表亮度溫度計(jì)算

（1） 選擇“Toolbox”→“Model Maker”→“Model Maker”，在彈出的New_Model窗口中配置模型。

（2） 分別建立兩個(gè)模型，輸入文件分別為兩個(gè)熱紅外波段（B61與B62）圖像，輸出文件分別為對(duì)應(yīng)波段圖像文件所代表的地表亮度溫度數(shù)據(jù)文件，而處理函數(shù)則分別使用本文第一部分對(duì)應(yīng)的熱紅外波段輻射定標(biāo)、亮溫計(jì)算公式。其中，由于公式較為復(fù)雜，可以對(duì)每一個(gè)模型均使用多個(gè)“處理函數(shù)”及中間圖像文件。調(diào)試無(wú)誤后分別保存模型文件。

（3） 多個(gè)單一模型調(diào)試無(wú)誤并保存后，可以將其合并在一個(gè)新的模型中，從而實(shí)現(xiàn)多個(gè)操作一步完成。

（4） 在將全部模型合并后，運(yùn)行出現(xiàn)報(bào)錯(cuò)。由于模型整體牽涉到的步驟較多，可能無(wú)法立即定位出出現(xiàn)錯(cuò)誤的具體位置。此時(shí)有兩個(gè)辦法能夠較好找到出錯(cuò)的位置：一是可以結(jié)合資源管理器中已經(jīng)出現(xiàn)的中間文件，找出第一個(gè)未生成的中間文件，則出錯(cuò)的語(yǔ)句多數(shù)就集中于這一第一個(gè)未出現(xiàn)的中間文件函數(shù)處；二是可以直接將模型對(duì)應(yīng)的腳本文件導(dǎo)出，并用記事本打開(kāi)，根據(jù)報(bào)錯(cuò)信息中提示的行數(shù)確定具體出現(xiàn)問(wèn)題的位置，并再回到ERDAS軟件“Model Maker”模塊中找到對(duì)應(yīng)函數(shù)修改。

（5） 最終得到兩個(gè)熱紅外波段對(duì)應(yīng)的輻射定標(biāo)、地表亮度溫度計(jì)算公式模型。

2.11 監(jiān)督分類(lèi)

如同本文第一部分原理所述，本次實(shí)驗(yàn)我們是用監(jiān)督分類(lèi)方式區(qū)分水體、植被與建筑物，從而實(shí)現(xiàn)更加精確的地表植被覆蓋度計(jì)算。監(jiān)督分類(lèi)依然在ERDAS中實(shí)現(xiàn)。

（1） 選擇“Raster”→“Supervised”→“Supervised Editor”，在彈出的AOI區(qū)域顯示表中可以看到，此時(shí)還沒(méi)有添加進(jìn)入任何AOI，表格中處于空白狀態(tài)。

（2） 分別依據(jù)水體、植被與建筑物，在圖像中劃定區(qū)域。每一種地表類(lèi)型需要?jiǎng)澇霰M可能多的AOI，以期提高最終監(jiān)督分類(lèi)的效果與精確度。其中，需要將每一個(gè)水體區(qū)域都標(biāo)注。

（3） 每劃定一個(gè)AOI，便添加進(jìn)入“Supervised Editor”中；同一地物類(lèi)型的AOI添加完畢后，對(duì)這一類(lèi)型的全部AOI加以合并，并賦以一個(gè)易于辨認(rèn)的Value值。

（4） 其中，可以借助武漢市衛(wèi)星地圖影像對(duì)具體地物類(lèi)別加以具體區(qū)分。但應(yīng)注意，我們所使用的遙感影像為2003年的數(shù)據(jù)，而衛(wèi)星影像數(shù)據(jù)成像時(shí)間相對(duì)較為接近我們現(xiàn)在的時(shí)間。因此，利用衛(wèi)星影像亦只可以作為一種參考。

（5） AOI劃分完畢后，保存。選擇“Raster”→“Supervised”→“Supervised Classification”，在彈出的監(jiān)督分類(lèi)配置窗口中配置輸入文件、輸出文件與用于指定區(qū)域地表類(lèi)型的AOI文件。

（6） 上圖為驗(yàn)證監(jiān)督分類(lèi)結(jié)果精度的DISTANCE文件，其中距離數(shù)值即為該像素?cái)?shù)值與具體分類(lèi)對(duì)應(yīng)類(lèi)別的差距。這一文件可以衡量最終監(jiān)督分類(lèi)的效果。

2.12 植被覆蓋度與地表比輻射率計(jì)算

如本文第一部分原理所示，本次實(shí)驗(yàn)計(jì)算地表比輻射率的方式不再采用NDVI劃分地表類(lèi)型的方法，而是使用更為精確的上述監(jiān)督分類(lèi)結(jié)果。

（1） 選擇“Toolbox”→“Model Maker”→“Model Maker”，在彈出的New_Model窗口中配置模型。

（2） 需要注意，當(dāng)NDVI大于0.7或小于0.05時(shí)，對(duì)應(yīng)的地表植被覆蓋度分別取1和0。若不注意這一過(guò)程，會(huì)使得得到的植被覆蓋度圖像數(shù)值超出0-1這一界限。

（3） 對(duì)得到的地表植被覆蓋度文件數(shù)值加以檢查，確定無(wú)誤。

（4） 利用求得的地表植被覆蓋度文件進(jìn)一步求出地表比輻射率，此實(shí)需要用到上述監(jiān)督分類(lèi)結(jié)果。

2.13 大氣參數(shù)計(jì)算

（1） 依據(jù)本文第一部分原理，計(jì)算大氣等效溫度與大氣透射率等指標(biāo)。

（2） 隨后，求出最終地表真實(shí)溫度反演公式中的中間變量C與D。

2.14 地表真實(shí)溫度反演

（1） 依據(jù)本文第一部分原理，以及計(jì)算求得的大氣等效溫度與大氣透射率等指標(biāo)，結(jié)合中間變量C與D，計(jì)算求出最終的地表真實(shí)溫度反演結(jié)果。

（2） 利用上述建立好的模型，重復(fù)執(zhí)行操作，計(jì)算出另一熱紅外波段對(duì)應(yīng)的地表真實(shí)溫度反演結(jié)果。

（3） 縱觀本文所使用的全部模型，可以看出模型能夠極大方便原本零散的單一操作。

3 結(jié)果分析

3.1 大氣校正對(duì)植被指數(shù)的影響

（1） 分別使用經(jīng)過(guò)大氣校正和未經(jīng)過(guò)大氣校正的圖像計(jì)算NDVI、RVI與DVI指數(shù)，得到結(jié)果對(duì)比如下。

（2） 上圖左側(cè)為經(jīng)過(guò)FLAASH大氣校正后的圖像NDVI信息，右側(cè)為未經(jīng)過(guò)FLAASH大氣校正的圖像NDVI信息。在數(shù)值上，可以看出經(jīng)過(guò)FLAASH大氣校正的NDVI數(shù)值范圍較大，其最小值、最大值分別小于、大于未經(jīng)過(guò)大氣校正的NDVI；經(jīng)過(guò)大氣校正后NDVI的平均值、中位數(shù)與眾數(shù)均大于未經(jīng)過(guò)大氣校正的數(shù)值，但二者上述三個(gè)指標(biāo)均小于0；經(jīng)過(guò)大氣校正后得到的NDVI數(shù)據(jù)標(biāo)準(zhǔn)差較之未經(jīng)過(guò)大氣校正的數(shù)據(jù)大。在直方圖上，經(jīng)過(guò)大氣校正后的NDVI數(shù)據(jù)分布明顯較之未經(jīng)過(guò)大氣校正的數(shù)據(jù)平滑，除-0.65左右處有稍許波動(dòng)外，其余部分整體較為穩(wěn)定；未經(jīng)過(guò)大氣校正的NDVI數(shù)據(jù)波動(dòng)較大，雖然整體趨勢(shì)和前者一致，但其細(xì)節(jié)處的起伏十分明顯，尤其是0.25左右處。除整體趨勢(shì)外，經(jīng)過(guò)大氣校正與不經(jīng)過(guò)大氣校正的NDVI在峰值、谷值等方面亦較為一致。

（3） 上圖左側(cè)為經(jīng)過(guò)FLAASH大氣校正后的圖像RVI信息，右側(cè)為未經(jīng)過(guò)FLAASH大氣校正的圖像RVI信息。在數(shù)值上，可以看出經(jīng)過(guò)FLAASH大氣校正的RVI數(shù)值范圍同樣較大，其最小值、最大值分別小于、大于未經(jīng)過(guò)大氣校正的RVI，尤其是最大值明顯大于后者最大值；經(jīng)過(guò)大氣校正后RVI的平均值、中位數(shù)與眾數(shù)同樣均大于未經(jīng)過(guò)大氣校正的數(shù)值，尤其是平均值與中位數(shù)，前者明顯大于后者，而眾數(shù)相差相對(duì)較??；經(jīng)過(guò)大氣校正后得到的RVI數(shù)據(jù)標(biāo)準(zhǔn)差較之未經(jīng)過(guò)大氣校正的數(shù)據(jù)明顯大。在直方圖上，經(jīng)過(guò)大氣校正后的RVI數(shù)據(jù)分布同樣明顯較之未經(jīng)過(guò)大氣校正的數(shù)據(jù)平滑，整體部分較為穩(wěn)定；未經(jīng)過(guò)大氣校正的RVI數(shù)據(jù)波動(dòng)較大，雖然整體趨勢(shì)和前者一致，但其細(xì)節(jié)處的起伏十分明顯，尤其是1.00左右處具有明顯波動(dòng)。除整體趨勢(shì)外，經(jīng)過(guò)大氣校正與不經(jīng)過(guò)大氣校正的RVI在峰值、谷值大致位置等方面亦較為一致，但其極值在具體數(shù)值上相差明顯較之前述NDVI的差距要大。

（4） 上圖左側(cè)為經(jīng)過(guò)FLAASH大氣校正后的圖像DVI信息，右側(cè)為未經(jīng)過(guò)FLAASH大氣校正的圖像DVI信息。在數(shù)值上，可以看出經(jīng)過(guò)FLAASH大氣校正的DVI數(shù)值范圍十分顯著大于未經(jīng)過(guò)大氣校正的DVI數(shù)值，其最小值、最大值分別明顯小于、大于未經(jīng)過(guò)大氣校正的DVI，其間的差距極其明顯，相差可達(dá)兩個(gè)數(shù)量級(jí)；經(jīng)過(guò)大氣校正后DVI的平均值、中位數(shù)與眾數(shù)同樣均顯著大于未經(jīng)過(guò)大氣校正的DVI數(shù)值，二者在上述三個(gè)指標(biāo)之間的差距同樣達(dá)到一個(gè)數(shù)量級(jí)以上；經(jīng)過(guò)大氣校正后得到的DVI數(shù)據(jù)標(biāo)準(zhǔn)差較之未經(jīng)過(guò)大氣校正的數(shù)據(jù)亦明顯大。在直方圖上，經(jīng)過(guò)大氣校正后的DVI數(shù)據(jù)分布同樣明顯較之未經(jīng)過(guò)大氣校正的數(shù)據(jù)平滑，整體部分較為穩(wěn)定；未經(jīng)過(guò)大氣校正的DVI數(shù)據(jù)波動(dòng)較大，雖然整體趨勢(shì)和前者一致，但其細(xì)節(jié)處的起伏十分明顯，尤其是大于0部分處具有明顯波動(dòng)。除整體趨勢(shì)外，經(jīng)過(guò)大氣校正與不經(jīng)過(guò)大氣校正的RVI在峰值、谷值大致位置等方面亦較為一致，但一致性明顯小于NDVI與RVI。關(guān)于上述大氣校正對(duì)DVI數(shù)值如此明顯的影響，我認(rèn)為或許就是在FLAASH大氣校正時(shí)拉伸了原有圖像像元取值的整體排布，分別擴(kuò)大、降低了第三、第四波段對(duì)應(yīng)的最大值與最小值，從而使得兩個(gè)波段數(shù)值做差之后得到的結(jié)果進(jìn)一步出現(xiàn)較大差距。從中也可以看出，用歸一化后的DVI數(shù)值，即NDVI來(lái)展示植被情況是有必要的。

（5） 綜合大氣校正對(duì)上述三種植被指數(shù)的數(shù)值、分布等影響，可以看出如下幾點(diǎn)：首先，大氣校正拉伸了各個(gè)不同植被指數(shù)的數(shù)值范圍，或許可以認(rèn)為相當(dāng)于提升了研究植被的“分辨率”，將各個(gè)不同地區(qū)之間植被情況的微小差距加大，便于研究；其次，大氣校正使得各植被指數(shù)分布更加穩(wěn)定，減少了不必要的波動(dòng)與異常值，更加方便做定量的遙感研究。

3.2 各類(lèi)植被指數(shù)對(duì)比分析

（1） 上述三種植被指數(shù)在數(shù)值與分布等方面的六張結(jié)果直方圖已在前一部分展示。由上述實(shí)驗(yàn)及結(jié)果圖可以看出，在數(shù)值分布上，各類(lèi)植被指數(shù)在分布方面的趨勢(shì)大致是一致的，例如以上六張直方圖中可以明顯看到，其各自波峰、波谷的走勢(shì)，以及升高、降低的位置等整體均較為近似。在具體數(shù)值上，三種植被指數(shù)具有較大的差異，NDVI將取值范圍嚴(yán)格限制在-1至1之間，整體數(shù)值小，有利于計(jì)算，尤其有利于ERDAS軟件、ENVI軟件等這些需要手動(dòng)輸入模型或波段公式的操作平臺(tái)；DVI作為NDVI歸一化前的數(shù)值，其數(shù)據(jù)范圍較大，除了造成不必要的計(jì)算復(fù)雜度外，還可能使得不同其它運(yùn)算對(duì)其數(shù)值產(chǎn)生較大影響——例如本次實(shí)驗(yàn)中FLAASH大氣校正對(duì)DVI數(shù)值的影響十分之大。RVI作為三者中唯一一個(gè)不存在做差運(yùn)算的植被指數(shù)，數(shù)值分布范圍大于NDVI，但明顯小于DVI。

（2） 上述三種植被指數(shù)在公式計(jì)算、代表意義等方面的差異已在本文第一部分原理中提現(xiàn)。

（3） 通過(guò)對(duì)三種不同植被指數(shù)在同一地表位置的多次比較，可以看出：NDVI圖像整體相對(duì)較為明亮，DVI較暗，而RVI明度最暗。NDVI針對(duì)不同地物，如不同植被覆蓋度的植被、植被與水體、植被與建筑物等的區(qū)分度最大，RVI對(duì)于上述這些不同種類(lèi)的地物區(qū)分程度較低，DVI居于二者之間。對(duì)于農(nóng)田等精細(xì)的植被分布，同樣是NDVI具有最好的辨識(shí)效果，RVI效果不明顯。在本文第一部分中提到，RVI普遍對(duì)植被覆蓋度較高的地物具有較好的區(qū)別能力，這和得到的結(jié)果一致。

3.3 熱紅外波段溫度反演對(duì)比分析

（1） 上圖左側(cè)為熱紅外低增益波段（即B61）反演得到的地表溫度結(jié)果，右側(cè)則為熱紅外高增益波段（即B62）反演得到的地表溫度結(jié)果。在數(shù)值上，可以看到，低增益波段反演得到的地表溫度結(jié)果明顯大于高增益波段，其最小值、最大值與平均值均大于高增益波段。此外，低增益波段反演溫度的中位數(shù)亦略低于高增益波段。而低增益波段反演溫度的眾數(shù)略小于高增益波段。在數(shù)值分布上，依據(jù)直方圖可以看出二者均有部分異常值，其中，偏小的異常值在數(shù)值上較為近似，均在2.2至2.3℃左右；而二者的偏大異常值差距較大，低增益波段反演溫度較大的異常值高出高增益波段14℃左右。由整體來(lái)看，高增益波段得到的溫度反演結(jié)果較之低增益波段低一些。結(jié)合成像時(shí)間，為武漢市四月上旬的凌晨，結(jié)合上述結(jié)果，可知低增益波段與高增益波段得出的溫度反演結(jié)果均有些偏大；其中，高增益波段得到的溫度反演結(jié)果更接近實(shí)際溫度一些。

3.4 專(zhuān)題地圖繪制

隨后即可依據(jù)博客2中的方法繪制專(zhuān)題地圖。

3.5 地表真實(shí)溫度反演專(zhuān)題地圖及空間分布差異

（1） 將熱紅外低增益波段與高增益波段得到的溫度反演結(jié)果制作專(zhuān)題地圖，如以上兩圖所示。

（2） 結(jié)合武漢市地表溫度反演結(jié)果，可以得到如下溫度空間變化結(jié)果。能夠看出，武漢市成像時(shí)大部分地區(qū)氣溫主要處于18℃至24℃這一范圍內(nèi)。其中，喬木植被聚集區(qū)域溫度大多為18℃至21℃之間，即圖中的淺綠色區(qū)域；農(nóng)田、灌木等植被聚集區(qū)溫度較之喬木較高，約在21℃至24℃之間，即圖中的淺黃色區(qū)域。水體溫度多處于18℃以下范圍，其中，長(zhǎng)江全段大部分區(qū)域及后湖、東湖、嚴(yán)西湖、南湖、湯遜湖、黃家湖遠(yuǎn)岸處水體溫度低于15℃，其余大部分水體分布于15℃至18℃區(qū)間內(nèi)。

（3） 城鎮(zhèn)區(qū)域溫度最高，多集中于24℃至30℃區(qū)間內(nèi)，部分人口密集區(qū)域溫度甚至可達(dá)30℃至33℃范圍。其中，江漢區(qū)大部分地區(qū)、漢陽(yáng)區(qū)北部與南部、武昌區(qū)與洪山區(qū)沿長(zhǎng)江一線(xiàn)、青山區(qū)東南角武漢火車(chē)站一帶為城鎮(zhèn)中溫度明顯較高地區(qū)，大多數(shù)處于27℃左右。而在武漢火車(chē)站附近、硚口區(qū)三環(huán)線(xiàn)東側(cè)與漢陽(yáng)區(qū)江漢大學(xué)及東風(fēng)大道、神龍大道與車(chē)城東路汽車(chē)產(chǎn)業(yè)聚集區(qū)一帶，出現(xiàn)了全圖中的最高溫，其溫度高于33℃。大范圍區(qū)域溫度最高的區(qū)域出現(xiàn)在長(zhǎng)江西岸、漢陽(yáng)區(qū)與江岸區(qū)交界處。此外，由于劃分溫度類(lèi)別較細(xì)，還可以看到長(zhǎng)江、漢江上溫度略高于水體的諸多橋梁。

（4） 整體來(lái)看，成像時(shí)武漢市高溫地區(qū)主要集中于長(zhǎng)江西岸、漢江北岸的江岸區(qū)、硚口區(qū)大部分地區(qū)，長(zhǎng)江東岸沿線(xiàn)武昌區(qū)西側(cè)地區(qū)，以及青山區(qū)西南地區(qū)；這些地區(qū)普遍溫度較高。而對(duì)于天興鄉(xiāng)南側(cè)、青山區(qū)西南、武漢火車(chē)站、漢陽(yáng)區(qū)江漢大學(xué)及汽車(chē)工業(yè)園區(qū)地區(qū)，其大范圍內(nèi)的整體溫度雖沒(méi)有上述地區(qū)高，但個(gè)別地區(qū)小范圍內(nèi)溫度達(dá)到城市最高值。此外，武漢市北部大部分地區(qū)、東南大部分地區(qū)、西南部分地區(qū)溫度整體偏低。

4 一些思考

4.1 影響單窗溫度估算誤差的主要因素有哪些？

地表輻射率。單窗算法需要用到地表比輻射率這一參數(shù)，而我們?cè)跍囟确囱莸倪^(guò)程中往往是采取經(jīng)驗(yàn)法的方式，分別為水體、植被和建筑物地表賦以不同的比輻射率數(shù)值，這一過(guò)程難免會(huì)產(chǎn)生對(duì)最終結(jié)果的誤差。

植被覆蓋度。計(jì)算地表比輻射率時(shí)需要一致植被覆蓋度。我們將現(xiàn)實(shí)中植被覆蓋度這一原本受到多種因素影響、并無(wú)精確規(guī)律可言的指標(biāo)模型化，通過(guò)公式計(jì)算，自然會(huì)帶來(lái)一定誤差。

對(duì)不同地物類(lèi)別的劃分。不同地物類(lèi)別（即水體、植被與建筑物）影響到將采取哪一個(gè)公式計(jì)算該像元上對(duì)應(yīng)的地表比輻射率；本文由將NDVI作為劃分依據(jù)轉(zhuǎn)變?yōu)閷⒈O(jiān)督分類(lèi)作為劃分依據(jù)，精度有很大提升，但依然存在一定誤差。

大氣等效溫度。我們通過(guò)公式將地面附近氣溫轉(zhuǎn)換為大氣等效溫度，無(wú)形中同樣引入一些誤差。

大氣透射率、大氣含水量。大氣含水量決定大氣透射率，而大氣透射率影響最終地表真實(shí)溫度反演公式；因此二者均會(huì)對(duì)溫度反演結(jié)果產(chǎn)生精度影響。

NDVI與大氣校正結(jié)果。由本文的結(jié)果可以看到，使用不同大氣校正參數(shù)及不同的大氣校正結(jié)果影響NDVI數(shù)值，而NDVI數(shù)值影響植被覆蓋度。當(dāng)然，單窗算法可以不對(duì)波段數(shù)據(jù)加以大氣校正處理，若不進(jìn)行大氣校正，所得到的NDVI結(jié)果將會(huì)只有一個(gè)確定的值，從而避免這兩個(gè)因素帶來(lái)的誤差。

4.2 ERDAS軟件建模過(guò)程需注意哪些問(wèn)題？

首先，對(duì)于建模輸入與輸出文件的圖像數(shù)據(jù)精度格式需要注意，要選用浮點(diǎn)（即“Float”）類(lèi)型。因?yàn)橐话愕牟ǘ芜\(yùn)算操作往往會(huì)牽涉到很多精密的小數(shù)計(jì)算，若將圖層保存為整形的數(shù)據(jù)格式，自然會(huì)帶來(lái)巨大的模型計(jì)算誤差。

其次，對(duì)于模型中的處理函數(shù)，若所涉及的公式較為復(fù)雜，最好將公式拆開(kāi)，多設(shè)置一些中間圖層。這樣可以有效減少公式輸入錯(cuò)誤帶來(lái)的報(bào)錯(cuò)排查難度。
再次，對(duì)于一個(gè)連貫的操作（如本文中計(jì)算地表植被指數(shù)、反演地表真實(shí)溫度等），可以在多個(gè)小公式確定無(wú)誤后，將其連接起來(lái)，組成一個(gè)完整的計(jì)算模型。完整的模型將十分有利于后期重復(fù)工作，可將原本需要點(diǎn)擊多次的操作簡(jiǎn)化。

隨后，需要更好利用模型中的腳本語(yǔ)言文件，可借助其更加清晰的表達(dá)來(lái)檢查模型的報(bào)錯(cuò)。如本文報(bào)告中提到的，導(dǎo)出的腳本文件代碼語(yǔ)言更加整齊、清晰，較之模型模塊中函數(shù)編輯窗口更加簡(jiǎn)潔，可以有效地找出代碼錯(cuò)誤。

最后，或許是由于軟件等原因，部分模型在第一次運(yùn)行之后，若直接對(duì)其修改，可能會(huì)出現(xiàn)得到全白色結(jié)果圖的情況。此時(shí)需要將原有模型刪除，重新建立。文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-614806.html

到了這里，關(guān)于ENVI、ERDAS計(jì)算Landsat 7地表溫度：?jiǎn)未八惴▽?shí)現(xiàn)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！