从热红外数据到城市热岛分析：用ENVI和ArcGIS制作Landsat 7地表温度专题图-编程阁

城市热岛效应可视化实战：ENVI与ArcGIS协同下的Landsat 7地表温度深度解析

当盛夏的热浪席卷城市，不同区域体感温度的差异往往超出想象。这种被称为"城市热岛效应"的现象，正通过遥感技术变得可测量、可分析。本文将带您走进热红外数据的奇妙世界，从原始卫星数据到专业温度专题图，完整呈现城市规划者如何用科学工具解读城市热环境。

1. 热红外遥感的数据基石

理解地表温度反演，首先要掌握热红外遥感的基础原理。Landsat 7卫星搭载的ETM+传感器第六波段（10.40-12.50 μm）正是捕捉地表热辐射的关键通道。这个波长范围内的辐射能量与地表温度呈正相关，但需要经过一系列物理转换才能得到真实温度值。

大气校正法的核心参数：

参数名称	物理意义	典型取值区间
地表比辐射率ε	地表辐射能力指标	0.92-0.99
大气透过率τ	大气对热红外的衰减程度	0.6-0.9
上行辐射L↑	大气自身的热辐射	依赖大气剖面
下行辐射L↓	大气向下散射的热辐射	依赖大气剖面

在ENVI中处理这些数据时，有几个关键经验值得注意：

热红外波段（60m）与多光谱波段（30m）需要分辨率统一
NDVI计算建议使用经过辐射定标的Surface Reflectance产品
大气参数可通过NASA的Atmospheric Correction Parameter Calculator在线获取

# 示例：普朗克公式反函数计算（Python实现） def rad_to_temp(radiance, wavelength=11.45): # 常数定义 h = 6.626e-34 # 普朗克常数 c = 2.998e8 # 光速 k = 1.381e-23 # 玻尔兹曼常数 # 普朗克公式反演 temp = (h*c)/(wavelength*1e-6*k*np.log((2*h*c**2)/(radiance*wavelength**4*1e-24)+1)) return temp - 273.15 # 开尔文转摄氏度

提示：ENVI的Band Math工具对公式长度有限制，复杂计算建议分步进行。每次运算后务必检查结果数值的物理合理性，避免错误累积。

2. ENVI中的温度反演工作流

从原始DN值到真实温度，需要经过严谨的处理链条。以下是经过实战验证的七步法：

辐射定标：将数字量化值(DN)转换为大气顶辐射亮度
- 使用Radiometric Calibration工具
- 区分VIS/NIR波段与TIR波段的不同定标系数
大气校正：消除大气吸收和散射影响
- 推荐使用FLAASH模块
- 需要输入大气模型、气溶胶模型等参数
NDVI计算：(Band4-Band3)/(Band4+Band3)
- 注意云掩膜处理
- 负值代表水体，接近1表示茂密植被
植被覆盖度估算：
```
FVC = (NDVI - NDVI_soil)/(NDVI_veg - NDVI_soil)
```
- NDVI_soil通常取0.2，NDVI_veg取0.8
- 结果需要限制在0-1范围内
比辐射率计算：
- 水体：0.995
- 城镇：0.962
- 自然表面：0.973FVC + 0.966(1-FVC) + 0.005
地表温度反演：
- 使用辐射传输方程解算
- 注意单位统一（W·m-2·sr-1·μm-1）
数据导出：
- 选择File > Save As > ENVI Standard
- 勾选Output Data Type为Float

常见问题排查表：

问题现象	可能原因	解决方案
温度值超过100℃	比辐射率计算错误	检查植被覆盖度分段公式
图像边缘出现异常值	未进行有效裁剪	应用研究区矢量边界裁剪
温度分布呈条带状	传感器条带丢失未修复	使用Landsat Gapfill工具修复
结果与实测数据偏差大	大气参数不准确	获取过境时段的探空数据

3. ArcGIS中的专题图艺术

当温度数据从ENVI来到ArcGIS，真正的可视化魔法才开始。以下是打造专业热岛分析图的五个关键步骤：

3.1 数据规范化处理

导入GeoTIFF后，首要任务是确保数据完整性：

# 使用GDAL检查数据完整性 gdalinfo LST_result.tif # 如有必要，修复统计信息 gdal_edit.py -stats LST_result.tif

3.2 科学分级策略

温度分级需要兼顾数学规律与地理意义：

自然断点法：适合温度分布不均匀区域
等间隔法：适合对比不同时期数据
标准差分类：突出异常高温区域

推荐分级方案：

<30℃：凉爽区域（蓝色系） 30-35℃：适温区域（绿色系） 35-39℃：温热区域（黄色系） >39℃：高温区域（红色系）

3.3 视觉优化技巧

配色方案：
- 使用ColorBrewer的diverging方案
- 避免使用纯红色，改为255,245,240到103,0,13的渐变
图例设计：
- 添加单位说明（℃）
- 采用阶梯式图例而非连续渐变
底图融合：
- 叠加30%透明度的卫星影像
- 添加主要道路网络作为参考

3.4 地图元素配置

专业地图应包含：

指北针（简洁风格）
比例尺（双单位制）
数据来源说明
制图日期和投影信息

3.5 空间统计分析

利用ArcGIS的空间分析工具包：

# 计算热岛强度指数 urban_mean = arcpy.GetRasterProperties_management("LST_urban", "MEAN") rural_mean = arcpy.GetRasterProperties_management("LST_rural", "MEAN") UHI = float(urban_mean.getOutput(0)) - float(rural_mean.getOutput(0))

4. 热岛效应的多维度解读

温度数据背后隐藏着丰富的城市密码。通过交叉分析，我们可以发现：

典型地物温度特征对比：

地物类型	日间温度特征	影响因素
水体	最低且稳定	高比热容，蒸发冷却效应
密林区	次低温区	蒸腾作用，树冠遮荫
农田	中等温度	植被覆盖度决定温度波动幅度
建成区	最高温	建筑材料热容，人类活动产热