在这项研究中，利用 Landsat 热数据通过各种方法检查了 2013 年和 2023 年恰纳卡莱省的地表温度变化。使用了 NDVI、大气层顶部、亮度温度、植被比例和地表温度等公式。研究结果表明，从热图像中获得的数据，特别是地表温度（LST），是土地解释的重要资源。

研究区域：恰纳卡莱 — 土耳其（土耳其）
方法/途径：使用 ArcGIS 程序和 Google Earth Engine 对不同季节的卫星图像进行分析。
来源： Landsat，8–9 OLI/TIRS C2 L2 — 从 USGS Earth Explorer 网站获得的卫星图像。

数据下载

        从USGS中下载数据

我们下载所选感兴趣区域的 USGS 数据（频段 4、频段 5 和频段 10）。（AOI）

使用 ArcGIS Pro 地理处理工具进行栅格计算

地表温度数据计算

1 — 归一化植被指数 (NDVI)
2 — 大气层顶部和亮度温度 (TOA 和 BT)
3 — 植被比例 (Pv)
4 — 发射率 (e)
5 — 地表温度 (LST / YYS)

公式

使用 ArcGIS Pro 地理处理工具中的栅格计算方法单独计算公式，然后进行组合。

 

归一化植被指数 (NDVI)