GEE计算LST的步骤和代码

地理空间环境（Geospatial Environment，简称GEE）是一个基于云计算的开源平台，用于处理和分析地球观测数据。计算土地表面温度（Land Surface Temperature，LST）通常涉及遥感图像处理流程。以下是GEE中计算LST的基本步骤以及一个简单的JavaScript代码示例：

**步骤**：
1. **获取数据**：从GEE库中选择合适的遥感卫星数据，如MODIS、 Landsat等，它们包含近红外和短波红外波段，是计算LST的重要数据源。
2. **数据预处理**：清理云遮挡部分，校准辐射误差，转换到特定的辐射测量单位（如Kelvin）。
3. **构建热红外和反射率时间序列**：提取热红外和可见光波段的时间序列数据。
4. **计算日间LST**：通过热红外和反射率比值算法（如NDVI），去除植被影响。
5. **夜间温度估计**：如果需要，可以使用辐射平衡模型或其他方法估计夜晚的LST。
6. **质量控制和筛选**：检查异常值并保留高质量的数据。

**代码示例**（JavaScript，假设已加载GEE API）：

// 导入所需模块
var ee = require('ee');
var imageCollection = ee.ImageCollection('LANDSAT/LT05/C01/T1_TOA');

// 数据预处理
imageCollection = imageCollection.select(['B6', 'B7']).map(function(img) {
  return img.clipToBounds(ee.Geometry.Rectangle([lon, lat, lon + deltaLon, lat + deltaLat])); // 缩放区域
  .filterMetadata('CLOUD_COVER', 'less_than', 10); // 过滤掉云度大于10%的图像
});

// 计算NDVI
var ndvi = imageCollection.normalizedDifference(['B6', 'B7']);

// 算法：假设使用MCD19日间LST算法
var lstDaytime = ndvi.multiply(3.4).add(-1.3);

// 对于夜间LST，这里仅提供示例，实际可能需要更复杂的模型
var lstNighttime = ... // 使用夜晚辐射平衡模型

// 结合日间和夜间的LST
var lst = lstDaytime.where(lstDaytime.gt(300), lstNighttime); // 设置阈值

// 下载结果
lst = lst.mean().clipToBounds(ee.Geometry.Rectangle(...)); // 拟合下载区域
ee.data.getDownloadUrl(lst);

请注意，实际代码可能需要根据具体的算法调整，并且你需要替换`lon`, `lat`, `deltaLon`, `deltaLat`为感兴趣的地理位置和窗口大小。