怎么用GEE反演LST

### 使用 Google Earth Engine (GEE) 进行地表温度 LST 反演

#### 地表温度的重要性及其定义
地表温度（LST）指的是地表物体（如大地、建筑物、水体、植被等）的温度。与大气温度不同，LST反映的是地表物体直接暴露在太阳辐射下所受的热力影响[^2]。

#### GEE中的Landsat单窗算法实现
基于Google Earth Engine的Landsat单窗算法用于反演地表温度(LST)，此过程涉及多个步骤来校正和转换原始影像数据到实际的地表温度值。通过使用GEE平台的强大功能，可以有效地处理大量遥感数据而无需依赖本地计算资源[^1]。

#### 实现代码示例
下面给出一段Python脚本，展示了如何利用GEE API执行上述提到的Landsat单窗算法来进行LST反演：

import ee
ee.Initialize()

def maskClouds(image):
    qa = image.select('pixel_qa')
    cloudShadowBitMask = 1 << 3
    cloudsBitMask = 1 << 5
    maskedImage = image.updateMask(qa.bitwiseAnd(cloudShadowBitMask).eq(0)).updateMask(qa.bitwiseAnd(cloudsBitMask).eq(0))
    return maskedImage

def applySingleWindowAlgorithm(image):
    # 获取波段反射率和其他必要参数...
    
    # 应用单窗算法的具体逻辑...

    lst = ... # 计算得到的结果
    
    return image.addBands(lst.rename(['lst']))

# 定义时间范围和地区边界框
start_date = '2020-01-01'
end_date = '2020-12-31'
region_of_interest = ee.Geometry.Rectangle([-122.4, 37.7, -122.0, 37.9])

# 加载 Landsat 数据集并应用预处理函数
landsat_collection = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR') \
                       .filterDate(start_date, end_date) \
                       .filterBounds(region_of_interest) \
                       .map(maskClouds)

# 对每张图像应用单窗算法
processed_images = landsat_collection.map(applySingleWindowAlgorithm)

# 导出最终结果至资产列表或其他存储位置
task = ee.batch.Export.image.toAsset(
      image=processed_images.mean(),
      description='export_lst',
      assetId='users/your_username/lst_result',
      region=region_of_interest.getInfo()['coordinates'],
      scale=30,
      maxPixels=1e13)
task.start()

这段代码首先初始化了Earth Engine客户端库，并定义了一些辅助函数用来去除云层干扰以及实施单窗算法的核心部分。接着指定了感兴趣的时间区间和地理区域，在此基础上筛选出了符合条件的Landsat场景集合；最后对每一幅图进行了相应的变换操作之后导出了平均后的地表温度地图。