ee.Image.normalizedDifference

تحسب هذه الدالة الفرق المعدَّل بين نطاقَين. في حال عدم تحديد النطاقات المطلوب استخدامها، يتم استخدام أول نطاقَين. يتم احتساب الفرق المعدَّل على النحو التالي: (القيمة الأولى − القيمة الثانية) / (القيمة الأولى + القيمة الثانية). يُرجى العِلم أنّ اسم نطاق الصورة المعروضة هو "nd"، ولا يتم الاحتفاظ بخصائص الصورة المُدخَلة في الصورة الناتجة، كما أنّ قيمة البكسل السالبة في أيّ من النطاقات المُدخَلة ستؤدي إلى إخفاء البكسل الناتج. لتجنُّب إخفاء قيم الإدخال السالبة، استخدِم ee.Image.expression() لاحتساب الفرق المعدَّل.

الاستخدام	المرتجعات
Image.normalizedDifference(bandNames)	صورة

الوسيطة	النوع	التفاصيل
هذا: input	صورة	الصورة المدخَلة
bandNames	قائمة، القيمة التلقائية: فارغة	قائمة بالأسماء التي تحدّد النطاقات المطلوب استخدامها. في حال عدم تحديد ذلك، يتم استخدام النطاقَين الأول والثاني.

أمثلة

محرّر الرموز البرمجية (JavaScript)

// A Landsat 8 surface reflectance image.
var img = ee.Image('LANDSAT/LC08/C02/T1_L2/LC08_044034_20210508');

// Calculate normalized difference vegetation index: (NIR - Red) / (NIR + Red).
var nirBand = 'SR_B5';
var redBand = 'SR_B4';
var ndvi = img.normalizedDifference([nirBand, redBand]);

// Display NDVI result on the map.
Map.setCenter(-122.148, 37.377, 11);
Map.addLayer(ndvi, {min: 0, max: 0.5}, 'NDVI');

إعداد Python

راجِع صفحة بيئة Python للحصول على معلومات حول واجهة برمجة التطبيقات Python واستخدام geemap للتطوير التفاعلي.

import ee
import geemap.core as geemap

Colab (Python)

# A Landsat 8 surface reflectance image.
img = ee.Image('LANDSAT/LC08/C02/T1_L2/LC08_044034_20210508')

# Calculate normalized difference vegetation index: (NIR - Red) / (NIR + Red).
nir_band = 'SR_B5'
red_band = 'SR_B4'
ndvi = img.normalizedDifference([nir_band, red_band])

# Display NDVI result on the map.
m = geemap.Map()
m.set_center(-122.148, 37.377, 11)
m.add_layer(ndvi, {'min': 0, 'max': 0.5}, 'NDVI')
m