ee.Image.normalizedDifference

দুটি ব্যান্ডের মধ্যে স্বাভাবিক পার্থক্য গণনা করে। ব্যান্ড ব্যবহার করার জন্য নির্দিষ্ট করা না থাকলে, প্রথম দুটি ব্যান্ড ব্যবহার করুন। স্বাভাবিকীকৃত পার্থক্য (প্রথম − সেকেন্ড) / (প্রথম + দ্বিতীয়) হিসাবে গণনা করা হয়। নোট করুন যে প্রত্যাবর্তিত ইমেজ ব্যান্ডের নাম হল 'nd', ইনপুট ইমেজ বৈশিষ্ট্যগুলি আউটপুট ইমেজে ধরে রাখা হয় না, এবং যেকোনো একটি ইনপুট ব্যান্ডে একটি নেতিবাচক পিক্সেল মান আউটপুট পিক্সেলকে মাস্ক করে দেবে। নেতিবাচক ইনপুট মান মাস্কিং এড়াতে, স্বাভাবিক পার্থক্য গণনা করতে ee.Image.expression() ব্যবহার করুন।

ব্যবহার	রিটার্নস
Image. normalizedDifference ( bandNames )	ছবি

যুক্তি	টাইপ	বিস্তারিত
এই: input	ছবি	ইনপুট ইমেজ.
bandNames	তালিকা, ডিফল্ট: নাল	ব্যান্ড ব্যবহার করার জন্য নির্দিষ্ট নামের একটি তালিকা। যদি নির্দিষ্ট না করা হয়, প্রথম এবং দ্বিতীয় ব্যান্ড ব্যবহার করা হয়।

উদাহরণ

কোড এডিটর (জাভাস্ক্রিপ্ট)

// 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');

পাইথন সেটআপ

পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার জন্য পাইথন এনভায়রনমেন্ট পৃষ্ঠাটি দেখুন।

import ee
import geemap.core as geemap

Colab (পাইথন)

# 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

,দুটি ব্যান্ডের মধ্যে স্বাভাবিক পার্থক্য গণনা করে। ব্যান্ড ব্যবহার করার জন্য নির্দিষ্ট করা না থাকলে, প্রথম দুটি ব্যান্ড ব্যবহার করুন। স্বাভাবিকীকৃত পার্থক্য (প্রথম − সেকেন্ড) / (প্রথম + দ্বিতীয়) হিসাবে গণনা করা হয়। নোট করুন যে প্রত্যাবর্তিত ইমেজ ব্যান্ডের নাম হল 'nd', ইনপুট ইমেজ বৈশিষ্ট্যগুলি আউটপুট ইমেজে ধরে রাখা হয় না, এবং যেকোনো একটি ইনপুট ব্যান্ডে একটি নেতিবাচক পিক্সেল মান আউটপুট পিক্সেলকে মাস্ক করে দেবে। নেতিবাচক ইনপুট মান মাস্কিং এড়াতে, স্বাভাবিক পার্থক্য গণনা করতে ee.Image.expression() ব্যবহার করুন।

ব্যবহার	রিটার্নস
Image. normalizedDifference ( bandNames )	ছবি

যুক্তি	টাইপ	বিস্তারিত
এই: input	ছবি	ইনপুট ইমেজ.
bandNames	তালিকা, ডিফল্ট: নাল	ব্যান্ড ব্যবহার করার জন্য নির্দিষ্ট নামের একটি তালিকা। যদি নির্দিষ্ট না করা হয়, প্রথম এবং দ্বিতীয় ব্যান্ড ব্যবহার করা হয়।

উদাহরণ

কোড এডিটর (জাভাস্ক্রিপ্ট)

// 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');

পাইথন সেটআপ

পাইথন এপিআই এবং ইন্টারেক্টিভ ডেভেলপমেন্টের জন্য geemap ব্যবহার করার জন্য পাইথন এনভায়রনমেন্ট পৃষ্ঠাটি দেখুন।

import ee
import geemap.core as geemap

Colab (পাইথন)

# 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