ee.Image.normalizedDifference

Calcula la diferencia normalizada entre dos bandas. Si no se especifican las bandas que se usarán, se usan las dos primeras. La diferencia normalizada se calcula como (primera – segunda) / (primera + segunda). Ten en cuenta que el nombre de la banda de la imagen devuelta es "nd", las propiedades de la imagen de entrada no se conservan en la imagen de salida y un valor de píxel negativo en cualquiera de las bandas de entrada hará que se enmascare el píxel de salida. Para evitar el enmascaramiento de valores de entrada negativos, usa ee.Image.expression() para calcular la diferencia normalizada.

Uso	Muestra
Image.normalizedDifference(bandNames)	Imagen

Argumento	Tipo	Detalles
esta: input	Imagen	Es la imagen de entrada.
bandNames	Lista, valor predeterminado: null	Es una lista de nombres que especifican las bandas que se usarán. Si no se especifica, se usan la primera y la segunda banda.

Ejemplos

Editor de código (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');

Configuración de Python

Consulta la página Entorno de Python para obtener información sobre la API de Python y el uso de geemap para el desarrollo interactivo.

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