ee.Image.normalizedDifference

تفاوت نرمال شده بین دو باند را محاسبه می کند. اگر باندهای مورد استفاده مشخص نشده اند، از دو باند اول استفاده کنید. تفاوت نرمال شده به صورت (اول - ثانیه) / (اول + ثانیه) محاسبه می شود. توجه داشته باشید که نام باند تصویر بازگشتی 'nd' است، ویژگی‌های تصویر ورودی در تصویر خروجی حفظ نمی‌شوند و یک مقدار پیکسل منفی در هر یک از باند ورودی باعث می‌شود پیکسل خروجی ماسک شود. برای جلوگیری از پوشاندن مقادیر ورودی منفی، از ee.Image.expression() برای محاسبه تفاوت نرمال شده استفاده کنید.

استفاده	برمی گرداند
Image. normalizedDifference ( bandNames )	تصویر

استدلال	تایپ کنید	جزئیات
این: input	تصویر	تصویر ورودی
bandNames	لیست، پیش فرض: null	لیستی از اسامی که باندهای مورد استفاده را مشخص می کند. اگر مشخص نباشد از باند اول و دوم استفاده می شود.

نمونه ها

ویرایشگر کد (جاوا اسکریپت)

// 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');

راه اندازی پایتون

برای اطلاعات در مورد API پایتون و استفاده از geemap برای توسعه تعاملی به صفحه محیط پایتون مراجعه کنید.

import ee
import geemap.core as geemap

کولب (پایتون)

# 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

،تفاوت نرمال شده بین دو باند را محاسبه می کند. اگر باندهای مورد استفاده مشخص نشده اند، از دو باند اول استفاده کنید. تفاوت نرمال شده به صورت (اول - ثانیه) / (اول + ثانیه) محاسبه می شود. توجه داشته باشید که نام باند تصویر بازگشتی 'nd' است، ویژگی‌های تصویر ورودی در تصویر خروجی حفظ نمی‌شوند و یک مقدار پیکسل منفی در هر یک از باند ورودی باعث می‌شود پیکسل خروجی ماسک شود. برای جلوگیری از پوشاندن مقادیر ورودی منفی، از ee.Image.expression() برای محاسبه تفاوت نرمال شده استفاده کنید.

استفاده	برمی گرداند
Image. normalizedDifference ( bandNames )	تصویر

استدلال	تایپ کنید	جزئیات
این: input	تصویر	تصویر ورودی
bandNames	لیست، پیش فرض: null	لیستی از اسامی که باندهای مورد استفاده را مشخص می کند. اگر مشخص نباشد از باند اول و دوم استفاده می شود.

نمونه ها

ویرایشگر کد (جاوا اسکریپت)

// 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');

راه اندازی پایتون

برای اطلاعات در مورد API پایتون و استفاده از geemap برای توسعه تعاملی به صفحه محیط پایتون مراجعه کنید.

import ee
import geemap.core as geemap

کولب (پایتون)

# 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