ee.Image.normalizedDifference

Oblicza znormalizowaną różnicę między dwoma pasmami. Jeśli nie określono pasm do użycia, używane są pierwsze 2 pasma. Znormalizowana różnica jest obliczana jako (pierwsza – druga) / (pierwsza + druga). Pamiętaj, że zwrócona nazwa pasma obrazu to „nd”, właściwości obrazu wejściowego nie są zachowywane w obrazie wyjściowym, a ujemna wartość piksela w dowolnym pasmie wejściowym spowoduje zamaskowanie piksela wyjściowego. Aby uniknąć maskowania ujemnych wartości wejściowych, do obliczania znormalizowanej różnicy użyj funkcji ee.Image.expression().

Wykorzystanie	Zwroty
Image.normalizedDifference(bandNames)	Obraz

Argument	Typ	Szczegóły
to: input	Obraz	Obraz wejściowy.
bandNames	Lista, domyślna: null	Lista nazw określających pasma do użycia. Jeśli nie zostanie określony, używane są pasma 1 i 2.

Przykłady

Edytor kodu (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');

Konfiguracja Pythona

Informacje o interfejsie Python API i używaniu geemap do interaktywnego programowania znajdziesz na stronie Środowisko Python.

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