ee.Image.normalizedDifference

Berechnet die normalisierte Differenz zwischen zwei Bändern. Wenn die zu verwendenden Bänder nicht angegeben sind, werden die ersten beiden Bänder verwendet. Die normalisierte Differenz wird als (first − second) / (first + second) berechnet. Der zurückgegebene Name des Bildbands ist „nd“. Die Eigenschaften des Eingabebilds werden im Ausgabebild nicht beibehalten. Ein negativer Pixelwert in einem der beiden Eingabebänder führt dazu, dass das Ausgabepixel maskiert wird. Um das Maskieren negativer Eingabewerte zu vermeiden, verwenden Sie ee.Image.expression(), um die normalisierte Differenz zu berechnen.

Nutzung	Ausgabe
Image.normalizedDifference(bandNames)	Bild

Argument	Typ	Details
So gehts: input	Bild	Das Eingabebild.
bandNames	Liste, Standard: null	Eine Liste mit Namen, die die zu verwendenden Bänder angibt. Wenn nichts angegeben ist, werden das erste und das zweite Band verwendet.

Beispiele

Code-Editor (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');

Python einrichten

Informationen zur Python API und zur Verwendung von geemap für die interaktive Entwicklung finden Sie auf der Seite Python-Umgebung.

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