ee.Image.normalizedDifference

מחשבת את ההפרש המנורמל בין שני פסים. אם לא מציינים את הפסים לשימוש, המערכת משתמשת בשני הפסים הראשונים. ההפרש המנורמל מחושב לפי הנוסחה (הערך הראשון − הערך השני) / (הערך הראשון + הערך השני). שימו לב ששם פס התמונה שמוחזר הוא nd, המאפיינים של תמונת הקלט לא נשמרים בתמונת הפלט, וערך פיקסל שלילי באחד מפס הקלט יגרום להסתרת פיקסל הפלט. כדי להימנע מהסתרת ערכי קלט שליליים, אפשר להשתמש בפונקציה ee.Image.expression() כדי לחשב את ההפרש הנורמלי.

שימושהחזרות
Image.normalizedDifference(bandNames)תמונה
ארגומנטסוגפרטים
זה: inputתמונהתמונת הקלט.
bandNamesרשימה, ברירת מחדל: nullרשימת שמות שמציינת את הפסים שבהם רוצים להשתמש. אם לא מציינים, המערכת משתמשת בפסים הראשון והשני.

דוגמאות

עורך הקוד (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');

הגדרת Python

מידע על Python API ועל שימוש ב-geemap לפיתוח אינטראקטיבי מופיע בדף Python Environment.

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