ee.Image.normalizedDifference

Вычисляет нормализованную разность между двумя полосами. Если используемые полосы не указаны, используются первые две полосы. Нормализованная разность вычисляется как (первая − вторая) / (первая + вторая). Обратите внимание, что имя возвращаемой полосы изображения — «nd», свойства входного изображения не сохраняются в выходном изображении, а отрицательное значение пикселя в любой из входных полос приведёт к маскированию выходного пикселя. Чтобы избежать маскирования отрицательных входных значений, используйте ee.Image.expression() для вычисления нормализованной разности.

Использование Возврат
Image. normalizedDifference ( bandNames ) Изображение
Аргумент Тип Подробности
это: input Изображение Входное изображение.
bandNames Список, по умолчанию: null Список имён, указывающих используемые диапазоны. Если не указано иное, используются первый и второй диапазоны.

Примеры

Редактор кода (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');

Настройка Python

Информацию об API Python и использовании geemap для интерактивной разработки см. на странице «Среда 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
,Вычисляет нормализованную разность между двумя полосами. Если используемые полосы не указаны, используются первые две полосы. Нормализованная разность вычисляется как (первая − вторая) / (первая + вторая). Обратите внимание, что имя возвращаемой полосы изображения — «nd», свойства входного изображения не сохраняются в выходном изображении, а отрицательное значение пикселя в любой из входных полос приведёт к маскированию выходного пикселя. Чтобы избежать маскирования отрицательных входных значений, используйте ee.Image.expression() для вычисления нормализованной разности.

Использование Возврат
Image. normalizedDifference ( bandNames ) Изображение
Аргумент Тип Подробности
это: input Изображение Входное изображение.
bandNames Список, по умолчанию: null Список имён, указывающих используемые диапазоны. Если не указано иное, используются первый и второй диапазоны.

Примеры

Редактор кода (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');

Настройка Python

Информацию об API Python и использовании geemap для интерактивной разработки см. на странице «Среда 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