ee.Image.normalizedDifference

คำนวณความแตกต่างที่ผ่านการปรับให้เป็นมาตรฐานระหว่าง 2 แถบ หากไม่ได้ระบุแถบที่จะใช้ ระบบจะใช้ 2 แถบแรก ความแตกต่างที่ปรับให้เป็นมาตรฐานจะคำนวณเป็น (first − second) / (first + second) โปรดทราบว่าชื่อแถบรูปภาพที่ส่งคืนคือ "nd" ระบบจะไม่เก็บพร็อพเพอร์ตี้รูปภาพอินพุตไว้ในรูปภาพเอาต์พุต และค่าพิกเซลที่เป็นลบในแถบอินพุตจะทำให้ระบบมาสก์พิกเซลเอาต์พุต หากไม่ต้องการมาสก์ค่าอินพุตที่เป็นลบ ให้ใช้ ee.Image.expression() เพื่อคำนวณความแตกต่างที่ทำให้เป็นมาตรฐาน

การใช้งาน	การคืนสินค้า
Image.normalizedDifference(bandNames)	รูปภาพ

อาร์กิวเมนต์	ประเภท	รายละเอียด
ดังนี้ input	รูปภาพ	รูปภาพที่อินพุตเข้ามา
bandNames	รายการ (ค่าเริ่มต้น: null)	รายการชื่อที่ระบุย่านความถี่ที่จะใช้ หากไม่ได้ระบุ ระบบจะใช้แถบความถี่แรกและแถบความถี่ที่สอง

ตัวอย่าง

โปรแกรมแก้ไขโค้ด (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');

การตั้งค่า Python

ดูข้อมูลเกี่ยวกับ Python API และการใช้ geemap เพื่อการพัฒนาแบบอินเทอร์แอกทีฟได้ที่หน้า สภาพแวดล้อม 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