ee.Image.normalizedDifference

Tính toán sự khác biệt được chuẩn hoá giữa hai dải tần. Nếu bạn không chỉ định các dải tần cần sử dụng, thì hệ thống sẽ sử dụng 2 dải tần đầu tiên. Mức chênh lệch được chuẩn hoá được tính là (giá trị thứ nhất – giá trị thứ hai) / (giá trị thứ nhất + giá trị thứ hai). Xin lưu ý rằng tên dải hình ảnh được trả về là "nd", các thuộc tính hình ảnh đầu vào không được giữ lại trong hình ảnh đầu ra và giá trị pixel âm trong một trong hai dải đầu vào sẽ khiến pixel đầu ra bị che. Để tránh che các giá trị đầu vào âm, hãy sử dụng ee.Image.expression() để tính toán sự khác biệt được chuẩn hoá.

Cách sử dụng	Giá trị trả về
Image.normalizedDifference(bandNames)	Hình ảnh

Đối số	Loại	Thông tin chi tiết
this: input	Hình ảnh	Hình ảnh đầu vào.
bandNames	Danh sách, mặc định: null	Danh sách tên chỉ định các dải tần cần sử dụng. Nếu bạn không chỉ định, hệ thống sẽ sử dụng dải tần thứ nhất và thứ hai.

Ví dụ

Trình soạn thảo mã (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');

Thiết lập Python

Hãy xem trang Môi trường Python để biết thông tin về API Python và cách sử dụng geemap cho quá trình phát triển tương tác.

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