數學運算

Colab 標誌 在 Google Colab 中執行 GitHub 標誌 前往 GitHub 查看來源

您可以使用 add() 和 subtract() 等運算子執行圖像運算，但如果要執行包含多個項的複雜運算，expression() 函式會是較佳的替代方案。如要進一步瞭解運算子和運算式，請參閱下列章節。

運算子

數學運算子可在圖像頻帶上執行基本算術運算。這類函式會接受兩個輸入內容：兩張圖片或一張圖片和常數，這會解讀為沒有遮罩像素的單一頻帶常數圖片。每個頻帶的每個像素都會執行作業。

舉例來說，假設您要使用 VIIRS 影像計算常態化差異植被指數 (NDVI)，這裡使用 add()、subtract() 和 divide() 運算子：

程式碼編輯器 (JavaScript)

// Load a VIIRS 8-day surface reflectance composite for May 2024.
var viirs202405 = ee.ImageCollection('NASA/VIIRS/002/VNP09H1').filter(
  ee.Filter.date('2024-05-01', '2024-05-16')).first();

// Compute NDVI.
var ndvi202405 = viirs202405.select('SurfReflect_I2')
  .subtract(viirs202405.select('SurfReflect_I1'))
  .divide(viirs202405.select('SurfReflect_I2')
    .add(viirs202405.select('SurfReflect_I1')));

Python 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

import ee
import geemap.core as geemap

Colab (Python)

# Load a VIIRS 8-day surface reflectance composite for May 2024.
viirs202405 = (
    ee.ImageCollection('NASA/VIIRS/002/VNP09H1')
    .filter(ee.Filter.date('2024-05-01', '2024-05-16'))
    .first()
)

# Compute NDVI.
ndvi202405 = (
    viirs202405.select('SurfReflect_I2')
    .subtract(viirs202405.select('SurfReflect_I1'))
    .divide(
        viirs202405.select('SurfReflect_I2').add(
            viirs202405.select('SurfReflect_I1')
        )
    )
)

系統只會考量兩個輸入內容之間未遮罩的像素交集，並以未遮罩的形式傳回，所有其他像素都會遭到遮罩。一般來說，如果任一輸入內容只有一個頻帶，則會用於比較其他輸入內容的所有頻帶。如果輸入內容的頻帶數量相同，但名稱不同，則會以自然順序成對使用。輸出頻帶的名稱會以兩個輸入內容中較長的輸入內容命名，如果兩者長度相同，則會以第一個輸入內容的順序命名。輸出像素的類型是輸入類型的聯集。

以下是多頻帶圖像減法範例，說明如何自動比對頻帶，進而為每個同時出現的頻帶產生「變更向量」。

程式碼編輯器 (JavaScript)

// Load a VIIRS 8-day surface reflectance composite for September 2024.
var viirs202409 = ee.ImageCollection('NASA/VIIRS/002/VNP09H1').filter(
  ee.Filter.date('2024-09-01', '2024-09-16')).first();

// Compute multi-band difference between the September composite and the
// previously loaded May composite.
var diff = viirs202409.subtract(ndvi202405);
Map.addLayer(diff, {
  bands: ['SurfReflect_I1', 'SurfReflect_I2', 'SurfReflect_I3'],
  min: -1,
  max: 1
}, 'difference');

// Compute the squared difference in each band.
var squaredDifference = diff.pow(2);
Map.addLayer(squaredDifference, {
  bands: ['SurfReflect_I1', 'SurfReflect_I2', 'SurfReflect_I3'],
  min: 0,
  max: 0.7
}, 'squared diff.');

Python 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

import ee
import geemap.core as geemap

Colab (Python)

# Load a VIIRS 8-day surface reflectance composite for September 2024.
viirs202409 = (
    ee.ImageCollection('NASA/VIIRS/002/VNP09H1')
    .filter(ee.Filter.date('2024-09-01', '2024-09-16'))
    .first()
)

# Compute multi-band difference between the September composite and the
# previously loaded May composite.
diff = viirs202409.subtract(ndvi202405)

m = geemap.Map()
m.add_layer(
    diff,
    {
        'bands': ['SurfReflect_I1', 'SurfReflect_I2', 'SurfReflect_I3'],
        'min': -1,
        'max': 1,
    },
    'difference',
)

# Compute the squared difference in each band.
squared_difference = diff.pow(2)

m.add_layer(
    squared_difference,
    {
        'bands': ['SurfReflect_I1', 'SurfReflect_I2', 'SurfReflect_I3'],
        'min': 0,
        'max': 0.7,
    },
    'squared diff.',
)
display(m)

在本範例的第二部分中，我們使用 image.pow(2) 計算平方差。如需完整的數學運算子清單，瞭解如何處理基本算術、三角學、指數、捨入、轉型、位元運算等，請參閱 API 說明文件。

運算式

如要導入更複雜的數學運算式，建議您使用 image.expression()，這個函式會剖析數學運算的文字表示法。以下範例使用 expression() 計算增強植被指數 (EVI)：

程式碼編輯器 (JavaScript)

// Load a Landsat 8 image.
var image = ee.Image('LANDSAT/LC08/C02/T1_TOA/LC08_044034_20140318');

// Compute the EVI using an expression.
var evi = image.expression(
    '2.5 * ((NIR - RED) / (NIR + 6 * RED - 7.5 * BLUE + 1))', {
      'NIR': image.select('B5'),
      'RED': image.select('B4'),
      'BLUE': image.select('B2')
});

Map.centerObject(image, 9);
Map.addLayer(evi, {min: -1, max: 1, palette: ['a6611a', 'f5f5f5', '4dac26']});

Python 設定

請參閱「 Python 環境」頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

import ee
import geemap.core as geemap

Colab (Python)

# Load a Landsat 8 image.
image = ee.Image('LANDSAT/LC08/C02/T1_TOA/LC08_044034_20140318')

# Compute the EVI using an expression.
evi = image.expression(
    '2.5 * ((NIR - RED) / (NIR + 6 * RED - 7.5 * BLUE + 1))',
    {
        'NIR': image.select('B5'),
        'RED': image.select('B4'),
        'BLUE': image.select('B2'),
    },
)

# Define a map centered on San Francisco Bay.
map_evi = geemap.Map(center=[37.4675, -122.1363], zoom=9)

# Add the image layer to the map and display it.
map_evi.add_layer(
    evi, {'min': -1, 'max': 1, 'palette': ['a6611a', 'f5f5f5', '4dac26']}, 'evi'
)
display(map_evi)

請注意，expression() 的第一個引數是數學運算的文字表示法，第二個引數是字典，其中索引鍵是運算式中使用的變數名稱，值則是應將變數對應至的圖像頻帶。圖片中的頻帶可稱為 b("band name") 或 b(index)，例如 b(0)，而非提供字典。使用頻帶對應字典時，可以從輸入圖像以外的圖像定義頻帶。請注意，expression() 會使用「整除法」，在兩個整數相除時，會捨去餘數並傳回整數。例如 10 / 20 = 0。如要變更這項行為，請將其中一個運算元項乘以 1.0：10 * 1.0 / 20 = 0.5。評估多個來源圖片的頻帶時，系統只會考量未遮罩像素的交集，並將其視為未遮罩的像素傳回。下表列出支援的運算式運算子。

expression() 的運算子
類型 符號 名稱
算術運算 + - * / % ** 加、減、乘、除、取餘數、指數
關聯 == != < > <= >= 等於、不等於、小於、大於等。
Logical && || ! ^。 And、Or、Not、Xor
三元組 ? ： If then else