ee.Image.normalizedDifference

计算两个波段之间的归一化差异。如果未指定要使用的波段，则使用前两个波段。归一化差值的计算公式为（第一个值 - 第二个值）/（第一个值 + 第二个值）。请注意，返回的影像波段名称为“nd”，输入影像属性不会保留在输出影像中，并且任一输入波段中的负像素值都会导致输出像素被遮盖。为避免屏蔽负输入值，请使用 ee.Image.expression() 计算归一化差值。

用法返回
Image.normalizedDifference(bandNames)图片
参数类型详细信息
此：input图片输入图片。
bandNames列表，默认值：null一个名称列表，用于指定要使用的频段。如果未指定，则使用第一个频段和第二个频段。

示例

代码编辑器 (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');

Python 设置

如需了解 Python API 和如何使用 geemap 进行交互式开发，请参阅 Python 环境页面。

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