Python遥感图像处理指南(2)-卫星影像分析MNDWI提取

       这是 Python遥感影像处理指南系列的第二篇 - 处理卫星图像数据。在本系列的第一篇文章中，我们设置了从 Jupyter Notebook 运行 Python 代码的环境，并学习了如何通过使用 rasterio 包打开 GeoTiff 图像。今天我们将学习矩阵运算的基础知识。这将使我们能够组合矩阵来执行栅格计算并创建光谱指数。

       本篇的目标是计算修改归一化水指数 (MNDWI) ，将水掩模和 RGB 图像并排显示以进行比较。

1、打开影像（多波段）

        接上一篇，我们使用Landset8作为数据源，因为需要进行波段计算，所以需要读取多个波段的影像，并将每个波段存储为不同的变量，比如

b2 = rasterio.open(#image_name_here)
b3 = rasterio.open(#image_name_here)
b4 = rasterio.open(#image_name_here)

    然而，为了编写更干净且可重用的代码，们将学习如何处理Python字典并使用字典理解语法。

Python字典

         Python 字典dic是一种可变容器模型，且可存储任意类型对象。字典的每个键值 key:value 对用冒号 : 分割，每个键值对之间用逗号 , 分割，整个字典包括在花括号 {} 中 ,格式如下所示：

dic = {key1 : value1, key2 : value2 }

        因此，我们的主要想法是将图像的波段声明为一个这样的对象：

img = {'B1': band1 , 'B2': band2, 'B2': band3, ...}

        这里键 ‘B1’、‘B2’ 和 ‘B3’ 是任意定义的，以便我们稍后可以访问我们的数据，像这样：img[‘B1’] 或 img[‘B2’]。此外，band1、band2和band3可以是我们想要的任何对象，比如