GEE案例——利用归一化建筑物指数NDBI提取1990-2020年长时序森林损毁面积

该博客介绍了如何利用归一化建筑物指数(NDBI)结合Landsat数据,分析1990-2020年间的森林损毁面积。通过计算NDBI并设置阈值,可以识别和量化森林变化情况。文章涉及了ee.Image.pixelArea()、ee.Date.fromYMD()等函数的应用,并提醒注意不同区域的NDBI阈值差异。
摘要由CSDN通过智能技术生成

简介:

归一化建筑物指数(Normalized Difference Built-up Index,NDBI)是一种用于评估城市建筑物分布和城市化程度的指数。它基于不同波段的反射率差异,通过红色波段(通常是可见光波段)和近红外波段的反射率来计算。

NDBI的计算公式为:

NDBI = (SWIR - NIR) / (SWIR + NIR)

其中,SWIR代表短波红外波段的反射率,NIR代表近红外波段的反射率。计算得到的NDBI值范围通常在-1到1之间,数值越高表示建筑物密度越高。

NDBI主要用于遥感图像分析和城市研究领域,可以帮助识别和提取城市区域中的建筑物信息。通过分析NDBI图像,可以定量评估城市化程度、监测城市扩张、进行土地利用规划等。高NDBI值的区域通常表示有较高的建筑物密度,而低NDBI值的区域则表示有较少的建筑物或自然环境。

数据集 

本次使用的是Landsat全系数据集,包含了从Landsat4-Landsat9的使用,数据集全部是Landsat C02 数据集。这个数据集中我们包含了全新数据集的去云,也就是landsat C02数据,这里含将数据进行了融合处理,以方便在整个函数中统一进行遍历。

var l4 = ee.ImageCollection("
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

此星光明

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值