GDAL计算NDVI及常用函数介绍

最新推荐文章于 2024-07-12 16:16:27 发布
最新推荐文章于 2024-07-12 16:16:27 发布
阅读量193 收藏 1
点赞数
分类专栏： 遥感反演与解译技术 文章标签： python numpy
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43920838/article/details/136338385
版权
了解本专栏 订阅专栏 解锁全文 超级会员免费看
海绵波波107
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
GDAL计算NDWI及水体提取
学习历程记录和分享
02-28 415
本文参考NDWI（Normalized Difference Water Index）是一种用于遥感图像中水体检测的指数，它基于水体对于近红外（NIR）和绿色波段的不同吸收特性。计算NDWI的公式如下：​其中：NIR 是近红外波段的反射值。G 是绿色波段的反射值。NDWI 的计算结果范围通常在 -1 到 1 之间。较高的值表示可能为水体，而较低的值则表示非水体区域。
Python&&GDAL实现NDVI的计算方式
12-23
从别的资料摘来处理NDVI计算的array代码处，出现了很多问题，可能它用了什么优化计算的函数，但是结果不对，果断放弃了。 直接硬算，影像波段是整数，转成浮点型数字就行，然后再参与运算得出了正确的结果范围。 这...
基于GDAL实现遥感影像的NDVI计算
05-26
GDAL(Geospatial Data Abstraction Library)是一个在X/MIT许可协议下的开源栅格空间数据转换库。它利用抽象数据模型来表达所支持的各种文件格式。它还有一系列命令行工具来进行数据转换和处理。 Python的GDAL库作为栅格数据的处理转换库，其支持几百种栅格数据格式，如常见的TIFF、ENVI、HFA、HDF4等。因为遥感影像大部分都是栅格数据，所以GDAL库非常适合处理遥感影像、如光谱指数计算、波段合成、批量下载等。 本资源使用Python的GDAL库，实现遥感影像的NDVI计算，可以通过加入遍历代码实现多张影像数据的光谱指数计算，大大减少了工作量！
基于GDAL计算NDVI
IvanLJF的专栏
06-16 5266
// NDVI.cpp : 定义控制台应用程序的入口点。 // #include "stdafx.h" //#include "gdal_priv.h" #include "gdal.h" void CalcNDVI(int rows, int cols, float* nir, float* red, float* ndvi) { int n = rows*col
Python地学分析 — GDAL批量计算MODIS NDVI
一叶知秋的博客
12-16 8467
欢迎关注博主的微信公众号：“智能遥感”。 该公众号将为您奉上Python地学分析、爬虫、数据分析、Web开发、机器学习、深度学习等热门源代码。 本人的GitHub代码资料主页（持续更新中，多给Star，多Fork）： https://github.com/xbr2017 CSDN也在同步更新： https://blog.csdn.net/XBR_2014 “ NDVI是遥感领域最常...
【gdal学习笔记】利用python 的gdal，以及相关库进行遥感图像处理（影像裁剪，辐射定标，大气校正，异常值去除）——以基于landsat8数据提取NDVI为例
qq_47730141的博客
07-05 1万+
记录了如何利用python的gdal进行遥感图像处理，以及py6s模型进行大气校正
利用归一化植被指数ndvi实现植被分类制图（gdal实现）
热门推荐
QQ704630835的博客
10-23 2万+
一、背景 本文主要参考《python地理空间分析指南》。目的在于利用归一化植被指数NDVI来实现植被的分类制图。分类的方法比较简单，就是阈值切片。我对书中的内容进行了改进，并在分析中会指出书中存在的问题，欢迎进一步探讨。 二、数据 进行实验的话数据很重要，本实验的数据是tiff格式的影像和一个shp矢量文件。原始数据的下载地址为： http://git.io/v3fS9 下载好的数据...
【Python&RS】GDAL计算遥感影像光谱指数（如NDVI、NDWI、EVI等）
Remote Sensing迷途小书童
05-10 3589
本文使用Python的GDAL库，实现遥感影像的光谱指数计算，提升工作效率。
NDVIcal1_python_GDAL_NDVI_
09-30
在本项目中，"NDVIcal1_python_GDAL_NDVI_" 标题暗示我们将探讨如何使用Python编程语言，特别是GDAL库，来批量处理遥感图像并计算植被指数（NDVI）。NDVI（归一化差值植被指数）是一种广泛应用于生态学、农业和气候...
批量计算NDVI，VFC
07-11
NDVI（归一化差值植被指数）和VFC（植被覆盖度）是衡量植被健康状况和覆盖度的常用指标，广泛应用于农业、林业、环保等领域。以下是关于这些知识点的详细介绍： 1. **NDVI（归一化差值植被指数）**： NDVI是一种无...
GDAL C# Python
11-27
2. 像元统计：计算影像中特定值或区间像元的数量，如NDVI（归一化植被指数）的计算。 3. 投影转换：将影像从一种投影转换到另一种，以便于不同数据的融合。 4. 蒙版处理：根据特定条件（如NoData值、阈值）生成蒙版...
在python中利用GDAL对tif文件进行读写的方法
09-19
本篇文章将详细介绍如何利用GDAL库在Python中对TIFF文件进行读取和写入。 **1. 读取TIFF文件** 读取TIFF文件的主要步骤如下： - 首先，导入GDAL库：`import gdal` - 使用`gdal.Open()`函数打开TIFF文件，传入文件...
NDVI
qq_20373723的博客
11-19 630
# -*- coding: utf-8 -*- import os, sys, time import numpy as np from osgeo import ogr from osgeo import gdal from osgeo import gdal_array as ga def stretch_n(bands, img_min, img_max, lower_percent=0, higher_percent=100): out = np.zeros_like(bands).ast
基于Python的gdal库读取遥感影像TIFF，Python批量对NDVI植被指数计算（源代码）
GIS热爱者
08-31 5352
首先展示单次针对波段分开的TIFF影像的NDVI植被指数的计算 代码如下：（代码中已经将NDVI指数异常值进行了剔除，取值范围最终在[-1, 1]区间内） from osgeo import gdal, gdalconst import os import numpy as np def NDVI_calculte(Red_band_file, NIR_band_file, NDVI_output_file): """ 红光与近红外波段分别存储为tif文件的NDVI指数计算 .
【Python】GDAL库计算NDVI指数简易教程
weixin_47262549的博客
03-10 391
使用gdal库计算NDVI的简易版教程
python遥感数据有偿处理_利用python读写tiff遥感影像数据
weixin_39928461的博客
12-10 465
from osgeo import gdal# 读图像文件def read_img(filename):dataset = gdal.Open(filename) # 打开文件im_width = dataset.RasterXSize # 栅格矩阵的列数im_height = dataset.RasterYSize # 栅格矩阵的行数im_geotrans = dataset.GetGeo...
Python读取遥感影像并计算NDVI指数
学习历程记录和分享
08-31 1705
先附上源码读取的遥感影像数据需要先进行预处理。
cv2读取和保存图片
最新发布
m0_53291740的博客
07-12 242
cv2.imwrite('b\\img1.png',img)#b存在就可以保存进去。如果b存在，c不存在，程序不会报错，也不会保存图片。如果目录b不存在就会存到当前文件夹。
基于遥感数据计算NDVI的植被变化检测
06-01
基于遥感数据计算NDVI的植被变化检测与基于图像的计算方法类似，只是需要先将遥感数据进行预处理。以下是一个基于Python和GDAL库的示例代码： ```python from osgeo import gdal import numpy as np # 读取红光和近红外波段的数据 red1 = gdal.Open('path/to/red1.tif').ReadAsArray().astype(np.float32) nir1 = gdal.Open('path/to/nir1.tif').ReadAsArray().astype(np.float32) red2 = gdal.Open('path/to/red2.tif').ReadAsArray().astype(np.float32) nir2 = gdal.Open('path/to/nir2.tif').ReadAsArray().astype(np.float32) # 计算NDVI图像 ndvi1 = (nir1 - red1) / (nir1 + red1) ndvi2 = (nir2 - red2) / (nir2 + red2) # 计算NDVI变化图像 ndvi_diff = ndvi2 - ndvi1 # 对NDVI变化图像进行阈值分割 thresh = np.where(ndvi_diff > 0.1, 1, 0) # 保存植被变化区域 driver = gdal.GetDriverByName('GTiff') out_ds = driver.Create('path/to/output.tif', ndvi_diff.shape[1], ndvi_diff.shape[0], 1, gdal.GDT_Byte) out_ds.GetRasterBand(1).WriteArray(thresh) out_ds.SetProjection(gdal.Open('path/to/red1.tif').GetProjection()) out_ds.SetGeoTransform(gdal.Open('path/to/red1.tif').GetGeoTransform()) out_ds = None ``` 在这个例子中，我们使用`gdal.Open`函数读取红光和近红外波段的数据，并使用`astype`函数将像素值转换为浮点数。然后，我们计算每个时间点的NDVI图像，并将它们相减得到NDVI变化图像。最后，我们使用NumPy的`where`函数进行阈值分割，并使用GDAL库保存植被变化区域。请注意，这个例子仅适用于灰度图像。如果您要读取彩色图像，请使用`gdal.Open`函数读取图像，并使用`cv2.cvtColor`函数将其转换为灰度图像。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

海绵波波107

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

实付元
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