如何使用 Python 计算多光谱植被指数

Question

我正在尝试使用 Python 从多光谱照片中计算多光谱植被指数。

到目前为止，我已经计算出NDVI，因为网上有很多例子，所以很容易实现。

#Read the image file
image_file = "my_tif_image.tif"


with rasterio.open(image_file) as src:
    band_red = src.read(3)

with rasterio.open(image_file) as src:
    band_nir = src.read(4)
   

# Allow division by zero
numpy.seterr(divide='ignore', invalid='ignore')

band_nir = numpy.array(band_nir)
band_red = numpy.array(band_red)

NDVI = (band_nir.astype(float) - band_red.astype(float)) / (band_nir + band_red)

fig1, ax = plt.subplots(figsize=(12, 12))
fig1 = plt.gcf()
ep.plot_bands(NDVI,
              cmap='PiYG',
              scale=False,
              cbar = False,  #Change this to TRUE to display the color bar
              ax=ax,
              vmin=-1, vmax=1,
              title="NDVI")
plt.show()
fig1.savefig('NDVI.png',bbox_inches='tight')

但是，除了上述索引之外，我无法找到任何关于如何计算其他索引的示例（至少是我感兴趣的那些）。

例如，我尝试了烧毁面积指数的公式，而不是 NDVI 指数：

BIR = 1.0 / (((0.1 + band_red) ** 2) + ((0.06 + band_nir) ** 2))

但我得到一个空图，并且计算出的数组数量非常小（在 10^-9 的数量中）。

我的问题是，为什么很难找到计算和绘制除 NDVI 以外的指数的示例？最后，如果我不能用 python 做到这一点，还有其他编程方式吗？

Answer 1

要使用烧伤面积指数，必须将数据校准为反射率。 还有其他植被指数：

• Kauth-Thomas 变换（流苏帽）http://web.pdx.edu/~jduh/courses/Archive/geog481w07/Students/Marcello_TasselledCap.pdf
• NDMI 或 NDWI https://www.usgs.gov/core-science-systems/nli/landsat/normalized-difference-moisture-index
• 萨维https://www.usgs.gov/core-science-systems/nli/landsat/landsat-soil-adjusted-vegetation-index
• 和其他例子在这里https://www.usgs.gov/core-science-systems/nli/landsat/landsat-surface-reflectance-derived-spectral-indices?qt-science_support_page_related_con=0#qt-science_support_page_related_con

您可以在 python 或 R 中应用不同的索引（其中包含用于操作的预先建立的包）。其他选项包括 QGIS、PCI Geomatica（需要许可证）和 ArcMAP（需要许可证）。