### 使用Python读取和处理NDVI文件 #### NDVI简介 归一化植被指数（Normalized Difference Vegetation Index, NDVI）是一种广泛使用的遥感指标，用于评估植物健康状况和监测植被覆盖变化。其计算基于近红外波段（NIR）和红光波段（Red）的反射率差异[^1]。 #### Python实现NDVI计算 以下是通过Python读取遥感影像数据并计算NDVI的一个完整示例： ```python import numpy as np from osgeo import gdal import matplotlib.pyplot as plt def calculate_ndvi(red_band_path, nir_band_path): """ 计算NDVI函数。 参数: red_band_path (str): 红光波段文件路径。 nir_band_path (str): 近红外波段文件路径。 返回: ndvi_array (numpy.ndarray): 计算后的NDVI数组。 """ # 打开红光波段和近红外波段的数据集 red_dataset = gdal.Open(red_band_path) nir_dataset = gdal.Open(nir_band_path) # 获取波段数据作为NumPy数组 red_band = red_dataset.ReadAsArray().astype(float) nir_band = nir_dataset.ReadAsArray().astype(float) # 防止除零错误 np.seterr(divide='ignore', invalid='ignore') # 计算NDVI ndvi_array = (nir_band - red_band) / (nir_batch + red_band) return ndvi_array def save_ndvi(ndvi_array, output_path, reference_dataset): """ 将NDVI保存为GeoTIFF格式。 参数: ndvi_array (numpy.ndarray): 输入的NDVI数组。 output_path (str): 输出文件路径。 reference_dataset (gdal.Dataset): 参考数据集对象，用于复制地理信息。 """ driver = gdal.GetDriverByName('GTiff') out_ds = driver.Create(output_path, reference_dataset.RasterXSize, reference_dataset.RasterYSize, 1, gdal.GDT_Float32) out_ds.SetProjection(reference_dataset.GetProjection()) out_ds.SetGeoTransform(reference_dataset.GetGeoTransform()) out_ds.GetRasterBand(1).WriteArray(ndvi_array) out_ds.FlushCache() del out_ds if __name__ == "__main__": # 替换为实际的红光波段和近红外波段文件路径 red_band_file = 'path_to_red_band.tif' nir_band_file = 'path_to_nir_band.tif' # 调用NDVI计算函数 ndvi_result = calculate_ndvi(red_band_file, nir_band_file) # 显示NDVI图像 plt.imshow(ndvi_result, cmap='RdYlGn') plt.colorbar() plt.title("NDVI Image") plt.show() # 保存NDVI结果到文件 output_tif = 'output_ndvi.tif' ref_dataset = gdal.Open(red_band_file) save_ndvi(ndvi_result, output_tif, ref_dataset) ``` 此代码实现了以下几个功能： 1. **加载遥感数据**：利用GDAL库分别打开红光波段和近红外波段的栅格数据。 2. **NDVI计算**：按照公式 \((NIR - Red) / (NIR + Red)\)，逐像素计算NDVI值。 3. **异常处理**：为了避免分母为零的情况，在计算前设置了`np.seterr()`来忽略无效操作警告[^1]。 4. **可视化与保存**：使用Matplotlib显示NDVI图像，并将结果保存为GeoTIFF格式[^1]。 #### MODIS数据批处理 如果需要批量处理MODIS数据以提取NDVI，则可以借助MRT工具完成预处理工作。具体流程如下： - 利用命令行调用`java -jar MRTBatch.jar`进行参数设置和影像拼接、重投影等操作[^2]。 - 处理完成后，可进一步导入Python脚本中按需分析。 ---