### 使用Landsat 8卫星数据计算NDVI NDVI（Normalized Difference Vegetation Index，归一化植被指数）是一种广泛使用的遥感指标，用于评估地表植被覆盖率和健康状况。其计算公式如下： \[ NDVI = \frac{(NIR - Red)}{(NIR + Red)} \] 其中 \( NIR \) 表示近红外波段反射率，\( Red \) 表示红光波段反射率。 #### 数据准备 Landsat 8 卫星提供了多个波段的数据，其中： - 波段 4 (Red Band): 对应于可见光中的红色部分。 - 波段 5 (NIR Band): 对应于近红外区域。 为了计算 NDVI，需要获取 Landsat 8 的这两个波段数据文件[^1]。 #### 计算流程 以下是使用 Python 和 `rasterio` 库进行 NDVI 计算的具体方法[^4]: ```python import rasterio from rasterio.plot import show import numpy as np # 打开Landsat 8的Band 4 (Red) 和 Band 5 (NIR) with rasterio.open('path_to_band_4.tif') as red_band: red = red_band.read(1).astype(float) with rasterio.open('path_to_band_5.tif') as nir_band: nir = nir_band.read(1).astype(float) # 计算NDVI ndvi = (nir - red) / (nir + red) # 创建一个新的GeoTIFF文件存储NDVI结果 meta = red_band.meta meta.update(dtype=rasterio.float32, count=1) with rasterio.open('ndvi_result.tif', 'w', **meta) as dst: dst.write(ndvi.astype(rasterio.float32), 1) # 显示NDVI图像 show(dst) ``` 上述代码实现了以下功能： 1. 加载 Landsat 8 的 Band 4 和 Band 5 数据。 2. 将两个波段转换为浮点数类型以便进行数值运算。 3. 根据 NDVI 公式计算植被指数。 4. 将计算结果保存为新的 GeoTIFF 文件。 5. 可视化 NDVI 结果图。 #### 自动批处理 如果需要一次性计算多个影像的 NDVI 并将其保存到指定目录，则可以通过循环实现自动化处理。例如： ```python import os input_dir = '/path/to/input/tifs' output_dir = '/path/to/output/ndvi' for filename in os.listdir(input_dir): if '_B4' in filename: # 寻找Band 4文件 base_name = filename.split('_')[0] band4_path = os.path.join(input_dir, f'{base_name}_B4.TIF') band5_path = os.path.join(input_dir, f'{base_name}_B5.TIF') with rasterio.open(band4_path) as src_red: red = src_red.read(1).astype(float) meta = src_red.meta with rasterio.open(band5_path) as src_nir: nir = src_nir.read(1).astype(float) ndvi = (nir - red) / (nir + red) output_file = os.path.join(output_dir, f'{base_name}_NDVI.TIF') meta.update(dtype=rasterio.float32, count=1) with rasterio.open(output_file, 'w', **meta) as dst: dst.write(ndvi.astype(rasterio.float32), 1) ``` 此脚本会遍历输入目录下的所有 Band 4 文件，并匹配对应的 Band 5 文件完成 NDVI 计算，最后将结果存入输出目录。 --- ### 注意事项 1. 输入的 TIFF 文件需经过辐射校正或大气校正以提高精度[^3]。 2. 如果存在云层遮挡的情况，建议先对影像进行掩膜处理，移除受云影响的像素。