NDVI یک شاخص گیاهی است که به طور گسترده ای برای ارزیابی اثرات زیست محیطی، ارزیابی کشاورزی و معیارهای تغییر کاربری زمین مورد استفاده قرار می گیرد. روش محاسبه NDVI در نرم افزارهای سیستم اطلاعات جغرافیایی (GIS) به عنوان QGIS ساده و مستقیم است. با این حال، کارایی تنها مربوط به یک تصویر است، اما اگر یک سری از تصاویر را تجزیه و تحلیل کنیم یا اگر تصاویری با منابع محاسباتی محدود داشته باشیم، ما باید برخی از فیلترهای سفارشی و پیش پردازش را به مجموعه داده ها اعمال نماییم، سپس ما باید روش های دیگری را برای محاسبه NDVI در یک روش سریع تر و کارآمدتر با توجه به منابع محاسباتی در دسترس بررسی کنیم.

تصاویر ماهواره ای georasters هستند، این تصاویر یک آرایه منظم از ستون ها و ردیف ها (یک ماتریس در هر باند) است. پایتون زبان برنامه نویسی و تجزیه و تحلیل داده ها برای جبر ماتریس با کتابخانه Numpy بسیار متنوع است، اما هیچ روش ایده آل و ساده برای پردازش georaster تا زمان توسعه بسته Rasterio وجود ندارد.

Rasterio یک کتابخانه برای باز کردن، نوشتن، بررسی و تجزیه و تحلیل georasters در پایتون است. این کتابخانه از تصاویر GeoTIFF همراه با فرمت های دیگر استفاده می کند و قادر به کار با تصاویر ماهواره ای، مدل های ارتفاعی دیجیتال و تصاویر تولید شده از هواپیماهای بدون سرنشین است.

این آموزش روش کامل برای تجزیه و تحلیل NDVI از یک تصویر Landsat 8 با پایتون 3 و Rasterio را نشان می دهد. اسکریپت و نمایندگی بر روی یک محیط تعاملی به نام Jupyter Notebook انجام شد، در نهایت نتیجه georaster در QGIS باز شد و در مقایسه با برخی از تصاویر پس زمینه بدست آمد.

داده های ورودی

شما می توانید داده های ورودی و اسکریپت های مورد استفاده برای آموزش در این لینک را دانلود کنید.

کد پایتون (دانلود این کد):

#import required libraries

import rasterio

from rasterio import plot

import matplotlib.pyplot as plt

import numpy as np

%matplotlib inline

import os

os.listdir('../Landsat8/')

#import bands as separate 1 band raster

band4 = rasterio.open('../Landsat8/LC08_L1TP_042035_20180603_20180615_01_T1_B4_clip.tif') #red

band5 = rasterio.open('../Landsat8/LC08_L1TP_042035_20180603_20180615_01_T1_B5_clip.tif') #nir

#number of raster rows

band4.height

#number of raster columns

band4.width

#plot band 

plot.show(band4)

#type of raster byte

band4.dtypes[0]

#raster sytem of reference

band4.crs

#raster transform parameters

band4.transform

#raster values as matrix array

band4.read(1)

#multiple band representation

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))

plot.show(band4, ax=ax1, cmap='Blues') #red

plot.show(band5, ax=ax2, cmap='Blues') #nir

fig.tight_layout()

#generate nir and red objects as arrays in float64 format

red = band4.read(1).astype('float64')

nir = band5.read(1).astype('float64')

nir

#ndvi calculation, empty cells or nodata cells are reported as 0

ndvi=np.where(

    (nir+red)==0., 

    0, 

    (nir-red)/(nir+red))

ndvi[:5,:5]

#export ndvi image

ndviImage = rasterio.open('../Output/ndviImage.tiff','w',driver='Gtiff',

                          width=band4.width, 

                          height = band4.height, 

                          count=1, crs=band4.crs, 

                          transform=band4.transform, 

                          dtype='float64')

ndviImage.write(ndvi,1)

ndviImage.close()

#plot ndvi

ndvi = rasterio.open('../Output/ndviImage.tiff')

fig = plt.figure(figsize=(18,12))

plot.show(ndvi)

مدیر سایت: بهزاد سرهادی

شماره تلفن: 09190622992

تماس واتساپ: 09190622992 (98+)

شناسه تلگرام مدیر سایت: Basin_Ir_bot@

نشانی ایمیل: www.Basin.ir@Gmail.com

(سوالات تخصصی را در گروه تلگرام ارسال کنید)

_______________________________________________________

 تماس با ما

 تماس واتساپ

 گروه تلگرام ما

 هشدارهای ما

 آمار و اطلاعات

 سفارش پروژه

×

 تا حدود سه هزار عضو - براي پيوستن به بزرگترين گروه تلگرام علوم و مهندسي آب با امکان تبادل نظر بين اعضاء کليک کنيد

کتاب کاربرد مدل QUAL2KW

کتاب کاربرد GIS در منابع آب

کتاب محاسبه سيل طرح

آموزش مدل سه بعدي Solid آبخوان

آموزش جامع مدل AQUACROP

راهنماي تکنيکال مدل هاي انتقال کيفي