محاسبه شاخص NDVI با لندست ۹ ❤️

بدون دیدگاه
null

حق کپی ویدیو مجاز نیست

مدت زمان ویدیو:

5 دقیقه

در جلسه:

جلسه سوم

مدرس دوره :

آرمان صمدی

شبکه اجتماعی ما
null

مدرسه سنجش از دور بُزرگ ترین مرجع سنجش از دور ایران!

آنچه ارائه داده ایم کاربردی بوده است. مدرسه سنجش از دور یکی از بزرگترین مراجع سنجش از دور ایران به فعالیت خود ادامه می دهد.

آنلاین

باکیفیت

کاربردی

null

آرمان صمدی

علاقه مند به علوم سنجش از دور و سامانه های اطلاعات جغرافیایی می باشم. اعتقاد دارم که میتوان به صورت کابردی از این علوم بهره گرفت.

محاسبه شاخص NDVI با لندست ۹ ❤️

یکی از پرکاربرد ترین شاخص های گیاهی شاخص نرمال شده پوشش گیاهی یا NDVI است. این شاخص یک شاخص جهانی است که در زمینه های مختلفی از آن استفاده میشود. ما در آموزش محاسبه شاخص NDVI با لندست ۹ موارد مختلفی در مورد محاسبه این شاخص بهتون آموزش داده ایم.

موارد آموزش داده شده محاسبه شاخص NDVI با لندست ۹

  • آموزش محاسبه شاخص شاخص نرمال شده پوش گیاهی
  • آموزش ترسیم نمودار شاخص پوشش گیاهی
  • آموزش تهیه نقشه پوشش گیاهی منطقه
  • آموزش خروجی گرفتن از تصاویر در گوگل ارث انجین

شاخص نرمال شده پوشش گیاهی

شاخص نرمال شده پوشش گیاهی یا NDVI یک شاخص جهانی که در زمینه بررسی وشعیت پوشش گیاهی، سلامت و تراکم آن مورد استفاده قرار میگیرید. مقدار این شاخص بین عدد منفی یک تا مثبت یک است. مقادیر منفی آن مناطق اب است. برای سایر کلاسبندی ها رنج بندی های مختلفی وجود دارد. در زیر رنج معمول آن ارائه شده است.

آموزش محاسبه شاخص گیاهی برای تصاویر لندست 9
آموزش محاسبه شاخص گیاهی برای تصاویر لندست ۹

مناطق آبی: مقادیر منفی تا ۰
خاک لخت: صفر تا ۰.۱
مرتع ۱: ۰.۱ تا ۰.۲
مرتع ۲: ۰.۲ تا ۰.۳
کشاورزی: ۰.۳ تا ۰.۴۵
جنگل ها: ۰.۴۵ تا ۱

این شاخص یک نقطه ضعف دارد. نقطه ضعف اصلی آن اشباع شدگی زیاد آن در مناطق با تراکم بالا است. برای مثال در شناسایی مناطق جنگلی نیمتواند خیلی کاربرد داشته باشد.

کد های شاخص ndvi

//NDVI

var landsat9_NDVI = ee.ImageCollection(“LANDSAT/LC09/C02/T1_L2”)
.filterBounds(geometry)
.filterDate(‘2022-01-01′,’2022-03-01’)
.filter(ee.Filter.equals(‘WRS_PATH’,167))
.filter(ee.Filter.equals(‘WRS_ROW’,36))
.map(function(image){
var clip = image.clip(geometry);
var optical = clip.select(‘SR_B[1-7]’).multiply(0.0000275).add(-0.2);
var ndvi = optical.normalizedDifference([‘SR_B5′,’SR_B4’]);
return ndvi.copyProperties(image,[‘system:time_start’,’system:time_end’])
});

var meanndvi = landsat9_NDVI.mean();

Map.addLayer(meanndvi,{},’NDVI’);
//Chart
print(ui.Chart.image.series(landsat9_NDVI, geometry, ee.Reducer.mean(), 30, ‘system:time_start’));

,

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

این فیلد را پر کنید
این فیلد را پر کنید
لطفاً یک نشانی ایمیل معتبر بنویسید.
برای ادامه، شما باید با قوانین موافقت کنید

فهرست