GEE-Fall – Verwendung des normalisierten Gebäudeindex NDBI zur Extraktion der langfristigen Waldschadensfläche von 1990 bis 2020

Einführung:

Der Normalized Difference Built-up Index (NDBI) ist ein Index zur Bewertung der Verteilung städtischer Gebäude und des Urbanisierungsgrads. Es basiert auf dem Unterschied im Reflexionsvermögen in verschiedenen Wellenlängenbändern, berechnet aus dem Reflexionsvermögen im roten Band (normalerweise das Band des sichtbaren Lichts) und im Nahinfrarotband.

Die Berechnungsformel von NDBI lautet:

NDBI = (SWIR – NIR) / (SWIR + NIR)

Dabei repräsentiert SWIR das Reflexionsvermögen des kurzwelligen Infrarotbandes und NIR das Reflexionsvermögen des nahen Infrarotbandes. Berechnete NDBI-Werte liegen typischerweise zwischen -1 und 1, wobei höhere Werte auf eine höhere Gebäudedichte hinweisen.

NDBI wird hauptsächlich in den Bereichen Fernerkundungsbildanalyse und Stadtforschung eingesetzt und kann dabei helfen, Gebäudeinformationen in städtischen Gebieten zu identifizieren und zu extrahieren. Durch die Analyse von NDBI-Bildern ist es möglich, den Grad der Urbanisierung quantitativ zu beurteilen, die Stadterweiterung zu überwachen, eine Landnutzungsplanung durchzuführen usw. Gebiete mit hohen NDBI-Werten weisen im Allgemeinen auf eine höhere Bebauungsdichte hin, während Gebiete mit niedrigen NDBI-Werten auf weniger Gebäude oder eine natürliche Umgebung hinweisen.

Datensatz 

Diesmal wird der gesamte Landsat-Datensatz verwendet, einschließlich der Verwendung von Landsat4-Landsat9. Bei den Datensätzen handelt es sich ausschließlich um Landsat C02-Datensätze. Dieser Datensatz enthält die decloudierte Version des neuen Datensatzes, bei dem es sich um die Landsat-C02-Daten handelt. Die Daten werden hier zusammengeführt, um eine einheitliche Durchquerung während der gesamten Funktion zu ermöglichen.

var l4 = ee.ImageCollection("LANDSAT/LT04/C02/T1_L2");
    l7 = ee.ImageCollection("LANDSAT/LE07/C02/T1_L2");
    l9 = ee.ImageCollection("LANDSAT/LC09/C02/T1_L2");
    l8 = ee.ImageCollection("

Supongo que te gusta

Origin blog.csdn.net/qq_31988139/article/details/134959491
Recomendado
Clasificación