无人机高光谱数据进行 NDVI 计算

Question

无人机高光谱数据进行 NDVI 计算。
高光谱数据有 512 个波段，红外波段和近红外波段都有几十个。我尝试选了很久，但算出来的数据还是很乱，没有在-1～1 之间。求解答，谢谢友友们。🙏🙏

Answer 1

引自免费微信小程序：皆我百晓生

为了计算NDVI（归一化差异植被指数Normalized Difference Vegetation Index）从无人机获取的高光谱数据，你需要选择正确的红光和近红外波段。NDVI通常使用红光波段（大约在0.6~0.7微米）和近红外波段（大约在0.8~0.9微米）之间的差值与它们的总和之比来计算。由于你的数据中有多个红外和近红外波段，可能需要实验不同的组合来找到最合适的波段。

下面是一个Python代码示例，展示了如何从512个波段中提取特定波段范围的数据，并计算NDVI。这里我们假设红光波段位于第300到400个索引，而近红外波段位于第401到500个索引。实际应用时，请根据你的数据集调整这些范围。

import numpy as np

# 假设你的高光谱数据存储在一个名为'high_spectral_data'的numpy数组中，
# 其形状为(高度, 宽度, 波段数)
height, width, num_bands = high_spectral_data.shape

# 提取红光和近红外波段的数据
red_band = high_spectral_data[:, :, 300:400].mean(axis=2)  # 使用所有红光波段的平均值
nir_band = high_spectral_data[:, :, 401:500].mean(axis=2)  # 使用所有近红外波段的平均值

# 计算NDVI
ndvi = (nir_band - red_band) / (nir_band + red_band)

# 确保NDVI在-1到1之间
ndvi_clipped = np.clip(ndvi, -1, 1)

# 如果需要保存结果，可以将其写入一个新的数组
ndvi_array = np.zeros((height, width))
ndvi_array[:, :] = ndvi_clipped

# 可以使用matplotlib显示NDVI图像
import matplotlib.pyplot as plt
plt.imshow(ndvi_clipped, cmap='RdYlGn')
plt.colorbar(label='NDVI')
plt.title('Normalized Difference Vegetation Index (NDVI)')
plt.show()

这个代码首先从高光谱数据中提取了红光和近红外波段的平均值，然后计算NDVI并确保其值在-1到1之间。最后，它会展示一个NDVI图像，颜色范围对应于-1到1的值，绿色表示植被丰富，蓝色表示较少植被或水体，红色表示干燥土壤或其他非植被区域。

如果你发现计算出的NDVI数据依然不在预期范围内，那么可能是波段选择不正确或者数据存在其他问题。建议检查数据的原始范围，确保红光和近红外波段的选择是正确的，并且数据本身没有异常值或者噪声。如果有必要，可以尝试不同波段的组合，或者对数据进行预处理，比如平滑滤波、去除异常值等。