昨天使用的Rasterio是一個方便的工具，它主要是包了一些GDAL等等的GIS套件，
使用GIS資料分析，當然一定會接觸到GDAL，GDAL Geospatial Data Abstraction Library可以說是始祖，Rasterio建構於它之上讓資料分析更加方便。

持續Rasterio的主題，今天要測試的項目是NDVI。
大綱:

• NDVI
• NDVI計算: rasterio, numpy

NDVI

NDVI是常態化植生指標參考wiki常態化差值植生指標，計算方式是利用紅光與近紅外光波段，代表植物生長與覆蓋的指數，其數值愈大表示植物生長愈多。
公式：

NIR為近紅外光反射；RED為紅光反射，NDVI之值介於-1到1之間。 當RED=0時，有最大值1；反之，當NIR=0時，有最小值-1。
(取自wiki常態化差值植生指標與Calculate NDVI & Extract Spectra Using Masks in Python - Flightline Data | NSF NEON | Open Data to Understand our Ecosystems)

NDVI計算: rasterio, numpy

讀取影像

import rasterio
src=rasterio.open('data/rasterio/data/test.tif')

然後，取得波段：

b1, b2, b3, b4 = src.read()

波段計算，我們使用numpy

import numpy
ndvi = numpy.zeros(b1.shape)
ndvi = (b1-b2)/(b1+b2)

展示成果

import matplotlib.pyplot as plt
from rasterio import plot
%matplotlib inline
plot.show(ndvi)

後記

計算NDVI需要NIR為近紅外光反射的影像，如果需要影像可以使用USGS的Landsat影像：

EarthExplorer - Home