ndvi 降尺度 python

NDVI (Normalized Difference Vegetation Index) 是一种常用的遥感指标，用于估算地表植被覆盖情况。降尺度处理通常是在大规模遥感数据集上获取较小、更精细分辨率的信息。在Python中，可以使用像`rasterio`, `scipy`, 或者`gdal`这样的库来进行NDVI的计算和空间数据降采样。

以下是基本步骤：

1. **读取原始遥感数据**：使用`rasterio`打开GeoTIFF等遥感数据文件。

import rasterio
with rasterio.open('path/to/satellite_image.tif') as src:
    data = src.read()

2. **计算NDVI**：需要红光和近红外波段的数据。假设有两个波段分别存储在data[2]和data[3]中。

red_band = data[2]
nir_band = data[3]
ndvi = (nir_band - red_band) / (nir_band + red_band)

3. **降尺度（如平均或最近邻插值）**：使用`scipy`的`resize`函数或者GDAL提供的工具对NDVI进行下采样。

from scipy.ndimage import zoom
resampled_ndvi = zoom(ndvi, (new_height, new_width), order=1) # 使用最近邻插值
# 或者使用GDAL
from osgeo import gdal
resample_opener = gdal.Warp('', src, outputType=gdal.GDT_Float32, resampling='bilinear')
resampled_ndvi = resample_opener.ReadAsArray().astype(float)

4. **保存结果**：将降采样后的NDVI保存到新的 GeoTIFF 文件。

with rasterio.open('path/to/resampled_ndvi.tif', 'w', **src.meta) as dst:
    dst.write(resampled_ndvi.astype(src.dtypes[0]), 1)