请写一个NDVI的计算主函数

好的，以下是一个简单的 Python 函数，用于计算 NDVI（归一化植被指数）：

import numpy as np

def ndvi(nir, red):
    """
    计算 NDVI（归一化植被指数）
    :param nir: 近红外波段的像素值数组
    :param red: 红色波段的像素值数组
    :return: NDVI 数组
    """
    nir = np.asarray(nir).astype(np.float32)  # 转换为浮点型
    red = np.asarray(red).astype(np.float32)
    ndvi = (nir - red) / (nir + red + 1e-8)  # 计算 NDVI，注意要加一个小数以避免除以零错误
    return ndvi

这个函数接收两个参数，即近红外波段和红色波段的像素值数组。它会将这两个数组转换为浮点型，然后计算 NDVI 并返回结果数组。需要注意的是，为了避免除以零错误，我们在分母中加入了一个很小的数（1e-8）。

相关问题

用C语言写一个NDVI函数

NDVI（Normalized Difference Vegetation Index）是一种用于评估植被生长状况的指标，其计算公式为：

NDVI = (NIR - RED) / (NIR + RED)

其中NIR为近红外波段反射率，RED为红色波段反射率。

下面是用C语言实现NDVI函数的代码示例：

float ndvi(float nir, float red) {
    return (nir - red) / (nir + red);
}

该函数接受两个参数，分别为NIR和RED波段的反射率值，返回计算得到的NDVI值。请注意，函数返回值为浮点数类型。

NDVI计算Python

在 Python 中计算 NDVI 非常简单，只需要获取红光和近红外波段的反射率数据，然后使用上文提到的公式进行计算即可。以下是一个简单的 Python 示例代码，假设我们已经获取了红光和近红外波段的数据：

import numpy as np

# 假设我们已经获取了红光和近红外波段的反射率数据
red = np.array([0.1, 0.3, 0.4, 0.2])
nir = np.array([0.5, 0.7, 0.8, 0.6])

# 计算 NDVI
ndvi = (nir - red) / (nir + red)

# 打印结果
print(ndvi)

输出的结果将是：

[0.8        0.5        0.33333333 0.66666667]

注意，这里我们使用了 NumPy 库来进行数组计算，因此需要先安装该库。另外，实际应用中需要考虑数据的精度和范围等问题，此处仅作示例参考。