sentinel2 NDWI

### 使用 Sentinel-2 数据计算 NDWI

归一化差异水体指数（NDWI）用于增强水体特征，减少其他地物类型的干扰。对于 Sentinel-2 卫星影像而言，NDWI 的计算基于近红外波段（NIR, B8A 或者 B8）和绿光波段（Green, B3）。具体公式如下：

\[ \text{NDWI} = \frac{(B3 - B8)}{(B3 + B8)} \]

这里 \(B3\) 表示绿色波段反射率值而 \(B8\) 则表示近红外波段反射率值。

为了实现这一过程，在 Google Earth Engine 平台上可以通过调用 `normalizedDifference` 方法来简化操作[^1]。下面是一个 Python 版本的例子展示如何通过 GEE API 来加载 Sentinel-2 图像集合并计算 NDWI:

import ee 

ee.Initialize()

def add_ndwi(image):
    ndwi = image.normalizedDifference(['B3', 'B8'])
    return image.addBands(ndwi.rename('ndwi'))

# 定义研究区域范围
aoi = ee.Geometry.Polygon(
        [[[116.0, 40.0],
          [117.0, 40.0],
          [117.0, 39.0],
          [116.0, 39.0]]])

# 加载哨兵二号图像集合并过滤日期与地理位置
sentinel2 = (ee.ImageCollection('COPERNICUS/S2_SR')
             .filterDate('2023-01-01', '2023-12-31')
             .filterBounds(aoi))

# 应用函数到整个图像集合上
with_ndwi = sentinel2.map(add_ndwi)

# 打印处理后的第一个条目查看结果
print(with_ndwi.first().getInfo())

这段代码首先初始化了 EE 对象，并定义了一个辅助函数用来向每张图片添加一个新的图层——即由原始两个波段计算得到的 NDWI 值；接着指定了感兴趣区（AOI），选择了特定时间段内的所有可用 S2 场景作为输入源；最后将上述自定义变换应用到了整个数据集中[^2]。