发现上一次数据中大面积是海…（所以搜索结果里的文件实际所在区域可能与find data里选的区域周围距离很远？），于是又重新下了 2019-09-04 10:25 H: 18, V: 6

将某图层数据显示为图片

• MODIS可见光及近红外波段

  Band	Color	BandWidth(nm)
  1	Red	620 - 670
  2	NIR	841 - 876
  3	Blue	459 - 479
  4	Green	545 - 565

• 显示nparray数组为图片

  # matplotlib
  plt.imshow(data)
  plt.savefig(fileName)
  plt.show()
  # PIL
  im = Image.fromarray(data)
  im.save(fileName)
  im.show()
  

将某三个图层数据显示为图片

• 代码

  red = sds[16].ReadAsArray() * 0.0001
  nir = sds[17].ReadAsArray() * 0.0001
  blue = sds[18].ReadAsArray() * 0.0001
  green = sds[19].ReadAsArray() * 0.0001
  
  red_ = np.expand_dims(red, 0)
  blue_ = np.expand_dims(blue, 0)
  green_ = np.expand_dims(green, 0)
  
  # true color array
  trueColor = np.concatenate([red_, green_, blue_])
  # 转换为matplotlib中的数据格式  即：(C, H, W) -> (H, W, C)
  trueColor = trueColor.transpose((1, 2, 0))
  display(trueColor, "trueColor")
  
  def display(data, title, band=1):
      plt.imshow(data)
      plt.savefig(title + ".png")
      plt.show()
  

• 结果：

  
  
  真彩色图像

计算NDVI

• 使用两个波段

  def cal_NDVI(data_red, data_nir):
      """
      To calculate the NDVI of each pixel and return the result.
      :param data_red:
      :param data_nir:
      :return:
      """
      result = ((data_nir - data_red) / (data_nir + data_red))
      # 进行异常值处理
      result[np.isnan(result)] = 0
      result[result > 1] = 1
      result[result < 0] = 0
      print(np.min(result))
      print(np.max(result))
      # check the histogram
      hist, edges = np.histogram(result)
      print(hist)
      print(edges)
  
      display(result, "NDVI")
  

• 结果

  
  
  NDVI值

• 分布

  
  
  NDVI的histogram结果（100）

绘制LST-NDVI散点图