在探索了归一化植被指数（NDVI）之后，今天我们将深入理解归一化水指数（NDWI），它是遥感领域中用于水体信息提取的重要工具。NDWI利用遥感影像特定波段的归一化差值，为我们揭示水体覆盖的动态变化。两种广泛接受的NDWI计算方法分别由S. K. McFeeters和Boca Gao在1996年的权威国际遥感期刊上提出，尽管命名上存在争议，但其核心原理是清晰的：
NDWI = (绿波段 - 近红外波段) / (绿波段 + 近红外波段)</
在landsat8中，这个公式具体表现为：
landsat8: NDWI = (band3 - band5) / (band3 + band5)
对于landsat5/7，公式稍有调整：
landsat5/7: NDWI = (band2 - band4) / (band2 + band4)
而Sentinel-2数据则采用：
sentinel2: NDWI = (band3 - band8) / (band3 + band8)
接下来，我们使用Google Earth Engine（GEE）来演示如何处理landsat8的NDWI。这里的代码示例涵盖了三种不同的实现方式，旨在帮助你理解其背后的原理和实践应用：
function NDWI_V1(img) { var nir = img.select("B5"); var green = img.select("B3"); var ndwi = green.subtract(nir).divide(green.add(nir)); return ndwi; }
function NDWI_V2(img) { var nir = img.select("B5"); var green = img.select("B3"); var ndwi = img.expression("(B3 - B5)/(B3 + B5)", { "B5": nir, "B3": green } ); return ndwi; }
function NDWI_V3(img) { var ndwi = img.normalizedDifference(["B3","B5"]); return ndwi; }
在实际应用中，我们选取landsat8的一段数据，设置ROI（研究区域）并进行时间过滤，然后逐一计算NDWI:
var l8_col = ee.ImageCollection("LANDSAT/LC8_L1T_TOA"); var roi = ee.Geometry.Point([124.1455078125,45.644768217751924]); var img = ee.Image(l8_col.filterBounds(roi) .filterDate("2017-02-01", "2017-09-23") .first());
var ndwi1 = NDWI_V1(img); var ndwi2 = NDWI_V2(img); var ndwi3 = NDWI_V3(img);
通过可视化，我们看到三种计算方法生成的NDWI图层，并对结果进行调整以突出水体信息：
var visParam = { min: -0.5, max: 0.5, palette: ['00FFFF', '0000FF'] };
Map.addLayer(img, {bands:["B4", "B3", "B2"], max:0.3}, "raw_img");
Map.addLayer(ndwi1, visParam, "ndwi_1"); Map.addLayer(ndwi2, visParam, "ndwi_2"); Map.addLayer(ndwi3, visParam, "ndwi_3"); Map.centerObject(roi, 9);
最后，我们创建两个图表来分析NDWI值序列，以便于深入理解水体变化趋势：
var ndwi_list = l8_col.filterDate("2017-01-01", "2017-09-23") .map(function(image) { ... });
var chart1 = ui.Chart.image.series({ ... }).setOptions({title: 'NDWI IMAGE SERIES'}); print(chart1);
var chart2 = ui.Chart.image.doySeries({ ... }).setOptions({title: "ROI NDWI EACH DAY SERIES"}); print(chart2)
这些代码和图表将帮助你更好地理解NDWI在landsat8数据中的应用，以及如何通过GEE获取和可视化这些水体信息。接下来，你可以根据实际研究需求调整参数，挖掘更深入的地理信息。