一、NDVI概述
归一化植被指数（Normalized difference vegetation index，简称NDVI）是用于描述地表植被覆盖情况的指数。该指数可通过遥感影像数据计算得出。
二、NDVI计算公式
该指数的计算公式为：
NDVI=(NIR-Red)/(NIR+Red)
其中，NIR代表近红外波段的数值，Red代表红光波段的数值。计算结果范围在-1～1之间，数值越大表示植被覆盖范围越广，数值越小表示存在较多非植被覆盖区域。
三、计算公式解析
NDVI指数是通过近红外光线和红光光线的反射率之间的比值计算得出的，其物理意义可以理解为反映出植被的绿度。因为植被在近红外波段和红光波段的反射率不同，可以通过计算不同波段的光线反射率之间的比值，来描述植被的分布情况。
当植被覆盖度较高时，物体表面的反射率主要来源于光线的反射，而非散射。此时，近红外波段反射率较高，植被的吸收较少，红光波段反射率较低，植被吸收较多，因此NDVI值较大。
相反，当非植被占据更多的土地时，总的反射率也更多地来自于光线的散射。此时，近红外波段反射率较低，植被的吸收较多，红光波段反射率较高，植被吸收较少，因此NDVI值较小。
四、NDVI在遥感图像处理中的应用
NDVI指数广泛应用于遥感图像处理中，可以用于植被覆盖度的评估、荒漠化地区的监测和土地利用变化的研究等方面。
例如，NDVI指数可以用于获取某片地区的植被分布情况，判断是否存在植被退化和荒漠化等情况。此外，通过比较不同时间段的NDVI指数图，还可以判断土地利用变化情况，并辅助制定相关的农业和环境政策。
五、完整代码示例
#导入需要用到的库
import numpy as np
import gdal
#读取遥感图像数据
filename = "image.tif"
dataset = gdal.Open(filename)
#获取红光波段和近红外波段
band_red = dataset.GetRasterBand(1).ReadAsArray()
band_nir = dataset.GetRasterBand(4).ReadAsArray()
#计算NDVI值
ndvi = (band_nir - band_red) / (band_nir + band_red)
#输出结果
print("NDVI值：", np.nanmean(ndvi))