除了DLA Ganos本身提供的UDF算子之外，您也可以通过自定义UDF来扩展DLA Ganos的功能，从而更加方便地与业务系统对接。

操作步骤

本文以计算归一化植被指数（NDVI）为例，来展示如何基于DLA Ganos实现用户自定义的UDF算子。

  1. 初始化SparkSession与DLA Ganos
      implicit val spark = SparkSession
    .builder()
    .master("local[*]")
    .appName(getClass.getName)
    .withKryoSerialization
    .getOrCreate()
    .withGanosRaster

  import spark.implicits._
  2. 加载栅格数据图层
    def readTiff(name: String) =
    SinglebandGeoTiff(IOUtils.toByteArray(getClass.getResourceAsStream(s"/$name")))
def redBand = readTiff("L8-B4-Elkton-VA.tiff").projectedRaster.toLayer("red_band")
def nirBand = readTiff("L8-B5-Elkton-VA.tiff").projectedRaster.toLayer("nir_band")
  3. 自定义UDF算子
     val ndvi = udf((red: Tile, nir: Tile) => {
    val redd = red.convert(DoubleConstantNoDataCellType)
    val nird = nir.convert(DoubleConstantNoDataCellType)
    (nird - redd) / (nird + redd)
  })
  4. 计算NDVI并输出结果
    val df = redBand.spatialJoin(nirBand).withColumn("ndvi", ndvi($"red_band", $"nir_band")).asLayer
val pr = df.toRaster($"ndvi", 233, 214)
val brownToGreen = ColorRamp(
    RGB(166, 97, 26),
    RGB(223, 194, 125),
    RGB(245, 245, 245),
    RGB(128, 205, 193),
    RGB(1, 133, 113)
  ).stops(128)
val colors = ColorMap.fromQuantileBreaks(pr.tile.histogramDouble(), brownToGreen)
pr.tile.color(colors).renderPng().write("ndvi.png")
    结果输出如下图所示：54