Нормализованный разностный вегетационный индекс - Normalized difference vegetation index

Отрицательные значения NDVI (приближающиеся к -1) соответствуют воде. Значения, близкие к нулю (от -0,1 до 0,1), обычно соответствуют бесплодным участкам из камней, песка или снега. Наконец, низкие и положительные значения соответствуют кустарникам и пастбищам (приблизительно от 0,2 до 0,4), а высокие значения относятся к влажным тропическим лесам умеренного климата (значения приближаются к 1).

Нормализованная разница вегетационного индекса ( NDVI ) представляет собой простой графический индикатор , который может быть использован для анализа дистанционного зондирования измерений, часто с космической платформы , оценки , содержит ли или нет целевой наблюдается живой зеленой растительности .

Краткая история

Точное земледелие NDVI 4 см / пиксель GSD
NDVI в июне над Британскими островами (NOAA AVHRR)
NDVI в октябре над Британскими островами (NOAA AVHRR)
NDVI 6 - среднемесячное значение для Австралии, с 1 декабря 2012 г. по 31 мая 2013 г.

Освоение космического пространства началось всерьез с запуском Спутника 1 по СССР 4 октября 1957 г. Это был первый искусственный спутник на орбите Земли . Последующие успешные запуски как в Советском Союзе (например, программы «Спутник» и « Космос» ), так и в США (например, программа « Эксплорер» ) быстро привели к созданию и эксплуатации специальных метеорологических спутников . Это орбитальные платформы с приборами, специально разработанными для наблюдения за атмосферой и поверхностью Земли с целью улучшения прогнозов погоды . Начиная с 1960 года в серию спутников TIROS вошли телекамеры и радиометры. Позже (1964 г.) последовали спутники Nimbus и семейство усовершенствованных радиометров очень высокого разрешения на борту платформ Национального управления океанических и атмосферных исследований (NOAA). Последний измеряет коэффициент отражения планеты в красном и ближнем инфракрасном диапазонах, а также в тепловом инфракрасном диапазоне. Параллельно с этим НАСА разработало спутник технологии земных ресурсов (ERTS), который стал предшественником программы Landsat . Эти ранние датчики имели минимальное спектральное разрешение, но имели тенденцию включать полосы в красном и ближнем инфракрасном диапазонах, которые полезны для различения растительности и облаков среди других целей.

С запуском первого спутника ERTS, который вскоре должен был быть переименован в Landsat 1, 23 июля 1972 года со своим многоспектральным сканером (MSS) НАСА профинансировало ряд исследований для определения его возможностей для дистанционного зондирования Земли. Одно из этих ранних исследований было направлено на изучение весеннего озеленения растительности и последующего высыхания летом и осенью (так называемое «весеннее продвижение и ретроградация») на всем пространстве с севера на юг региона Великих равнин в центральной части США. Этот регион охватывал широкий диапазон широт от южной оконечности Техаса до границы США и Канады, что привело к широкому диапазону зенитных углов Солнца во время спутниковых наблюдений.

Исследователи этого исследования Великих равнин (аспирант Дональд Диринг и его советник доктор Роберт Хасс) обнаружили, что их способность коррелировать или количественно определять биофизические характеристики пастбищных угодий этого региона по спутниковым спектральным сигналам затруднялась этими различиями. в зенитном угле Солнца через этот сильный широтный градиент. С помощью местного математика (доктора Джона Шелла) они изучили решения этой дилеммы и впоследствии разработали отношение разности красного и инфракрасного излучений к их сумме в качестве средства корректировки или «нормализации» эффектов излучения. зенитный угол Солнца. Первоначально они назвали это соотношение «Индексом растительности» (и другой вариант, преобразование квадратного корня из отношения суммы разности, «Индекс трансформированной растительности»); но поскольку несколько других исследователей дистанционного зондирования идентифицировали простое отношение красного / инфракрасного излучения и другие спектральные отношения как «вегетативный индекс», они в конечном итоге начали определять формулировку отношения разность / сумма как нормализованный разностный индекс растительности. Самое раннее зарегистрированное использование NDVI в исследовании Великих равнин было в 1973 г. Rouse et al. (Доктор Джон Роуз был директором Центра дистанционного зондирования Техасского университета A&M, где проводилось исследование Великих равнин). Однако им предшествовала формулировка нормализованного разностного спектрального индекса Kriegler et al. в 1969 году. Вскоре после запуска ERTS-1 (Landsat-1) Комптон Такер из Центра космических полетов имени Годдарда НАСА опубликовал серию ранних научных журнальных статей, описывающих использование NDVI.

Таким образом, NDVI был одной из самых успешных из многих попыток простого и быстрого определения участков с растительностью и их «состояния», и он остается наиболее известным и используемым индексом для обнаружения пологов живых зеленых растений в данных многоспектрального дистанционного зондирования. После того, как была продемонстрирована возможность обнаружения растительности, пользователи стали использовать NDVI для количественной оценки фотосинтетической способности покровов растений. Однако это может быть более сложным мероприятием, если не будет выполнено должным образом, как обсуждается ниже.

Обоснование

Типичный спектр действия PAR показан рядом со спектрами поглощения хлорофилла-A, хлорофилла-B и каротиноидов.

Живые зеленые растения поглощают солнечную радиацию в спектральной области фотосинтетически активной радиации (ФАР), которую они используют в качестве источника энергии в процессе фотосинтеза . Листовые клетки также эволюционировали, чтобы повторно излучать солнечное излучение в ближней инфракрасной области спектра (которая несет примерно половину всей поступающей солнечной энергии), потому что энергия фотонов на длинах волн более 700 нанометров слишком мала для синтеза органических молекул. Сильное поглощение на этих длинах волн приведет только к перегреву растения и, возможно, повреждению тканей. Следовательно, живые зеленые растения кажутся относительно темными в PAR и относительно яркими в ближнем инфракрасном диапазоне. Напротив, облака и снег имеют тенденцию быть довольно яркими в красном (а также в других видимых длинах волн) и довольно темными в ближнем инфракрасном диапазоне. Пигмент листьев растений, хлорофилл, сильно поглощает видимый свет (от 0,4 до 0,7 мкм) для использования в фотосинтезе. С другой стороны, клеточная структура листьев сильно отражает ближний инфракрасный свет (от 0,7 до 1,1 мкм). Чем больше у растения листьев, тем больше влияет на эти длины волн света. Поскольку ранние инструменты наблюдения Земли, такие как ERTS НАСА и AVHRR NOAA , получали данные в видимом и ближнем инфракрасном диапазонах, было естественным использовать сильные различия в отражательной способности растений для определения их пространственного распределения на этих спутниковых изображениях.

NDVI рассчитывается на основе этих отдельных измерений следующим образом:

где Red и NIR обозначают измерения спектральной отражательной способности, полученные в красной (видимой) и ближней инфракрасной областях соответственно. Эти спектральные коэффициенты отражения сами по себе являются отношениями отраженного от входящего излучения в каждой спектральной полосе индивидуально, следовательно, они принимают значения от 0,0 до 1,0. Таким образом, по дизайну сам NDVI варьируется от -1,0 до +1,0. NDVI функционально, но не линейно, эквивалентен простому соотношению инфракрасный / красный (NIR / VIS). Таким образом, преимущество NDVI перед простым соотношением инфракрасного / красного света обычно ограничивается любой возможной линейностью его функциональной связи со свойствами растительности (например, биомассой). Простое соотношение (в отличие от NDVI) всегда положительно, что может иметь практические преимущества, но также имеет математически бесконечный диапазон (от 0 до бесконечности), что может быть практическим недостатком по сравнению с NDVI. Также в этом отношении обратите внимание, что член VIS в числителе NDVI только масштабирует результат, тем самым создавая отрицательные значения. NDVI функционально и линейно эквивалентен отношению NIR / (NIR + VIS), которое находится в диапазоне от 0 до 1 и, таким образом, никогда не бывает отрицательным или безграничным по диапазону. Но самая важная концепция в понимании алгебраической формулы NDVI заключается в том, что, несмотря на свое название, это преобразование спектрального отношения (NIR / VIS), и оно не имеет функционального отношения к спектральной разнице (NIR-VIS).

В общем, если в ближнем инфракрасном диапазоне отраженного излучения гораздо больше отраженного излучения, чем в видимом диапазоне, то растительность в этом пикселе, вероятно, будет густой и может содержать какой-то тип леса. Последующая работа показала, что NDVI напрямую связан с фотосинтетической способностью и, следовательно, с поглощением энергии растительным покровом. Хотя индекс допускает изменение от -1 до 1, даже в более густонаселенных городских районах значение нормального NDVI является положительным, хотя и ближе к нулю. Отрицательные значения с большей вероятностью будут нарушены в атмосфере и некоторых конкретных материалах .

Производительность и ограничения

Окружающие поля и водоемы, такие как плотина на северо-востоке, помогают маскироваться высокими значениями в Понта-Гросса , на юге Бразилии.

Из его математического определения видно, что NDVI области, содержащей густой растительный покров, будет стремиться к положительным значениям (скажем, от 0,3 до 0,8), в то время как облака и снежные поля будут характеризоваться отрицательными значениями этого индекса. Другие цели на Земле, видимые из космоса, включают:

  • свободно стоящая вода (например, океаны, моря, озера и реки), которые имеют довольно низкий коэффициент отражения в обоих спектральных диапазонах (по крайней мере, вдали от берега) и, таким образом, приводят к очень низким положительным или даже слегка отрицательным значениям NDVI,
  • почвы, которые обычно демонстрируют спектральный коэффициент отражения в ближней инфракрасной области, несколько больший, чем красный, и, таким образом, также имеют тенденцию генерировать довольно небольшие положительные значения NDVI (скажем, от 0,1 до 0,2).

В дополнение к простоте алгоритма и его способности широко отличать покрытые растительностью области от других типов поверхностей, NDVI также имеет преимущество сжатия размера данных, которыми нужно манипулировать, в 2 раза (или более), поскольку он заменяет две спектральные полосы одним новым полем (в конечном итоге закодированным на 8 битах вместо 10 или более битов исходных данных).

NDVI широко использовался в приложениях, для которых он изначально не был разработан. Использование NDVI для количественных оценок (в отличие от качественных обследований, как указано выше) поднимает ряд вопросов, которые могут серьезно ограничить фактическую полезность этого индекса, если они не будут должным образом решены. В следующих подразделах рассматриваются некоторые из этих проблем.

  • Математически сумма и разность двух спектральных каналов содержат ту же информацию, что и исходные данные, но одна разница (или нормализованная разница) несет только часть исходной информации. Вопрос о том, является ли недостающая информация актуальной или ценной, может судить пользователь, но важно понимать, что продукт NDVI несет только часть информации, доступной в исходных данных спектрального отражения.
  • Сгенерированный нормализованный индекс разницы растительности (NDVI) на основе спутниковых изображений
    Пользователи NDVI склонны оценивать большое количество свойств растительности по значению этого индекса. Типичные примеры включают индекс площади листа , биомассу , концентрацию хлорофилла в листьях, продуктивность растений, фракционный растительный покров, накопленные осадки и т. Д. Такие отношения часто выводятся путем корреляции значений NDVI, полученных из космоса, с измеренными на земле значениями этих переменных. Этот подход поднимает дополнительные вопросы, связанные с пространственным масштабом, связанным с измерениями, поскольку спутниковые датчики всегда измеряют количества излучения для областей, значительно больших, чем те, которые измеряются полевыми приборами. Кроме того, конечно, нелогично утверждать, что все эти отношения имеют место одновременно, потому что это означало бы, что все эти экологические свойства будут прямо и недвусмысленно связаны между собой.
  • Измерения отражательной способности должны производиться относительно одной и той же площади и производиться одновременно. Этого может быть нелегко достичь с помощью инструментов, которые получают разные спектральные каналы через разные камеры или фокальные плоскости. Неправильная регистрация спектральных изображений может привести к существенным ошибкам и непригодным для использования результатам.

Кроме того, расчет значения NDVI оказывается чувствительным к ряду возмущающих факторов, включая

  • Атмосферные эффекты: фактический состав атмосферы (в частности, в отношении водяного пара и аэрозолей) может существенно повлиять на измерения, проводимые в космосе. Следовательно, последнее может быть неверно истолковано, если эти эффекты не будут должным образом приняты во внимание (как в случае, когда NDVI рассчитывается непосредственно на основе необработанных измерений).
  • Облака: глубокие (оптически толстые) облака могут быть весьма заметны на спутниковых снимках и давать характерные значения NDVI, облегчающие их экранирование. Однако тонкие облака (такие как вездесущие перистые облака) или небольшие облака с типичными линейными размерами меньше, чем диаметр области, фактически взятой датчиками, могут значительно испортить измерения. Точно так же тени облаков в областях, которые кажутся прозрачными, могут повлиять на значения NDVI и привести к неправильной интерпретации. Эти соображения сводятся к минимуму путем формирования составных изображений из ежедневных или почти ежедневных изображений. Составные изображения NDVI привели к появлению большого количества новых приложений для растительности, в которых NDVI или фотосинтетическая способность меняются со временем.
  • Воздействие на почву: при намокании почвы имеют тенденцию темнеть, поэтому их отражательная способность напрямую зависит от содержания воды. Если спектральная реакция на увлажнение в двух спектральных диапазонах не совсем одинакова, может показаться, что NDVI области изменяется в результате изменений влажности почвы (осадки или испарение), а не из-за изменений растительности.
  • Анизотропные эффекты: все поверхности (природные или искусственные) по-разному отражают свет в разных направлениях, и эта форма анизотропии обычно спектрально зависит, даже если общая тенденция может быть схожей в этих двух спектральных диапазонах. В результате значение NDVI может зависеть от конкретной анизотропии цели и от угловой геометрии освещения и наблюдения во время измерений и, следовательно, от положения интересующей цели в полосе обзора инструмента или время прохождения спутника над площадкой. Это особенно важно при анализе данных AVHRR, поскольку орбита платформ NOAA имеет тенденцию дрейфовать во времени. В то же время использование составных изображений NDVI сводит к минимуму эти соображения и привело к глобальным наборам данных NDVI временных рядов, охватывающим более 25 лет.
  • Спектральные эффекты: поскольку каждый датчик имеет свои собственные характеристики и характеристики, в частности, в отношении положения, ширины и формы спектральных диапазонов, одна формула, такая как NDVI, дает разные результаты при применении к измерениям, полученным с помощью разных инструментов.
  • Задача изменяемой площади (MAUP): NDVI повсеместно используется в качестве индекса растительности. Поскольку картографирование и мониторинг растительности осуществляется с помощью систем обработки изображений « больших данных ». Эти системы могут использовать алгоритмы на основе пикселей или объектов для оценки состояния растительности, суммарного испарения и других функций экосистемы. Когда категория растительности состоит из нескольких пикселей, расчет «среднего» может быть средним значением NDVI для каждого пикселя (на основе пикселей) или средним значением красного и средним значениями NIR для всех пикселей, в которых среднее значение NDVI является их отношением (на основе объекта). NDVI может страдать от неразрешимых проблем, связанных с MAUP. В частности, недавнее исследование продемонстрировало, что при оценке средних значений NDVI для определенных буферных расстояний масштаб анализа может влиять на показатели NDVI из-за наличия масштабных эффектов, связанных с MAUP. Другое исследование показало, что MAUP не оказывает значительного влияния на пиксели чистой растительности в городской среде.

В научной литературе был предложен ряд производных и альтернатив NDVI для устранения этих ограничений, включая Индекс перпендикулярной растительности, Индекс растительности с поправкой на почву, Индекс устойчивости к атмосферным воздействиям и Индекс глобального мониторинга окружающей среды. В каждом из них была предпринята попытка включить внутреннюю поправку на один или несколько возмущающих факторов. Однако только в середине 1990-х годов было предложено новое поколение алгоритмов для непосредственной оценки представляющих интерес биогеофизических переменных (например, фракции поглощенной фотосинтетически активной радиации или FAPAR ) с использованием преимуществ улучшенной производительности и характеристик современные датчики (в частности, их многоспектральные и многоугольные возможности), чтобы учесть все возмущающие факторы. Несмотря на множество возможных возмущающих факторов на NDVI, он остается ценным инструментом количественного мониторинга растительности, когда фотосинтетическая способность поверхности суши требует изучения в соответствующем пространственном масштабе для различных явлений.

Применение в сельском хозяйстве

В точном земледелии данные NDVI позволяют измерить здоровье сельскохозяйственных культур. Сегодня это часто связано с сельскохозяйственными дронами , которые работают в паре с NDVI для сравнения данных и выявления проблем со здоровьем сельскохозяйственных культур. Одним из примеров этого являются сельскохозяйственные дроны от PrecisionHawk и Sentera, которые позволяют земледельцам собирать и обрабатывать данные NDVI в течение одного дня, в отличие от традиционных способов использования NDVI и их длительного времени задержки. Многие из проведенных в настоящее время исследований доказали, что изображения NDVI могут быть получены даже с использованием обычных цифровых RGB-камер путем некоторых модификаций, чтобы получить результаты, аналогичные результатам, полученным с многоспектральных камер, и могут быть эффективно реализованы в системах мониторинга здоровья растений. .

Смотрите также

Заметки

Рекомендации

  • Диринг, Д.В. 1978. Характеристики отражательной способности пастбищ, измеренные датчиками самолетов и космических кораблей. Кандидат наук. Дисс. Техасский университет A&M, Колледж-Стейшн, 338 стр.
  • Диринг Д.У., Дж. У. Роуз младший, Р. Х. Хаас и Дж. А. Шелл. 1975. Измерение «кормопроизводства» пастбищ по данным Landsat MSS, стр. 1169–1178. В Proc. Десятый Int. Symp. по дистанционному зондированию окружающей среды. Univ. Мичиган, Анн-Арбор.
  • Rouse, JW, Jr., RH Haas, JA Schell и DW Deering. 1973. Мониторинг весеннего наступления и ретроградации (эффект зеленой волны) естественной растительности. Прог. Rep. RSC 1978-1, Центр дистанционного зондирования, Техасский университет A&M, Колледж-Стейшн, 93 стр. (NTIS № E73-106393)
  • Rouse, JW, RH Haas, JA Schell и DW Deering (1973) «Мониторинг систем растительности на Великих равнинах с помощью ERTS», Третий симпозиум ERTS , NASA SP-351 I, 309-317.
  • Такер, К.Дж. (1979) «Линейные комбинации красного и фотографического инфракрасного излучения для мониторинга растительности», Дистанционное зондирование окружающей среды , 8 (2) , 127-150.

Внешние ссылки