Индекс растительности

6-месячный средний NDVI для Австралии, 1 декабря 2012 г. — 31 мая 2013 г. ^[1]

Индекс растительности ( VI ) представляет собой спектральное преобразование изображений двух или более каналов изображения, предназначенное для усиления вклада свойств растительности и обеспечения надежных пространственных и временных сравнений наземной фотосинтетической активности и структурных изменений полога . ^{[2] [3]}

Существует множество VI, многие из которых функционально эквивалентны. Многие из индексов используют обратную зависимость между красным и ближним инфракрасным отражением, связанным со здоровой зеленой растительностью. С 1960-х годов ученые использовали спутниковое дистанционное зондирование для мониторинга колебаний растительности на поверхности Земли. Измерения атрибутов растительности включают индекс листовой поверхности (LAI), процент зеленого покрытия, содержание хлорофилла, зеленую биомассу и поглощенную фотосинтетически активную радиацию (APAR).

VI исторически классифицировались на основе ряда атрибутов, включая количество спектральных полос (2 или более 2); метод вычислений (пропорциональный или ортогональный), в зависимости от требуемой цели; или по их историческому развитию (классифицировались как VI первого поколения или VI второго поколения). ^[4] Для сравнения эффективности различных VI Лион, Юань и др. (1998) ^[5] классифицировали 7 VI на основе их методов вычисления (вычитание, деление или рациональное преобразование). Благодаря достижениям в технологии гиперспектрального дистанционного зондирования теперь доступны спектры отражения высокого разрешения, которые можно использовать с традиционными многоспектральными VI. Кроме того, VI были разработаны для использования специально с гиперспектральными данными, такими как использование индексов растительности узкой полосы.

Использует

Индексы растительности использовались для:

• изучить климатические тенденции ; ^[6]
• оценить содержание воды в почвах дистанционно; ^{[7] [8]}
• контролировать засуху ; ^{[9] [10] [11]}
• график орошения сельскохозяйственных культур , ^[12] управление сельскохозяйственными культурами; ^[13]
• контролировать испарение и транспирацию растений . ^[14]
• оценить изменения в биоразнообразии ^[15]
• классифицировать растительность ^[16]
• обнаружение и количественная оценка болезней сельскохозяйственных культур ^[17]

Типы индекса растительности

Индекс мультиспектральной растительности

NDVI через Landsat 8, примененный к городской территории Понта-Гроса , южная Бразилия

• Индекс соотношения растительности (RVI): определяется как соотношение между красным и ближним инфракрасным светом мультиспектральных изображений ^[18]
• Нормализованный индекс разницы растительности (NDVI): наиболее часто используемый индекс дистанционного зондирования ^[19] , который вычисляет отношение разницы и суммы между ближним инфракрасным и красным диапазонами многоспектральных изображений. Обычно принимает значения от -1 до +1. В основном используется при мониторинге динамики растительности, ^[20] включая количественную оценку биомассы.
• Преобразование Каута-Томаса с кисточкой: спектральный индекс улучшения, который преобразует спектральную информацию спутниковых данных в спектральные характеристики ^{[21] [22] [23]}
• Инфракрасный индекс
• Нормализованный разностный водный индекс
• Индекс перпендикулярной растительности
• Зелень над голой почвой
• Индекс водного стресса: спектральный индекс, который измеряет уровень водного стресса в листьях ^[24]
• Индекс содержания воды в листьях (LWCI) ^[25]
• Индекс MidIR
• Индекс растительности, скорректированный по почве (SAVI): скорректированная форма NDVI, разработанная для минимизации влияния яркости почвы на спектральные индексы растительности, особенно в районах с высоким содержанием почвы ^[26]
• Модифицированный SAVI: в основном применяется в районах с низкими показателями NDVI.
• Индекс атмосферостойкости растительности
• Индекс устойчивости почвы и растительности к атмосферным воздействиям
• Enhanced Vegetation Index (EVI): Очень похоже на NDVI. Единственное отличие в том, что он корректирует атмосферный и пологовой фоновый шум, особенно в регионах с высокой биомассой
• Новый индекс растительности
• Индекс свободной от аэрозолей растительности
• Треугольный индекс растительности
• Сокращенное простое отношение
• Видимый индекс атмосферной устойчивости
• Нормализованный индекс накопленной разницы
• Индекс взвешенной разницы растительности (WDVI)
• Фракция поглощенной фотосинтетически активной радиации (ФАР)
• Нормализованный индекс разности зелени (NDGI)
• Индекс стресса температуры и растительности (TVWSI) ^[27]

Индекс гиперспектральной растительности

С появлением гиперспектральных данных индекс растительности был разработан специально для гиперспектральных данных.

• Дискретно-полосный нормализованный индекс разности растительности
• Индекс желтизны
• Индекс фотохимического отражения
• Дискретно-полосный нормализованный разностный индекс воды
• Определение положения красного края
• Прогноз содержания хлорофилла в культурах
• Индекс моментного расстояния (MDI)

Расширенные индексы растительности

С появлением машинного обучения определенные алгоритмы могут использоваться для определения индексов растительности из данных. Это позволяет учитывать все спектральные диапазоны и обнаруживать скрытые параметры, которые могут быть полезны для усиления этих индексов растительности. Таким образом, они могут быть более устойчивыми к изменениям освещенности, теням или даже некалиброванным изображениям, если эти артефакты присутствуют в обучающих данных.

• Синтез индексов растительности с использованием генетического программирования ^[28]
• Мягкий вычислительный подход для выбора и объединения спектральных полос ^[29]
• DeepIndices: индексы дистанционного зондирования, основанные на аппроксимации функций посредством глубокого обучения ^[30]

Смотрите также

• Коэффициент урожая

Ссылки

1. Данные загружены из «Австралийского бюро метеорологии».13 июня 2018 г., нанесено на карту в R 14 июня 2018 г.
2. Huete, A.; Didan, K.; Miura, T.; Rodriguez, EP; Gao, X.; Ferreira, LG (2002). «Обзор радиометрических и биофизических характеристик индексов растительности MODIS». Дистанционное зондирование окружающей среды . 83 (1–2): 195–213. Bibcode : 2002RSEnv..83..195H. doi : 10.1016/S0034-4257(02)00096-2.
3. Карлос, Перес Гутьеррес; Муньос Ньето, Анхель Луис. Teledeteccion: Nociones y Aplicaciones (на испанском языке). Испания. п. 144. ИСБН 978-84-611-1613-3. Получено 17 октября 2024 г. .
4. Баннари, А.; Морин, Д.; Бонн, Ф.; Хьюте, А. Р. (1995-08-01). «Обзор индексов растительности». Remote Sensing Reviews . 13 (1–2): 95–120. doi :10.1080/02757259509532298. ISSN  0275-7257.
5. Lyon, John G (1998). «Эксперимент по обнаружению изменений с использованием индексов растительности». Фотограмметрическая инженерия и дистанционное зондирование : 143–150. CiteSeerX 10.1.1.462.2056 . 
6. Эклунд, Л.; Олссон, Л. (2003). "Тенденции индекса растительности для африканского Сахеля 1982-1999". Geophysical Research Letters . 30 (8): 1430. Bibcode : 2003GeoRL..30.1430E. doi : 10.1029/2002GL016772 . ISSN  0094-8276. S2CID  129096989.
7. Gillies, RR; Kustas, WP; Humes, KS (1997). "Проверка метода 'треугольника' для получения поверхностной влажности почвы и потоков энергии из дистанционных измерений нормализованного индекса разности растительности (NDVI) и поверхностного e". Международный журнал дистанционного зондирования . 18 (15): 3145–3166. Bibcode : 1997IJRS...18.3145G. doi : 10.1080/014311697217026. ISSN  0143-1161.
8. Sandholt, Inge; Rasmussen, Kjeld; Andersen, Jens (2002). "Простая интерпретация пространства индекса температуры поверхности/растительности для оценки состояния влажности поверхности". Remote Sensing of Environment . 79 (2–3): 213–224. Bibcode :2002RSEnv..79..213S. doi :10.1016/S0034-4257(01)00274-7. ISSN  0034-4257.
9. Peters, AJ; Walter-Shea, EA; Ji, L.; Vliia, A.; Hayes, M.; Svoboda, MD (2002). «Мониторинг засухи с использованием стандартизированного индекса растительности на основе NDVI» (PDF) . Photogrammetric Engineering & Remote Sensing . 68 (1): 71–75 . Получено 16 мая 2018 г. .
10. Коган, Ф. Н. (1995). «Применение индекса растительности и яркостной температуры для обнаружения засухи». Advances in Space Research . 15 (11): 91–100. Bibcode : 1995AdSpR..15k..91K. doi : 10.1016/0273-1177(95)00079-T. ISSN  0273-1177.
11. Ван, З.; Ван, П.; Ли, Х. (2004). «Использование MODIS Land Surface Temperature и Normalized Difference Vegetation Index для мониторинга засухи на юге Великих равнин, США». Международный журнал дистанционного зондирования . 25 (1): 61–72. Bibcode : 2004IJRS...25...61W. doi : 10.1080/0143116031000115328. ISSN  0143-1161. S2CID  129234540.
12. Джонс, Х. Г. (2004). «Планирование орошения: преимущества и недостатки методов, основанных на растениях». Журнал экспериментальной ботаники . 55 (407): 2427–2436. doi : 10.1093/jxb/erh213 . ISSN  1460-2431. PMID  15286143.
13. Пинтер, младший, Пол Дж.; Хэтфилд, Джерри Л.; Шеперс, Джеймс С.; Барнс, Эдвард М.; Моран, М. Сьюзан; Дотри, Крейг СТ; Апчерч, Дэн Р. (2003). «Дистанционное зондирование для управления урожаем». Фотограмметрическая инженерия и дистанционное зондирование . 69 (6): 647–664. doi : 10.14358/PERS.69.6.647 . ISSN  0099-1112.
14. Кустас, WP; Норман, JM (2009). «Использование дистанционного зондирования для мониторинга эвапотранспирации на поверхности суши». Журнал гидрологических наук . 41 (4): 495–516. doi :10.1080/02626669609491522. ISSN  0262-6667.
15. Петторелли, Натали; Райан, Сэди; Мюллер, Томас; Буннефельд, Нильс; Енджеевска, Богумила; Лима, Маурисио; Каусруд, Кирре (2011). "Нормализованный индекс различий вегетации (NDVI): непредвиденные успехи в экологии животных" (PDF) . Climate Research . 46 (1): 15–27. Bibcode :2011ClRes..46...15P. doi : 10.3354/cr00936 . ISSN  0936-577X. JSTOR  24872307.
16. Ллойд, Дэниел (1990). «Фенологическая классификация наземного растительного покрова с использованием изображений индекса коротковолновой растительности». Международный журнал дистанционного зондирования . 11 (12): 2269–2279. Bibcode : 1990IJRS...11.2269L. doi : 10.1080/01431169008955174. ISSN  0143-1161.
17. Mahlein, AK; Rumpf, T.; Welke, P.; Dehne, HW; Plümer, L.; Steiner, U.; Oerke, EC (январь 2013 г.). «Разработка спектральных индексов для обнаружения и идентификации болезней растений». Дистанционное зондирование окружающей среды . 128 : 21–30. Bibcode :2013RSEnv.128...21M. doi :10.1016/j.rse.2012.09.019.
18. Джордан, Карл Ф. (июль 1969). «Вывод индекса площади листьев из качества света на лесной подстилке». Экология . 50 (4): 663–666. Bibcode : 1969Ecol...50..663J. doi : 10.2307/1936256. ISSN  0012-9658. JSTOR  1936256.
19. Бхандари, АК; Кумар, А.; Сингх, ГК (2012). «Извлечение признаков с использованием нормализованного индекса различий вегетации (NDVI): пример города Джабалпур». Procedia Technology . 6 : 612–621. doi : 10.1016/j.protcy.2012.10.074 . ISSN  2212-0173.
20. Вриелинг, Антон; де Леув, Ян; Саид, Мохаммед (2013-02-22). «Продолжительность периода роста в Африке: изменчивость и тенденции на основе 30-летних временных рядов NDVI». Дистанционное зондирование . 5 (2): 982–1000. Bibcode : 2013RemS....5..982V. doi : 10.3390/rs5020982 . ISSN  2072-4292.
21. Сиве, Рене Нгамабу; Кох, Барбара (2008-01-12). «Анализ вектора изменений для классификации процессов изменения земельного покрова с использованием кисточки шляпки как биофизического индикатора». Мониторинг и оценка окружающей среды . 145 (1–3): 227–235. Bibcode :2008EMnAs.145..227S. doi :10.1007/s10661-007-0031-6. ISSN  0167-6369. PMID  18193332. S2CID  189913689.
22. Юсуф, Рим; АЛЬ-Хакани, Эбтихал (2021). «Оценка степени опустынивания с использованием методов преобразования кисточкой шляпки и спектральных индикаторов: Ирак». Фундаментальные и прикладные науки — научный журнал Университета короля Фейсала . doi : 10.37575/b/sci/0019 . ISSN  1658-0311.
23. Каут Р. Дж. и Г. С. Томас (1976): Кепка с кисточкой — графическое описание спектрально-временного развития сельскохозяйственных культур, полученное с помощью LANDSAT. Труды симпозиума по машинной обработке данных дистанционного зондирования
24. Рок, Б. Н.; Фогельманн, Дж. Э.; Уильямс, Д. Л.; Фогельманн, А. Ф.; Хошизаки, Т. (июль 1986 г.). «Дистанционное обнаружение повреждений леса». BioScience . 36 (7): 439–445. doi :10.2307/1310339. ISSN  1525-3244. JSTOR  1310339.
25. Запись LWCI в базе данных индекса, https://www.indexdatabase.de/db/i-single.php?id=129
26. Huete, AR (август 1988). "Индекс растительности с поправкой на почву (SAVI)". Дистанционное зондирование окружающей среды . 25 (3): 295–309. Bibcode : 1988RSEnv..25..295H. doi : 10.1016/0034-4257(88)90106-X.
27. Джоши, RC; Рю, Д.; Шеридан, GJ; Лейн, PNJ (2021). «Моделирование водного стресса растительности в лесу из космоса: индекс водного стресса растительности (TVWSI)». Remote Sens . 13 (22:4635): 4635. Bibcode : 2021RemS...13.4635J. doi : 10.3390/rs13224635 .
28. Пуэнте, Сезар; Олаге, Густаво; Трабукки, Маттиа; Архона-Вильиканья, П. Давид; Субервьель-Монтальво, Карлос (январь 2019 г.). «Синтез индексов растительности с использованием генетического программирования для оценки эрозии почвы». Дистанционное зондирование . 11 (2): 156. Бибкод : 2019РемС...11..156П. дои : 10.3390/rs11020156 . ISSN  2072-4292.
29. Альбаррасин, Хуан Ф.Х.; Оливейра, Рафаэль С.; Хирота, Марина; дос Сантос, Джеферссон А.; Торрес, Рикардо да С. (январь 2020 г.). «Мягкий вычислительный подход к выбору и объединению спектральных диапазонов». Дистанционное зондирование . 12 (14): 2267. arXiv : 2011.05127 . Бибкод : 2020RemS...12.2267A. дои : 10.3390/rs12142267 . ISSN  2072-4292.
30. Vayssade, Jehan-Antoine; Paoli, Jean-Noël; Gée, Christelle; Jones, Gawain (январь 2021 г.). «DeepIndices: индексы дистанционного зондирования, основанные на аппроксимации функций с помощью глубокого обучения, применение к некалиброванным изображениям растительности». Remote Sensing . 13 (12): 2261. Bibcode :2021RemS...13.2261V. doi : 10.3390/rs13122261 . ISSN  2072-4292.