Saltar al contenido
Volver a los resultados

NDVI

Propuesto por
Rouse, Haas, Schell, and Deering
Año
1973
Tipo
Spectral index for vegetation assessment
Familia
Remote sensing vegetation monitoring

Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés

Tamaño de letra

¿Qué hace?

El Índice de Vegetación de Diferencia Normalizada (NDVI, por sus siglas en inglés) es un índice espectral calculado a partir de imágenes multiespectrales satelitales o aéreas que cuantifica el verdor y la vitalidad de la vegetación.

Introducido por Rouse y colegas en 1973 utilizando datos de Landsat, el NDVI se ha convertido en la métrica de teledetección más utilizada para el monitoreo de la vegetación, la evaluación de sequías, la predicción de la productividad de cultivos y la detección de cambios en la cobertura terrestre.

La intuición detrás del método

La vegetación refleja poca luz visible (roja) pero refleja una gran fracción de luz infrarroja cercana (NIR) debido a la estructura y el contenido de clorofila de las hojas. El NDVI explota este contraste: NDVI = (NIR - Rojo) / (NIR + Rojo), donde NIR y Rojo son la reflectancia medida por satélite en esas bandas. El NDVI varía de -1 a +1: valores cercanos a -1 indican agua (absorbe NIR), 0 indica suelo desnudo, y +0.5 a +0.9 indican vegetación densa y saludable. Las series temporales de NDVI revelan ciclos estacionales (enverdecimiento de la vegetación en primavera, senescencia en otoño) y variabilidad interanual vinculada a la disponibilidad de agua.

Historia

Introducido en 1973 utilizando datos del Escáner Multiespectral de Landsat, el NDVI se convirtió rápidamente en el índice de vegetación estándar para la agricultura, la silvicultura y el monitoreo de sequías. El lanzamiento del Radiómetro Avanzado de Muy Alta Resolución (AVHRR) en 1981 y posteriormente MODIS (1999) permitió el monitoreo diario global del NDVI. El Índice de Salud de la Vegetación (VHI) de la NOAA, que combina NDVI y temperatura de la superficie terrestre, se volvió operativo para la alerta temprana de sequías. Los desarrollos recientes incluyen la fusión de datos de alta resolución (Planet, Maxar) con datos de baja resolución (MODIS) y aprendizaje profundo para la detección de fenología.

Cuándo usarlo

Utilice el NDVI para monitorear la salud de la vegetación a escalas regionales a globales, evaluar los impactos de la sequía, pronosticar los rendimientos de los cultivos y detectar cambios en la cobertura terrestre. El NDVI funciona mejor para evaluaciones a gran escala (resolución de píxel >10 m) y es menos útil para la gestión a escala local donde se necesita detalle a nivel de campo. Combine el NDVI con otros índices (EVI, SAVI) para mayor robustez y con datos de precipitación/temperatura para interpretar los impulsores.

Limitaciones y consideraciones

  • Se satura a alta densidad de vegetación; dos bosques densos con diferente estructura aparecen similares en NDVI.
  • Sensible a efectos atmosféricos (aerosoles, nubes) que introducen ruido a menos que se corrijan cuidadosamente.
  • No puede distinguir el tipo o la calidad de la vegetación; las malezas saludables aparecen similares a los cultivos saludables.
  • La resolución temporal depende de la cobertura de nubes y la frecuencia de revisita del satélite; ocurren brechas en regiones nubosas.

Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.

Fortalezas

  • Simple y computacionalmente rápido, requiere solo dos bandas satelitales ampliamente disponibles en sensores y archivos.
  • Continuo espacialmente, lo que permite la evaluación en regiones que carecen de observaciones de campo o infraestructura terrestre.
  • Fuerte relación empírica con el índice de área foliar (LAI), las tasas de fotosíntesis y la biomasa.
  • Amplio archivo temporal (Landsat desde 1972, MODIS desde 2000) que permite el análisis de tendencias decenales.

Aplicaciones

  • Alerta temprana de sequías: monitoreo de anomalías del NDVI para emitir alertas de estrés hídrico antes del fallo de los cultivos, guiando la respuesta de emergencia.
  • Predicción del rendimiento de cultivos: correlación de trayectorias estacionales del NDVI con la cosecha final de granos para pronosticar la producción antes del final de la temporada.
  • Detección de deforestación y cambios en la cobertura terrestre: seguimiento de la disminución del NDVI para identificar la pérdida de bosques y caracterizar las transiciones de uso de la tierra.
  • Evaluación de la salud de los pastizales: uso de tendencias del NDVI para evaluar el sobrepastoreo, la recuperación de la sequía y la capacidad de carga en regiones pastoriles.

Cómo funciona

Cómo funciona

1

Se adquieren imágenes satelitales multiespectrales (Landsat, Sentinel, MODIS, Copernicus) con al menos bandas roja e infrarroja cercana. Los datos se calibran radiométricamente a reflectancia en el sensor.

2

Se aplica corrección atmosférica para convertir la reflectancia en el sensor a reflectancia superficial, teniendo en cuenta aerosoles, vapor de agua y dispersión de Rayleigh. Se enmascaran los píxeles de nubes y sombras de nubes.

3

Para cada píxel, se extraen las reflectancias en la banda roja (0.6–0.7 µm) y la banda infrarroja cercana (0.8–1.0 µm).

4

El NDVI se calcula como (NIR - Rojo) / (NIR + Rojo) para cada píxel. Se generan pilas de series temporales de NDVI a intervalos regulares (diarios para MODIS, 5–10 días para Landsat/Sentinel) para seguir la variación estacional e interanual.

5

Los mapas de NDVI revelan patrones espaciales de abundancia de vegetación. Las series temporales se analizan para determinar el pico de verdor, la duración de la temporada de crecimiento y las anomalías inducidas por la sequía. Las tendencias se correlacionan con la precipitación, la temperatura y los cambios en la gestión de la tierra.

Errores comunes

  • Malinterpretación de la variación espacial del NDVI sin tener en cuenta el brillo del fondo del suelo, que afecta al NDVI en áreas escasamente vegetadas.
  • Comparación de NDVI entre diferentes satélites o algoritmos de corrección atmosférica sin armonización.
  • Uso excesivo del NDVI en regiones tropicales donde la abundancia de aerosoles atmosféricos varía fuertemente, introduciendo sesgos sistemáticos.

Preguntas frecuentes

¿Por qué usar NDVI en lugar de solo observar la reflectancia roja?

La reflectancia roja por sí sola no tiene en cuenta el fondo del suelo. Un suelo oscuro y un dosel de plantas escaso tienen baja reflectancia roja. Al normalizar la diferencia entre NIR y rojo por su suma, el NDVI aísla la señal de la vegetación del suelo. El índice resultante se correlaciona fuertemente con el área foliar, la fotosíntesis y la biomasa.

¿Cuáles son los valores típicos de NDVI para diferentes cubiertas terrestres?

Agua y nieve: < 0.1; suelo desnudo: 0.1–0.2; pastizales y matorrales: 0.2–0.5; cultivos (dependiendo de la etapa de crecimiento): 0.3–0.8; bosque denso: 0.6–0.9. Los valores varían estacionalmente (bajos en invierno, pico a mediados de verano en regiones templadas).

¿Cómo afecta la cobertura de nubes al monitoreo del NDVI?

Las nubes bloquean completamente la vista del satélite; los píxeles nublados se enmascaran y deben interpolarse o omitirse. En regiones tropicales con cobertura de nubes persistente, los datos útiles de NDVI pueden ser infrecuentes (< 50% de observaciones claras). Los índices basados en radar (no afectados por las nubes) como la retrodispersión derivada del NDVI proporcionan alternativas en áreas nubosas.

¿Puede el NDVI distinguir entre tipos de cultivos?

No directamente. El NDVI refleja el verdor, no la identidad del cultivo. El trigo y la cebada tienen trayectorias de NDVI similares. Sin embargo, la sincronización fenológica (fecha del pico de NDVI, duración de la temporada de crecimiento) puede diferir entre cultivos, lo que permite la clasificación de cultivos cuando se combina con datos meteorológicos u observaciones de campo.

Métodos relacionados

Fuentes

  1. Rouse, J. W., Haas, R. H., Schell, J. A., & Deering, D. W. (1973). Monitoring vegetation systems in the Great Plains with ERTS. Third Earth Resources Technology Satellite Symposium Proceedings, 1, 309-317.

    Abrir referencia de la publicación
    Copiado.
  2. Jackson, R. D. (1983). Spectral indices in n-space. Remote Sensing of Environment, 13(5), 409-421.

    Abrir referencia DOI
    Copiado.