NDVI
- Autor metody
- Rouse, Haas, Schell, and Deering
- Rok
- 1973
- Typ
- Spectral index for vegetation assessment
- Rodzina
- Remote sensing vegetation monitoring
Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku
Do czego służy?
Znormalizowany Wskaźnik Różnicowy Roślinności (NDVI) to wskaźnik spektralny obliczany na podstawie satelitarnych lub lotniczych obrazów multispektralnych, który kwantyfikuje zieloność i wigor roślinności.
Wprowadzony przez Rouse'a i współpracowników w 1973 roku z wykorzystaniem danych Landsat, NDVI stał się najczęściej stosowaną miarą teledetekcyjną do monitorowania roślinności, oceny suszy, prognozowania produktywności upraw i wykrywania zmian pokrycia terenu.
Intuicja stojąca za metodą
Roślinność odbija niewiele światła widzialnego (czerwonego), ale odbija dużą część światła bliskiej podczerwieni (NIR) ze względu na strukturę liści i zawartość chlorofilu. NDVI wykorzystuje ten kontrast: NDVI = (NIR - Red) / (NIR + Red), gdzie NIR i Red to odbiciowość mierzona przez satelitę w tych pasmach. NDVI przyjmuje wartości od -1 do +1: wartości bliskie -1 wskazują wodę (pochłania NIR), 0 wskazuje gołą glebę, a od +0,5 do +0,9 wskazują gęstą, zdrową roślinność. Szeregi czasowe NDVI ujawniają cykle sezonowe (zielenie roślinności wiosną, starzenie się jesienią) i zmienność międzyroczną związaną z dostępnością wody.
Historia
Wprowadzony w 1973 roku z wykorzystaniem danych Landsat Multispectral Scanner, NDVI szybko stał się standardowym wskaźnikiem roślinności do monitorowania rolnictwa, leśnictwa i suszy. Uruchomienie radiometru AVHRR (Advanced Very High Resolution Radiometer) w 1981 roku, a później MODIS (1999), umożliwiło globalne codzienne monitorowanie NDVI. NOAA's Vegetation Health Index (VHI), łączący NDVI i temperaturę powierzchni ziemi, stał się operacyjny do wczesnego ostrzegania przed suszą. Najnowsze osiągnięcia obejmują fuzję danych o wysokiej rozdzielczości (Planet, Maxar) z danymi o niskiej rozdzielczości (MODIS) oraz uczenie głębokie do wykrywania fenologii.
Kiedy stosować
Wykorzystaj NDVI do monitorowania stanu zdrowia roślinności w skali regionalnej i globalnej, oceny skutków suszy, prognozowania plonów i wykrywania zmian pokrycia terenu. NDVI najlepiej sprawdza się w ocenach wielkoskalowych (rozdzielczość piksela >10 m) i jest mniej przydatny w zarządzaniu lokalnym, gdzie potrzebne są szczegóły na poziomie pola. Połącz NDVI z innymi wskaźnikami (EVI, SAVI) dla zwiększenia odporności i z danymi o opadach/temperaturze do interpretacji czynników napędowych.
Ograniczenia i uwagi
- Nasyca się przy dużej gęstości roślinności; dwa gęste lasy o różnej strukturze wyglądają podobnie w NDVI.
- Wrażliwy na efekty atmosferyczne (aerozole, chmury), które wprowadzają szum, chyba że zostaną starannie skorygowane.
- Nie jest w stanie odróżnić typu ani jakości roślinności; zdrowe chwasty wyglądają podobnie do zdrowych upraw.
- Rozdzielczość czasowa zależy od zachmurzenia i częstotliwości ponownego przelotu satelity; w regionach pochmurnych występują luki.
Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.
Mocne strony
- Prosty i szybki obliczeniowo, wymaga tylko dwóch pasm satelitarnych szeroko dostępnych w różnych czujnikach i archiwach.
- Ciągłość przestrzenna, umożliwiająca ocenę na obszarach pozbawionych obserwacji terenowych lub infrastruktury naziemnej.
- Silna empiryczna zależność od wskaźnika powierzchni liści (LAI), tempa fotosyntezy i biomasy.
- Długi archiwalny zapis czasowy (Landsat od 1972 r., MODIS od 2000 r.) umożliwiający analizę trendów dekadowych.
Zastosowania
- Wczesne ostrzeganie przed suszą: monitorowanie anomalii NDVI w celu wydawania alertów o stresie wodnym przed niepowodzeniem upraw, kierując reakcję kryzysową.
- Prognozowanie plonów: korelacja sezonowych trajektorii NDVI z ostatecznymi zbiorami ziarna w celu prognozowania produkcji przed końcem sezonu.
- Wykrywanie wylesiania i zmian pokrycia terenu: śledzenie spadku NDVI w celu identyfikacji utraty lasów i charakteryzacji przejść użytkowania gruntów.
- Ocena stanu zdrowia pastwisk: wykorzystanie trendów NDVI do oceny nadmiernego wypasu, regeneracji po suszy i zdolności utrzymania zwierząt w regionach pasterskich.
Jak to działa
Jak to działa
Pozyskiwane są multispektralne obrazy satelitarne (Landsat, Sentinel, MODIS, Copernicus) z co najmniej pasmami czerwonym i bliskiej podczerwieni. Dane są kalibrowane radiometrycznie do odbiciowości na poziomie czujnika.
Stosowana jest korekcja atmosferyczna w celu przeliczenia odbiciowości na poziomie czujnika na odbiciowość powierzchniową, uwzględniająca aerozole, parę wodną i rozpraszanie Rayleigha. Piksele chmur i ich cieni są maskowane.
Dla każdego piksela ekstrahuje się odbiciowość w paśmie czerwonym (0,6–0,7 µm) i paśmie bliskiej podczerwieni (0,8–1,0 µm).
NDVI jest obliczany jako (NIR - Red) / (NIR + Red) dla każdego piksela. Generowane są stosy szeregów czasowych NDVI w regularnych odstępach czasu (codziennie dla MODIS, co 5–10 dni dla Landsat/Sentinel) w celu śledzenia zmienności sezonowej i międzyrocznej.
Mapy NDVI ujawniają przestrzenne wzorce obfitości roślinności. Szeregi czasowe są analizowane pod kątem szczytowej zieloności, długości sezonu wegetacyjnego i anomalii spowodowanych suszą. Trendy są korelacji z opadami, temperaturą i zmianami w zarządzaniu gruntami.
Częste pułapki
- Błędna interpretacja przestrzennych zmian NDVI bez uwzględnienia jasności tła glebowego, która wpływa na NDVI na obszarach słabo zalesionych.
- Porównywanie NDVI między różnymi satelitami lub algorytmami korekcji atmosferycznej bez harmonizacji.
- Nadmierne stosowanie NDVI do regionów tropikalnych, gdzie obfitość aerozoli atmosferycznych silnie się zmienia, wprowadzając systematyczne błędy.
Najczęściej zadawane pytania
Dlaczego używać NDVI zamiast tylko obserwować odbiciowość w paśmie czerwonym?
Sama odbiciowość w paśmie czerwonym nie uwzględnia tła glebowego. Ciemna gleba i rzadka pokrywa roślinna mają niską odbiciowość w paśmie czerwonym. Normalizując różnicę między NIR i czerwonym przez ich sumę, NDVI izoluje sygnał roślinności od gleby. Uzyskany wskaźnik silnie koreluje z powierzchnią liści, fotosyntezą i biomasą.
Jakie są typowe wartości NDVI dla różnych pokryć terenu?
Woda i śnieg: < 0,1; goła gleba: 0,1–0,2; trawa i zarośla: 0,2–0,5; uprawy (w zależności od fazy wzrostu): 0,3–0,8; gęsty las: 0,6–0,9. Wartości zmieniają się sezonowo (niskie zimą, szczytowe w środku lata w regionach umiarkowanych).
Jak zachmurzenie wpływa na monitorowanie NDVI?
Chmury całkowicie blokują widok satelitarny; piksele zachmurzone są maskowane i muszą być interpolowane lub pominięte. W regionach tropikalnych o stałym zachmurzeniu użyteczne dane NDVI mogą być rzadkie (< 50% obserwacji bezchmurnych). Wskaźniki oparte na radarze (niepodatne na chmury), takie jak rozproszenie wsteczne pochodzące z NDVI, stanowią alternatywę na obszarach pochmurnych.
Czy NDVI może rozróżniać między rodzajami upraw?
Nie bezpośrednio. NDVI odzwierciedla zieloność, a nie tożsamość uprawy. Pszenica i jęczmień mają podobne trajektorie NDVI. Jednak czas fenologiczny (data szczytu NDVI, długość sezonu wegetacyjnego) może się różnić między uprawami, umożliwiając klasyfikację upraw w połączeniu z danymi pogodowymi lub obserwacjami terenowymi.
Pokrewne metody
Źródła
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.
Otwórz odnośnik do publikacjiSkopiowano.Jackson, R. D. (1983). Spectral indices in n-space. Remote Sensing of Environment, 13(5), 409-421.
Otwórz odnośnik DOISkopiowano.