Przejdź do treści
Wróć do wyników wyszukiwania

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

Rozmiar czcionki

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

1

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.

2

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.

3

Dla każdego piksela ekstrahuje się odbiciowość w paśmie czerwonym (0,6–0,7 µm) i paśmie bliskiej podczerwieni (0,8–1,0 µm).

4

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.

5

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

  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.

    Otwórz odnośnik do publikacji
    Skopiowano.
  2. Jackson, R. D. (1983). Spectral indices in n-space. Remote Sensing of Environment, 13(5), 409-421.

    Otwórz odnośnik DOI
    Skopiowano.