Войти
Отрицательные значения NDVI (значения 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 положительные значения соответствуют кустарникам и пастбищам (приблизительно от 0,2 до 0,4), тогда как высокие значения указывают на влажные тропические леса и тропические леса (значения приближаются к 1). Нормализованный разностный индекс растительности (NDVI ) представляет собой простой графический индикатор, который можно использовать для анализа измерений дистанционного зондирования, часто с космической платформы, для оценки того, содержит ли наблюдаемая цель живой зеленый цвет растительность.
Точное земледелие NDVI 4 см / пиксель GSD 
NDVI в июне над Британскими островами (NOAA AVHRR) 
NDVI в октябре над Британскими островами (NOAA AVHRR) 
NDVI Среднее значение за 6 месяцев для Австралии, с 1 декабря 2012 г. по 31 мая 2013 г. Серьезно исследование космического пространства началось с запуска Спутника 1 Советским Союзом 4 октября 1957 года. Это был первый искусственный спутник , вращающийся вокруг Земли. Последующие успешные запуски как в Советском Союзе (например, программы Sputnik и Cosmos ), так и в США (например, программа Explorer ) быстро привели к разработке и эксплуатации. специализированных 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 Национального управления океанических и атмосферных исследований (NOAA) платформы. 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, как правило, включали полосы в красном и ближнем инфракрасном диапазоне, 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 с его многоспектральным сканером (MSS) НАСА профинансировало ряд исследований для определения его возможности 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 Великих равнин регион 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 в 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 данным. сигналы были смешаны с 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 излучения к их сумме в качестве средства корректировки или «нормализации» эффектов зенитный угол Солнца. Первоначально они назвали это соотношение «Индексом растительности» (и другой вариант, преобразование квадратного корня отношения разности к сумме, «Индекс трансформированной растительности»); но поскольку несколько других исследователей дистанционного зондирования идентифицировали простое соотношение красного / инфракрасного 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 AM, 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 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 мультиспектральном данные дистанционного зондирования. После того, как была продемонстрирована возможность обнаружения растительности, пользователи стали использовать NDVI для количественной оценки фотосинтетической способности покровов растений. Однако это может оказаться более сложным делом, если не будет выполнено должным образом, как обсуждается ниже.
Типичный спектр действия ФАР, показанный рядом со спектрами поглощения хлорофилла-А, хлорофилла-В и каротиноидов Живые зеленые растения поглощают солнечную радиацию в фотосинтетически активном излучении (PAR) спектральная область, которую они используют в качестве источника энергии в процессе фотосинтеза. Клетки листа 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 первые инструменты наблюдения Земли, такие как ERTS NASA и AVHRR NOAA, получали данные в видимом и ближнем инфракрасном диапазонах, было естественным использовать сильные различия в растениях. отражательной способности для определения их пространственного распределения на этих спутниковых изображениях.
NDVI рассчитывается на основе этих отдельных измерений следующим образом:
где красный и NIR обозначают полученные измерения спектрального отражения в красном (видимом) и ближнем инфракрасном диапазонах соответственно. Эти спектральные коэффициенты отражения сами по себе являются отношениями отраженного от входящего излучения в каждой спектральной полосе индивидуально, поэтому 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 оно 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 колеблется 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, чем в видимом диапазоне, то растительность в этом пикселе, вероятно, будет густой и может содержать какой-то тип леса. Последующие работы показали, 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.
Окружающие поля и водоемы, такие как плотина на северо-востоке, помогают маскироваться высокими значениями в Понта Гросса, южная часть Бразилии Из его математического определения видно, что NDVI области, содержащей густой растительный покров, будет иметь положительные значения (скажем, от 0,3 до 0,8), в то время как облака и снежные поля будут иметь характеризуются отрицательными значениями этого показателя. Другие цели на Земле, видимые из космоса, включают:
В дополнение к простоте алгоритма и его способности в целом отличать покрытые растительностью области от других типов поверхностей, NDVI также имеет преимущество сжатия размера данных, которыми нужно управлять, в 2 (или более раз)), 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.
Сгенерированный нормализованный индекс разности растительности (NDVI)) со 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 NDVI, полученного из космоса. значения 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 выполняются одновременно, потому что это означало бы, что все эти экологические свойства были бы прямо и недвусмысленно связаны между собой.Кроме того, расчет значения NDVI оказывается чувствительным к ряду возмущающих факторов, включая
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 улучшенные характеристики и характеристики современных датчиков (в частности, их многоспектральные и многоугольные возможности), позволяющие учесть все возмущающие факторы. Несмотря на множество возможных факторов, влияющих на NDVI, он остается ценным инструментом количественного мониторинга растительности, когда фотосинтетическая способность поверхности суши требует изучения в соответствующем пространственном масштабе для различных явлений.
В рамках точного земледелия данные NDVI обеспечивают измерение здоровья сельскохозяйственных культур. Сегодня это часто связано с тем, что 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 традиционного 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 с помощью некоторых модификаций, чтобы получить результаты, аналогичные результатам, полученным с многоспектральных камер, и могут быть эффективно реализованы в системах мониторинга здоровья сельскохозяйственных культур..
