Formler til multispektrale indekser

This page lists some multispectral indices that Chloros uses

Nedenstående indeksformler anvender en kombination af gennemsnitlige transmissionsområder for Survey3-filteret:

Survey3-filterfarve	Survey3 Filternavn	Transmissionsområde (FWHM)	Gennemsnitlig transmission
Blue	NGB - Blue	468-483 nm	475 nm
Cyan	OCN- Cyan	476-512 nm	494 nm
Green	RGN | NGB - Green	543-558 nm	547 nm
Orange	OCN - Orange	598-640 nm	619 nm
Red	RGN - Red	653-668 nm	661 nm
RedEdge	Re - RedEdge	712-735 nm	724 nm
NIR1	OCN - NIR1	798-848 nm	823 nm
NIR2	RGN | NGB | NIR - NIR2	835-865 nm	850 nm

Når disse formler anvendes, kan navnet slutte på "\_1" eller "\_2", hvilket svarer til, hvilket NIR-filter, enten NIR1 eller NIR2, der blev anvendt.

---

EVI - Forbedret vegetationsindeks

Dette indeks blev oprindeligt udviklet til brug med MODIS-data som en forbedring i forhold til NDVI ved at optimere vegetationssignalet i områder med højt bladarealindeks (LAI). Det er mest nyttigt i regioner med højt LAI, hvor NDVI kan blive mættet. Det bruger det blå reflektansområde til at korrigere for jordbaggrundssignaler og til at reducere atmosfæriske påvirkninger, herunder aerosolspredning.

$$EVI = 2.5 * {(NIR - Red) \over (NIR + 6 * Red - 7.5 * Blue + 1)}$$

EVI-værdier bør ligge mellem 0 og 1 for vegetationspixels. Lyse elementer såsom skyer og hvide bygninger samt mørke elementer såsom vand kan resultere i unormale pixelværdier i et EVI-billede. Inden du opretter et EVI-billede, bør du maskere skyer og lyse elementer fra reflektansbilledet og eventuelt indstille en tærskelværdi for pixelværdierne fra 0 til 1.

Reference: Huete, A., et al. "Overview of the Radiometric and Biophysical Performance of the MODIS Vegetation Indices." Remote Sensing of Environment 83 (2002):195–213.

---

FCI1 - Forest Cover Index 1

Dette indeks skelner mellem skovkroner og andre vegetationstyper ved hjælp af multispektrale reflektansbilleder, der inkluderer et rødkantbånd.

$$FCI1 = Red * RedEdge$$

Skovområder vil have lavere FCI1-værdier på grund af træernes lavere reflektans og tilstedeværelsen af skygger inden for kronetaget.

Reference: Becker, Sarah J., Craig S.T. Daughtry og Andrew L. Russ. "Robust forest cover indices for multispectral images." Photogrammetric Engineering & Remote Sensing 84.8 (2018): 505-512.

---

FCI2 - Skovdækningsindeks 2

Dette indeks skelner mellem skovkroner og andre vegetationstyper ved hjælp af multispektrale reflektansbilleder, der ikke indeholder et rødt kantbånd.

$$FCI2 = Red * NIR$$

Skovområder vil have lavere FCI2-værdier på grund af træernes lavere reflektans og tilstedeværelsen af skygger i kronetaget.

Reference: Becker, Sarah J., Craig S.T. Daughtry og Andrew L. Russ. "Robust forest cover indices for multispectral images." Photogrammetric Engineering & Remote Sensing 84.8 (2018): 505-512.

---

GEMI - Global Environmental Monitoring Index

Dette ikke-lineære vegetationsindeks bruges til global miljøovervågning ud fra satellitbilleder og forsøger at korrigere for atmosfæriske effekter. Det ligner NDVI, men er mindre følsomt over for atmosfæriske effekter. Det påvirkes af bar jord; derfor anbefales det ikke til brug i områder med sparsom eller moderat tæt vegetation.

$$GEMI = eta (1 - 0.25 * eta) - {Red - 0.125 \over 1 - Red}$$

Hvor:

$$eta = {2(NIR^{2}-Red^{2}) + 1.5 * NIR + 0.5 * Red \over NIR + Red + 0.5}$$

Reference: Pinty, B., og M. Verstraete. GEMI: et ikke-lineært indeks til overvågning af global vegetation fra satellitter. Vegetation 101 (1992): 15-20.

---

GARI - Green Atmosfærisk resistent indeks

Dette indeks er mere følsomt over for et bredt spektrum af klorofylkoncentrationer og mindre følsomt over for atmosfæriske effekter end NDVI.

$$GARI = {NIR - [Green - \gamma(Blue - Red)] \over NIR + [Green - \gamma(Blue - Red)] }$$

Gammakonstanten er en vægtningsfunktion, der afhænger af aerosolforholdene i atmosfæren. ENVI bruger en værdi på 1,7, hvilket er den anbefalede værdi fra Gitelson, Kaufman og Merzylak (1996, side 296).

Reference: Gitelson, A., Y. Kaufman og M. Merzylak. "Use of a Green Channel in Remote Sensing of Global Vegetation from EOS-MODIS." Remote Sensing of Environment 58 (1996): 289-298.

---

GCI - Green Klorofylindeks

Dette indeks bruges til at estimere bladklorofylindholdet på tværs af en bred vifte af plantearter.

$$GCI = {NIR \over Green} - 1$$

Brug af brede NIR og grønne bølgelængder giver en bedre forudsigelse af klorofylindholdet, samtidig med at det muliggør større følsomhed og et højere signal-støj-forhold.

Reference: Gitelson, A., Y. Gritz og M. Merzlyak. "Relationships Between Leaf Chlorophyll Content and Spectral Reflectance and Algorithms for Non-Destructive Chlorophyll Assessment in Higher Plant Leaves." Journal of Plant Physiology 160 (2003): 271-282.

---

GLI - Green Bladindeks

Dette indeks blev oprindeligt udviklet til brug med et digitalt RGB-kamera til måling af hvededække, hvor de røde, grønne og blå digitale tal (DN'er) varierer fra 0 til 255.

$$GLI = {(Green - Red) + (Green - Blue) \over (2 * Green) + Red + Blue }$$

GLI-værdierne varierer fra -1 til +1. Negative værdier repræsenterer jord og ikke-levende elementer, mens positive værdier repræsenterer grønne blade og stængler.

Reference: Louhaichi, M., M. Borman og D. Johnson. "Spatially Located Platform and Aerial Photography for Documentation of Grazing Impacts on Wheat." Geocarto International 16, nr. 1 (2001): 65-70.

---

GNDVI - Green Normaliseret vegetationsindeks

Dette indeks ligner NDVI, bortset fra at det måler det grønne spektrum fra 540 til 570 nm i stedet for det røde spektrum. Dette indeks er mere følsomt over for klorofylkoncentrationen end NDVI.

$$GNDVI = {(NIR - Green) \over (NIR + Green) }$$

Reference: Gitelson, A., og M. Merzlyak. "Remote Sensing of Chlorophyll Concentration in Higher Plant Leaves." Advances in Space Research 22 (1998): 689-692.

---

GOSAVI - Green Optimized Soil Adjusted Vegetation Index

Dette indeks blev oprindeligt udviklet med farve-infrarød fotografering til at forudsige kvælstofbehovet for majs. Det ligner OSAVI, men erstatter det grønne bånd med det røde.

$$GOSAVI = {NIR - Green \over NIR + Green + 0.16) }$$

Reference: Sripada, R., et al. "Determining In-Season Nitrogen Requirements for Corn Using Aerial Color-Infrared Photography." Ph.D.-afhandling, North Carolina State University, 2005.

---

GRVI - Green-forholdet vegetationsindeks

Dette indeks er følsomt over for fotosyntesehastigheder i skovkroner, da grønne og røde reflektanser er stærkt påvirket af ændringer i bladpigmenter.

$$GRVI = {NIR \over Green }$$

Reference: Sripada, R., et al. "Aerial Color Infrared Photography for Determining Early In-season Nitrogen Requirements in Corn." Agronomy Journal 98 (2006): 968-977.

---

GSAVI - Green Jordjusteret vegetationsindeks

Dette indeks blev oprindeligt udviklet med farve-infrarød fotografering til at forudsige kvælstofbehovet for majs. Det ligner SAVI, men erstatter det grønne bånd med det røde.

$$GSAVI = 1.5 * {(NIR - Green) \over (NIR + Green + 0.5) }$$

Reference: Sripada, R., et al. "Determining In-Season Nitrogen Requirements for Corn Using Aerial Color-Infrared Photography." Ph.D.-afhandling, North Carolina State University, 2005.

---

LAI - Bladarealindeks

Dette indeks bruges til at estimere bladdækket og til at forudsige afgrødens vækst og udbytte. ENVI beregner grøn LAI ved hjælp af følgende empiriske formel fra Boegh et al (2002):

$$LAI = 3.618 * EVI - 0.118$$

Hvor EVI er:

$$EVI = 2.5 * {(NIR - Red) \over (NIR + 6 * Red - 7.5 * Blue + 1)}$$

Høje LAI-værdier ligger typisk i området fra ca. 0 til 3,5. Når scenen indeholder skyer og andre lyse elementer, der producerer mættede pixels, kan LAI-værdierne dog overstige 3,5. Ideelt set bør du maske skyer og lyse elementer ud af din scene, før du opretter et LAI-billede.

Reference: Boegh, E., H. Soegaard, N. Broge, C. Hasager, N. Jensen, K. Schelde og A. Thomsen. "Airborne Multi-spectral Data for Quantifying Leaf Area Index, Nitrogen Concentration and Photosynthetic Efficiency in Agriculture." Remote Sensing of Environment 81, nr. 2-3 (2002): 179-193.

---

LCI - Bladklorofylindeks

Dette indeks bruges til at estimere klorofylindholdet i højere planter, der er følsomme over for variationer i reflektans forårsaget af klorofylabsorption.

$$LCI = {NIR2 - RedEdge \over NIR2 + Red}$$

Reference: Datt, B. "Fjernmåling af vandindhold i eukalyptusblade." Journal of Plant Physiology 154, nr. 1 (1999): 30-36.

---

MNLI - Modificeret ikke-lineært indeks

Dette indeks er en forbedring af det ikke-lineære indeks (NLI), der inkorporerer det jordjusterede vegetationsindeks (SAVI) for at tage højde for jordbaggrunden. ENVI bruger en værdi på 0,5 for justeringsfaktoren for kronetæppe-baggrund (L).

$$MNLI = {(NIR^{2} - Red) * (1 + L) \over (NIR^{2} + Red + L) }$$

Reference: Yang, Z., P. Willis og R. Mueller. "Impact of Band-Ratio Enhanced AWIFS Image to Crop Classification Accuracy." Proceedings of the Pecora 17 Remote Sensing Symposium (2008), Denver, CO.

---

MSAVI2 - Modificeret jordjusteret vegetationsindeks 2

Dette indeks er en enklere version af MSAVI-indekset foreslået af Qi et al. (1994), som forbedrer det jordjusterede vegetationsindeks (SAVI). Det reducerer jordstøj og øger det dynamiske område for vegetationssignalet. MSAVI2 er baseret på en induktiv metode, der ikke bruger en konstant L-værdi (som med SAVI) til at fremhæve sund vegetation.

$$MSAVI2 = {2 * NIR + 1 - \sqrt{(2 * NIR + 1)^{2} - 8(NIR - Red)} \over 2}$$

Reference: Qi, J., A. Chehbouni, A. Huete, Y. Kerr og S. Sorooshian. "A Modified Soil Adjusted Vegetation Index." Remote Sensing of Environment 48 (1994): 119-126.

---

NDRE- Normaliseret forskel RedEdge

Dette indeks ligner NDVI, men sammenligner kontrasten mellem NIR og RedEdge i stedet for Red, hvilket ofte registrerer vegetationsstress tidligere.

$$NDRE = {NIR - RedEdge \over NIR + RedEdge }$$

---

NDVI - Normaliseret vegetationsindeks

Dette indeks er et mål for sund, grøn vegetation. Kombinationen af dets normaliserede forskelsformulering og brugen af klorofyls områder med højeste absorption og reflektans gør det robust under en lang række forhold. Det kan dog blive mættet under tætte vegetationsforhold, når LAI bliver højt.

$$NDVI = {NIR - Red \over NIR + Red }$$

Værdien af dette indeks varierer fra -1 til 1. Det almindelige interval for grøn vegetation er 0,2 til 0,8.

Reference: Rouse, J., R. Haas, J. Schell og D. Deering. Monitoring Vegetation Systems in the Great Plains with ERTS. Third ERTS Symposium, NASA (1973): 309-317.

---

NLI - Ikke-lineært indeks

Dette indeks antager, at forholdet mellem mange vegetationsindekser og biofysiske overfladeparametre er ikke-lineært. Det lineariserer forhold til overfladeparametre, der har tendens til at være ikke-lineære.

$$NLI = {NIR^{2} - Red \over NIR^{2} + Red }$$

Reference: Goel, N., og W. Qin. "Indflydelse af kronedækket på forholdet mellem forskellige vegetationsindekser og LAI og Fpar: En computersimulering." Remote Sensing Reviews 10 (1994): 309-347.

---

OSAVI - Optimeret jordjusteret vegetationsindeks

Dette indeks er baseret på det jordjusterede vegetationsindeks (SAVI). Det anvender en standardværdi på 0,16 for kronedækkets baggrundsjusteringsfaktor. Rondeaux (1996) fastslog, at denne værdi giver større jordvariation end SAVI ved lav vegetationsdækning, samtidig med at den udviser øget følsomhed over for vegetationsdækning på over 50 %. Dette indeks anvendes bedst i områder med relativt sparsom vegetation, hvor jorden er synlig gennem kronetaget.

$$OSAVI = {(NIR - Red) \over (NIR + Red + 0.16) }$$

Reference: Rondeaux, G., M. Steven og F. Baret. "Optimization of Soil-Adjusted Vegetation Indices." Remote Sensing of Environment 55 (1996): 95-107.

---

RDVI - Renormalized Difference Vegetation Index

Dette indeks bruger forskellen mellem nærinfrarøde og røde bølgelængder sammen med NDVI til at fremhæve sund vegetation. Det er ufølsomt over for effekterne af jord og solens synsvinkel.

$$RDVI = {(NIR- Red) \over \sqrt{(NIR + Red)} }$$

Reference: Roujean, J., og F. Breon. "Estimating PAR Absorbed by Vegetation from Bidirectional Reflectance Measurements." Remote Sensing of Environment 51 (1995): 375-384.

---

SAVI - Jordjusteret vegetationsindeks

Dette indeks ligner NDVI, men det undertrykker effekten af jordpixels. Det bruger en justeringsfaktor for kronetætheden, L, som er en funktion af vegetationstætheden og ofte kræver forudgående viden om vegetationsmængder. Huete (1988) foreslår en optimal værdi på L=0,5 for at tage højde for førsteordens variationer i jordbaggrunden. Dette indeks anvendes bedst i områder med relativt sparsom vegetation, hvor jorden er synlig gennem kronetaget.

$$SAVI = {1.5 * (NIR- Red) \over (NIR + Red + 0.5) }$$

Reference: Huete, A. "A Soil-Adjusted Vegetation Index (SAVI)." Remote Sensing of Environment 25 (1988): 295-309.

---

TDVI - Transformed Difference Vegetation Index

Dette indeks er nyttigt til overvågning af vegetationsdækket i bymiljøer. Det mætter ikke som NDVI og SAVI.

$$TDVI = 1.5 * {(NIR- Red) \over \sqrt{NIR^{2} + Red + 0.5} }$$

Reference: Bannari, A., H. Asalhi og P. Teillet. "Transformed Difference Vegetation Index (TDVI) for Vegetation Cover Mapping" I Proceedings of the Geoscience and Remote Sensing Symposium, IGARSS '02, IEEE International, bind 5 (2002).

---

VARI - Synligt atmosfærisk resistent indeks

Dette indeks er baseret på ARVI og bruges til at estimere andelen af vegetation i et billede med lav følsomhed over for atmosfæriske effekter.

$$VARI = {Green - Red \over Green + Red - Blue }$$

Reference: Gitelson, A., et al. "Vegetation and Soil Lines in Visible Spectral Space: A Concept and Technique for Remote Estimation of Vegetation Fraction. International Journal of Remote Sensing 23 (2002): 2537−2562.

---

WDRVI - Vegetationsindeks med bredt dynamisk område

Dette indeks ligner NDVI, men det bruger en vægtningskoefficient (a) til at reducere forskellen mellem bidragene fra de nærinfrarøde og røde signaler til NDVI. WDRVI er særligt effektivt i scener med moderat til høj vegetationsdensitet, når NDVI overstiger 0,6. NDVI har tendens til at flade ud, når vegetationsandelen og bladarealindekset (LAI) stiger, mens WDRVI er mere følsom over for et bredere spektrum af vegetationsandele og over for ændringer i LAI.

$$WDRVI = {(\alpha * NIR- Red) \over (\alpha * NIR + Red)}$$

Vægtningskoefficienten (a) kan variere fra 0,1 til 0,2. En værdi på 0,2 anbefales af Henebry, Viña og Gitelson (2004).

Referencer

Gitelson, A. "Wide Dynamic Range Vegetation Index for Remote Quantification of Biophysical Characteristics of Vegetation." Journal of Plant Physiology 161, nr. 2 (2004): 165-173.

Henebry, G., A. Viña og A. Gitelson. "The Wide Dynamic Range Vegetation Index and its Potential Utility for Gap Analysis." Gap Analysis Bulletin 12: 50-56.