Monispektriset indeksikaavat

This page lists some multispectral indices that Chloros uses.

Alla olevissa indeksikaavoissa käytetään yhdistelmää Survey3-suodattimen keskimääräisistä läpäisyalueista:

Survey3-suodattimen väri	Survey3-suodattimen nimi	Läpäisyalue (FWHM)	Keskimääräinen läpäisy
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

Kun näitä kaavoja käytetään, nimi voi päättyä merkkiin "_1" tai "_2", joka vastaa sitä, kumpaa NIR-suodatinta, joko NIR1 tai NIR2, on käytetty.

---

EVI - Parannettu kasvillisuusindeksi

Tämä indeksi kehitettiin alun perin käytettäväksi MODIS-datan kanssa parannuksena NDVI:ään optimoimalla kasvillisuussignaali alueilla, joilla lehtialaindeksi (LAI) on korkea. Se on hyödyllisin alueilla, joilla LAI-arvo on korkea ja NDVI-arvo voi olla saturoitunut. Se käyttää sinisen heijastavuusalueen korjaamaan maaperän taustasignaaleja ja vähentämään ilmakehän vaikutuksia, mukaan lukien aerosolien sironta.

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

EVI-arvojen tulisi olla välillä 0–1 kasvillisuuspikseleille. Kirkkaat kohteet, kuten pilvet ja valkoiset rakennukset, sekä tummat kohteet, kuten vesi, voivat aiheuttaa poikkeavia pikseliarvoja EVI-kuvassa. Ennen EVI-kuvan luomista sinun tulisi peittää pilvet ja kirkkaat kohteet heijastavuuskuvasta ja tarvittaessa asettaa pikseliarvojen kynnysarvoksi 0–1.

Viite: 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 - Metsäpeiteindeksi 1

Tämä indeksi erottaa metsän latvuston muista kasvillisuustyypeistä käyttämällä monispektrisiä heijastavuuskuvia, jotka sisältävät punaisen reunan kaistan.

$$FCI1 = Red * RedEdge$$

Metsäalueilla on alhaisemmat FCI1-arvot, koska puiden heijastavuus on alhaisempi ja latvustossa on varjoja.

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

---

FCI2 – Metsän peittoindeksi 2

Tämä indeksi erottaa metsän latvuston muista kasvillisuustyypeistä käyttämällä monispektrisiä heijastavuuskuvia, jotka eivät sisällä punaista reuna-aluetta.

$$FCI2 = Red * NIR$$

Metsäalueilla on alhaisemmat FCI2-arvot, koska puiden heijastavuus on alhaisempi ja latvustossa on varjoja.

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

---

GEMI – Globaali ympäristöseurantaindeksi

Tätä epälineaarista kasvillisuusindeksiä käytetään globaalin ympäristön seurantaan satelliittikuvien avulla, ja sen avulla pyritään korjaamaan ilmakehän vaikutukset. Se on samanlainen kuin NDVI, mutta vähemmän herkkä ilmakehän vaikutuksille. Se on herkkä paljaalle maaperälle, joten sitä ei suositella käytettäväksi alueilla, joilla kasvillisuus on harvaa tai kohtalaisen tiheää.

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

Missä:

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

Viite: Pinty, B. ja M. Verstraete. GEMI: epälineaarinen indeksi globaalin kasvillisuuden seurantaan satelliiteista. Vegetation 101 (1992): 15-20.

---

GARI - Green Ilmakehän vaikutuksille kestävä indeksi

Tämä indeksi on herkempi laajalle klorofyllipitoisuuksien alueelle ja vähemmän herkkä ilmakehän vaikutuksille kuin NDVI.

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

Gamma-vakio on painotusfunktio, joka riippuu ilmakehän aerosoliolosuhteista. ENVI käyttää arvoa 1,7, joka on Gitelsonin, Kaufmanin ja Merzylakin (1996, sivu 296) suosittelema arvo.

Viite: Gitelson, A., Y. Kaufman ja M. Merzylak. "Green-kanavan käyttö EOS-MODIS:n kaukokartoituksessa maailman kasvillisuudesta." Remote Sensing of Environment 58 (1996): 289-298.

---

GCI - Green Klorofylli-indeksi

Tätä indeksiä käytetään arvioimaan lehtien klorofyllipitoisuutta monissa eri kasvilajeissa.

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

Laaja NIR ja vihreä aallonpituusalue mahdollistavat paremman klorofyllipitoisuuden ennustamisen ja samalla suuremman herkkyyden ja paremman signaali-kohinasuhteen.

Viite: Gitelson, A., Y. Gritz ja M. Merzlyak. "Lehtien klorofyllipitoisuuden ja spektrisen heijastavuuden väliset suhteet sekä algoritmit korkeampien kasvien lehtien klorofyllipitoisuuden tuhoamattomalle arvioinnille." Journal of Plant Physiology 160 (2003): 271-282.

---

GLI - Green Lehtien indeksi

Tämä indeksi on alun perin suunniteltu käytettäväksi digitaalisen RGB-kameran kanssa vehnän peittävyyden mittaamiseen, jossa punaisen, vihreän ja sinisen digitaaliluvut (DN) vaihtelevat välillä 0–255.

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

GLI-arvot vaihtelevat välillä -1 ja +1. Negatiiviset arvot edustavat maaperää ja elottomia piirteitä, kun taas positiiviset arvot edustavat vihreitä lehtiä ja varret.

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

---

GNDVI - Green Normalisoitu kasvillisuusindeksi

Tämä indeksi on samanlainen kuin NDVI, paitsi että se mittaa vihreää spektriä 540–570 nm:n alueella punaisen spektrin sijaan. Tämä indeksi on herkempi klorofyllipitoisuudelle kuin NDVI.

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

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

---

GOSAVI - Green Optimoitu maaperään mukautettu kasvillisuusindeksi

Tämä indeksi on alun perin suunniteltu värillisen infrapunakuvauksen avulla maissin typpitarpeen ennustamiseksi. Se on samanlainen kuin OSAVI, mutta siinä vihreä kaista on korvattu punaisella.

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

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

---

GRVI - Green Suhdekasvillisuusindeksi

Tämä indeksi on herkkä metsän latvuston fotosynteesinopeudelle, koska vihreän ja punaisen heijastavuus riippuu voimakkaasti lehtien pigmenttien muutoksista.

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

Viite: Sripada, R., et al. "Ilmakuvaus infrapunaväreillä maissin alkukauden typpitarpeen määrittämiseksi." Agronomy Journal 98 (2006): 968-977.

---

GSAVI - Green Maaperään mukautettu kasvillisuusindeksi

Tämä indeksi on alun perin suunniteltu värillisen infrapunakuvauksen avulla maissin typpitarpeen ennustamiseksi. Se on samanlainen kuin SAVI, mutta siinä vihreä kaista on korvattu punaisella.

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

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

---

LAI - Lehtien pinta-ala-indeksi

Tätä indeksiä käytetään lehtien peittävyyden arviointiin sekä sadon kasvun ja tuoton ennustamiseen. ENVI laskee vihreän LAI käyttämällä seuraavaa Boegh et al (2002) -tutkimuksen empiiristä kaavaa:

$$LAI = 3.618 * EVI - 0.118$$

Jossa EVI on:

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

Korkeat LAI-arvot ovat tyypillisesti välillä 0–3,5. Jos kuvassa on kuitenkin pilviä tai muita kirkkaita kohteita, jotka tuottavat kylläisiä pikseleitä, LAI-arvot voivat ylittää 3,5. Ihannetapauksessa pilvet ja kirkkaat kohteet tulisi peittää kuvasta ennen LAI-kuvan luomista.

Viite: Boegh, E., H. Soegaard, N. Broge, C. Hasager, N. Jensen, K. Schelde ja A. Thomsen. "Ilmasta kerätyt monispektriset tiedot lehtien pinta-alan indeksin, typpipitoisuuden ja fotosynteesitehokkuuden kvantifioimiseksi maataloudessa." Remote Sensing of Environment 81, nro 2-3 (2002): 179-193.

---

LCI - Lehtien klorofylli-indeksi

Tätä indeksiä käytetään arvioimaan klorofyllipitoisuutta korkeammissa kasveissa, jotka ovat herkkiä klorofyllin absorptiosta johtuville heijastavuuden vaihteluille.

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

Viite: Datt, B. "Eukalyptuslehtien vesipitoisuuden kaukokartoitus." Journal of Plant Physiology 154, nro 1 (1999): 30-36.

---

MNLI - Modifioitu epälineaarinen indeksi

Tämä indeksi on parannettu versio epälineaarisesta indeksistä (NLI), joka sisältää maaperään mukautetun kasvillisuusindeksin (SAVI) maaperän taustan huomioon ottamiseksi. ENVI käyttää latvuston taustan säätökerrointa (L) arvolla 0,5.

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

Viite: Yang, Z., P. Willis ja R. Mueller. "Impact of Band-Ratio Enhanced AWIFS Image to Crop Classification Accuracy." Pecora 17 Remote Sensing Symposiumin (2008) pöytäkirja, Denver, CO.

---

MSAVI2 - Modifioitu maaperään mukautettu kasvillisuusindeksi 2

Tämä indeksi on yksinkertaisempi versio Qi et al. (1994) ehdottamasta MSAVI-indeksistä, joka parantaa maaperään mukautettua kasvillisuusindeksiä (SAVI). Se vähentää maaperän kohinaa ja lisää kasvillisuuden signaalin dynaamista aluetta. MSAVI2 perustuu induktiiviseen menetelmään, jossa ei käytetä vakioarvoa L (kuten SAVI:ssa) terveen kasvillisuuden korostamiseen.

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

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

---

NDRE- Normalisoitu ero RedEdge

Tämä indeksi on samanlainen kuin NDVI, mutta siinä verrataan NIR:n ja RedEdge:n välistä kontrastia Red:n sijaan, mikä usein havaitsee kasvillisuuden stressin aikaisemmin.

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

---

NDVI – Normalisoitu kasvillisuusindeksi

Tämä indeksi mittaa terveellistä, vihreää kasvillisuutta. Sen normalisoidun eron kaavan ja klorofyllin suurimman absorptio- ja heijastusalueiden käytön yhdistelmä tekee siitä luotettavan monenlaisissa olosuhteissa. Se voi kuitenkin kyllästyä tiheässä kasvillisuudessa, kun LAI nousee korkeaksi.

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

Tämän indeksin arvo vaihtelee välillä -1 ja 1. Vihreän kasvillisuuden yleinen alue on 0,2–0,8.

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

---

NLI – epälineaarinen indeksi

Tämä indeksi olettaa, että monien kasvillisuusindeksien ja pinnan biofysikaalisten parametrien välinen suhde on epälineaarinen. Se linearisoi suhteet pinnan parametreihin, jotka ovat yleensä epälineaarisia.

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

Viite: Goel, N. ja W. Qin. "Canopy-arkkitehtuurin vaikutukset eri kasvillisuusindeksien ja LAI:n ja Fpar:n välisiin suhteisiin: tietokonesimulaatio." Remote Sensing Reviews 10 (1994): 309-347.

---

OSAVI – Optimoitu maaperään mukautettu kasvillisuusindeksi

Tämä indeksi perustuu maaperään mukautettuun kasvillisuusindeksiin (SAVI). Se käyttää latvuston taustan säätökertoimena standardiarvoa 0,16. Rondeaux (1996) totesi, että tämä arvo tarjoaa suuremman maaperän vaihtelun kuin SAVI alhaisella kasvillisuuspeitteellä, samalla kun se osoittaa suuremman herkkyyden yli 50 %:n kasvillisuuspeitteelle. Tätä indeksiä käytetään parhaiten alueilla, joilla kasvillisuus on suhteellisen harvaa ja maaperä näkyy puuston läpi.

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

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

---

RDVI - Renormalized Difference Vegetation Index

Tämä indeksi käyttää lähi-infrapuna- ja punaisen aallonpituuden välistä eroa yhdessä NDVI:n kanssa korostaakseen terveen kasvillisuuden. Se on epäherkkä maaperän ja auringon katselukulman vaikutuksille.

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

Viite: Roujean, J., ja F. Breon. "Kasvillisuuden absorboiman PAR:n arviointi kaksisuuntaisista heijastavuusmittauksista." Remote Sensing of Environment 51 (1995): 375-384.

---

SAVI - Maaperän mukaan korjattu kasvillisuusindeksi

Tämä indeksi on samanlainen kuin NDVI, mutta se vaimentaa maaperän pikselien vaikutuksia. Se käyttää latvuston taustan säätökerrointa L, joka on kasvillisuuden tiheyden funktio ja vaatii usein ennakkotietoa kasvillisuuden määrästä. Huete (1988) ehdottaa optimaalista arvoa L=0,5 ensimmäisen asteen maaperän taustavaihteluiden huomioon ottamiseksi. Tätä indeksiä käytetään parhaiten alueilla, joilla kasvillisuus on suhteellisen harvaa ja maaperä näkyy latvuston läpi.

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

Viite: Huete, A. "Maaperään mukautettu kasvillisuusindeksi (SAVI)." Remote Sensing of Environment 25 (1988): 295-309.

---

TDVI - Transformed Difference Vegetation Index (muunnettu kasvillisuusindeksi)

Tämä indeksi on hyödyllinen kasvillisuuden seurannassa kaupunkiympäristöissä. Se ei kyllästy kuten NDVI ja SAVI.

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

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

---

VARI – näkyvä ilmakehän vaikutuksille kestävä indeksi

Tämä indeksi perustuu ARVI:ään ja sitä käytetään arvioimaan kasvillisuuden osuus kuvassa, jossa on alhainen herkkyys ilmakehän vaikutuksille.

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

Viite: 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 - Laaja dynaaminen alue -kasvillisuusindeksi

Tämä indeksi on samanlainen kuin NDVI, mutta siinä käytetään painotuskerrointa (a) vähentämään lähi-infrapuna- ja punaisen signaalin vaikutusten eroa NDVI:ään. WDRVI on erityisen tehokas kohteissa, joissa kasvillisuuden tiheys on kohtalainen tai suuri, kun NDVI ylittää 0,6. NDVI tasoittuu, kun kasvillisuusosuus ja lehtipinta-ala-indeksi (LAI) kasvavat, kun taas WDRVI on herkempi laajemmalle kasvillisuusosuuksien alueelle ja muutoksille LAI:ssä.

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

Painotuskerroin (a) voi vaihdella välillä 0,1–0,2. Henebry, Viña ja Gitelson (2004) suosittelevat arvoa 0,2.

Viitteet

Gitelson, A. "Wide Dynamic Range Vegetation Index for Remote Quantification of Biophysical Characteristics of Vegetation." Journal of Plant Physiology 161, No. 2 (2004): 165-173.

Henebry, G., A. Viña ja A. Gitelson. "Laaja dynaaminen alue -kasvillisuusindeksi ja sen potentiaalinen käyttökelpoisuus aukkoanalyysissä." Gap Analysis Bulletin 12: 50-56.