Formules voor multispectrale indexen

This page lists some multispectral indices that Chloros uses

De onderstaande indexformules maken gebruik van een combinatie van de gemiddelde transmissiebereiken van het Survey3-filter:

Survey3 Filterkleur	Survey3 Filternaam	Transmissiebereik (FWHM)	Gemiddelde transmissie
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

Wanneer deze formules worden gebruikt, kan de naam eindigen op "\_1" of "\_2", wat overeenkomt met welk NIR-filter, NIR1 of NIR2, werd gebruikt.

---

EVI - Verbeterde vegetatie-index

Deze index is oorspronkelijk ontwikkeld voor gebruik met MODIS-gegevens als verbetering ten opzichte van NDVI door het vegetatiesignaal te optimaliseren in gebieden met een hoge bladoppervlakte-index (LAI). Deze index is vooral nuttig in gebieden met een hoge LAI-waarde, waar NDVI verzadigd kan raken. De index maakt gebruik van het blauwe reflectiebereik om bodemachtergrondsignalen te corrigeren en atmosferische invloeden, waaronder verstrooiing door aerosolen, te verminderen.

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

EVI-waarden moeten voor vegetatiepixels tussen 0 en 1 liggen. Heldere elementen zoals wolken en witte gebouwen, samen met donkere elementen zoals water, kunnen leiden tot afwijkende pixelwaarden in een EVI-beeld. Voordat u een EVI-beeld maakt, moet u wolken en heldere elementen uit het reflectantiebeeld maskeren en eventueel de pixelwaarden drempelen van 0 tot 1.

Referentie: 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 - Bosbedekkingsindex 1

Deze index onderscheidt boskronen van andere soorten vegetatie met behulp van multispectrale reflectantiebeelden die een rode randband bevatten.

$$FCI1 = Red * RedEdge$$

Beboste gebieden zullen lagere FCI1-waarden hebben vanwege de lagere reflectie van bomen en de aanwezigheid van schaduwen binnen het bladerdak.

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

---

FCI2 - Bosbedekkingsindex 2

Deze index onderscheidt boskronen van andere soorten vegetatie met behulp van multispectrale reflectiebeelden die geen rode randband bevatten.

$$FCI2 = Red * NIR$$

Beboste gebieden zullen lagere FCI2-waarden hebben vanwege de lagere reflectie van bomen en de aanwezigheid van schaduwen in het bladerdak.

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

---

GEMI - Global Environmental Monitoring Index

Deze niet-lineaire vegetatie-index wordt gebruikt voor wereldwijde milieumonitoring op basis van satellietbeelden en probeert atmosferische effecten te corrigeren. Hij is vergelijkbaar met NDVI, maar is minder gevoelig voor atmosferische effecten. Hij wordt beïnvloed door kale grond; daarom wordt het gebruik ervan niet aanbevolen in gebieden met schaarse of matig dichte vegetatie.

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

Waar:

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

Referentie: Pinty, B., en M. Verstraete. GEMI: een niet-lineaire index voor het monitoren van wereldwijde vegetatie via satellieten. Vegetation 101 (1992): 15-20.

---

GARI - Green Atmosferisch resistente index

Deze index is gevoeliger voor een breed scala aan chlorofylconcentraties en minder gevoelig voor atmosferische effecten dan NDVI.

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

De gammaconstante is een wegingsfunctie die afhankelijk is van de aerosolomstandigheden in de atmosfeer. ENVI gebruikt een waarde van 1,7, wat de aanbevolen waarde is van Gitelson, Kaufman en Merzylak (1996, pagina 296).

Referentie: Gitelson, A., Y. Kaufman en 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 Chlorofylindex

Deze index wordt gebruikt om het chlorofylgehalte in bladeren te schatten voor een breed scala aan plantensoorten.

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

Het gebruik van brede NIR- en groene golflengten zorgt voor een betere voorspelling van het chlorofylgehalte en biedt tegelijkertijd meer gevoeligheid en een hogere signaal-ruisverhouding.

Referentie: Gitelson, A., Y. Gritz en 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 Bladindex

Deze index is oorspronkelijk ontworpen voor gebruik met een digitale RGB-camera om de tarwedekking te meten, waarbij de rode, groene en blauwe digitale getallen (DN's) variëren van 0 tot 255.

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

GLI-waarden variëren van -1 tot +1. Negatieve waarden staan voor bodem en niet-levende elementen, terwijl positieve waarden staan voor groene bladeren en stengels.

Referentie: Louhaichi, M., M. Borman en 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 Genormaliseerde Vegetatie-index

Deze index is vergelijkbaar met NDVI, behalve dat hij het groene spectrum van 540 tot 570 nm meet in plaats van het rode spectrum. Deze index is gevoeliger voor chlorofylconcentratie dan NDVI.

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

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

---

GOSAVI - Green Geoptimaliseerde bodemgecorrigeerde vegetatie-index

Deze index is oorspronkelijk ontworpen met behulp van kleur-infraroodfotografie om de stikstofbehoefte van maïs te voorspellen. Hij is vergelijkbaar met OSAVI, maar vervangt de groene band door de rode.

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

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

---

GRVI - Green Verhoudingsvegetatie-index

Deze index is gevoelig voor fotosynthesesnelheden in boskronen, aangezien de groene en rode reflecties sterk worden beïnvloed door veranderingen in bladpigmenten.

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

Referentie: 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 Bodemgecorrigeerde vegetatie-index

Deze index is oorspronkelijk ontworpen met behulp van kleur-infraroodfotografie om de stikstofbehoefte voor maïs te voorspellen. Hij is vergelijkbaar met SAVI, maar vervangt de groene band door de rode.

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

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

---

LAI - Bladoppervlakte-index

Deze index wordt gebruikt om de bladbedekking te schatten en de gewasgroei en opbrengst te voorspellen. ENVI berekent groene LAI met behulp van de volgende empirische formule van Boegh et al (2002):

$$LAI = 3.618 * EVI - 0.118$$

Waarbij EVI is:

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

Hoge LAI-waarden variëren doorgaans van ongeveer 0 tot 3,5. Wanneer de scène echter wolken en andere heldere elementen bevat die verzadigde pixels produceren, kunnen de LAI-waarden hoger zijn dan 3,5. Idealiter maskeert u wolken en heldere elementen uit uw scène voordat u een LAI-beeld maakt.

Referentie: Boegh, E., H. Soegaard, N. Broge, C. Hasager, N. Jensen, K. Schelde en 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 - Bladchlorofylindex

Deze index wordt gebruikt om het chlorofylgehalte in hogere planten te schatten, die gevoelig zijn voor variaties in reflectie veroorzaakt door chlorofylabsorptie.

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

Referentie: Datt, B. "Remote Sensing of Water Content in Eucalyptus Leaves." Journal of Plant Physiology 154, nr. 1 (1999): 30-36.

---

MNLI - Modified Non-Linear Index

Deze index is een verbetering van de Non-Linear Index (NLI) waarin de Soil Adjusted Vegetation Index (SAVI) is opgenomen om rekening te houden met de bodemachtergrond. ENVI gebruikt een waarde van 0,5 voor de canopy background adjustment factor (L).

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

Referentie: Yang, Z., P. Willis en 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 - Gemodificeerde bodemaangepaste vegetatie-index 2

Deze index is een eenvoudigere versie van de MSAVI-index voorgesteld door Qi, et al (1994), die een verbetering is ten opzichte van de Soil Adjusted Vegetation Index (SAVI). Hij vermindert bodemruis en vergroot het dynamisch bereik van het vegetatiesignaal. MSAVI2 is gebaseerd op een inductieve methode die geen constante L-waarde gebruikt (zoals bij SAVI) om gezonde vegetatie te markeren.

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

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

---

NDRE- Genormaliseerd verschil RedEdge

Deze index is vergelijkbaar met NDVI, maar vergelijkt het contrast tussen NIR en RedEdge in plaats van Red, waardoor vegetatiestress vaak eerder wordt gedetecteerd.

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

---

NDVI - Genormaliseerde Vegetatie-index (NDVI)

Deze index is een maatstaf voor gezonde, groene vegetatie. De combinatie van de genormaliseerde verschilformule en het gebruik van de gebieden met de hoogste absorptie en reflectie van chlorofyl maakt deze index robuust onder een breed scala aan omstandigheden. De index kan echter verzadigd raken in omstandigheden met dichte vegetatie wanneer LAI hoog wordt.

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

De waarde van deze index varieert van -1 tot 1. Het gebruikelijke bereik voor groene vegetatie is 0,2 tot 0,8.

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

---

NLI - Niet-lineaire index

Deze index gaat ervan uit dat de relatie tussen veel vegetatie-indexen en biofysische parameters aan het aardoppervlak niet-lineair is. Het lineariseert relaties met oppervlakteparameters die de neiging hebben niet-lineair te zijn.

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

Referentie: Goel, N., en W. Qin. "Invloeden van de bladerdakarchitectuur op de relaties tussen verschillende vegetatie-indexen en LAI en Fpar: een computersimulatie." Remote Sensing Reviews 10 (1994): 309-347.

---

OSAVI - Geoptimaliseerde bodemgecorrigeerde vegetatie-index

Deze index is gebaseerd op de bodemgecorrigeerde vegetatie-index (SAVI). Hij gebruikt een standaardwaarde van 0,16 voor de correctiefactor voor de bladerdakachtergrond. Rondeaux (1996) stelde vast dat deze waarde bij een lage vegetatiebedekking een grotere bodemvariatie oplevert dan SAVI, terwijl hij tegelijkertijd een verhoogde gevoeligheid vertoont voor vegetatiebedekking van meer dan 50%. Deze index kan het best worden gebruikt in gebieden met relatief schaarse vegetatie waar de bodem zichtbaar is door het bladerdak heen.

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

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

---

RDVI - Renormalized Difference Vegetation Index

Deze index maakt gebruik van het verschil tussen nabij-infrarood- en rode golflengten, in combinatie met de NDVI, om gezonde vegetatie te markeren. Hij is ongevoelig voor de effecten van de geometrie van de bodem en de stand van de zon.

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

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

---

SAVI - Bodemgecorrigeerde vegetatie-index

Deze index is vergelijkbaar met NDVI, maar onderdrukt de effecten van bodempixels. Hij maakt gebruik van een aanpassingsfactor voor de bladerdakachtergrond, L, die een functie is van de vegetatiedichtheid en vaak voorkennis van de vegetatiehoeveelheden vereist. Huete (1988) stelt een optimale waarde van L=0,5 voor om rekening te houden met variaties in de bodemachtergrond van de eerste orde. Deze index kan het best worden gebruikt in gebieden met relatief schaarse vegetatie waar de bodem zichtbaar is door het bladerdak.

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

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

---

TDVI - Getransformeerde Differentiële Vegetatie-index

Deze index is nuttig voor het monitoren van de vegetatiebedekking in stedelijke omgevingen. Hij verzadigt niet zoals NDVI en SAVI.

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

Referentie: Bannari, A., H. Asalhi en 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 - Visible Atmospherically Resistant Index

Deze index is gebaseerd op de ARVI en wordt gebruikt om het aandeel vegetatie in een scène te schatten met een lage gevoeligheid voor atmosferische effecten.

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

Referentie: 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 - Vegetatie-index met breed dynamisch bereik

Deze index is vergelijkbaar met NDVI, maar maakt gebruik van een wegingscoëfficiënt (a) om het verschil tussen de bijdragen van de signalen in het nabije infrarood en rood aan de NDVI te verminderen. De WDRVI is bijzonder effectief in scènes met een matige tot hoge vegetatiedichtheid wanneer de NDVI groter is dan 0.6. NDVI heeft de neiging af te vlakken wanneer de vegetatiefractie en de bladoppervlakte-index (LAI) toenemen, terwijl de WDRVI gevoeliger is voor een breder bereik van vegetatiefracties en voor veranderingen in LAI.

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

De wegingscoëfficiënt (a) kan variëren van 0,1 tot 0,2. Een waarde van 0,2 wordt aanbevolen door Henebry, Viña en Gitelson (2004).

Referenties

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 en A. Gitelson. "The Wide Dynamic Range Vegetation Index and its Potential Utility for Gap Analysis." Gap Analysis Bulletin 12: 50-56.